清华团队研制全集成感存算一体多模态光电忆阻器阵列
清华团队研制全集成感存算一体多模态光电忆阻器阵列
清华大学集成电路学院团队研制出具有多模态感存算一体化的光电忆阻器阵列，搭建了单片集成的感内计算原型系统，实现了多阶视觉任务处理。该研究成果以“面向多场景感内计算的全集成多模态光电忆阻器阵列”为题发表在《自然•纳米技术》上，并被选为期刊封面。
人工智能视觉系统在自动驾驶、具身智能等领域中发挥着至关重要的作用。在传统视觉芯片架构中，由于传感、计算和存储单元的分离导致大量数据的频繁转换和传输，带来了延时和能耗开销。受生物视觉系统启发的感内计算（in-sensor computing）架构应运而生，因其能在传感端进行原位信息处理，实现感存算一体化，减少数据冗余传输，降低系统延时与能耗，从而展现出巨大潜力。然而，视觉感内计算研究尚处于起步阶段：在硬件层面，大多聚焦于单个光电感存算一体器件，缺少将大规模阵列与硅CMOS电路高效集成的方案；在算法架构层面，现有感内计算功能较为单一，难以支撑复杂视觉信息处理任务。
针对上述挑战，清华大学集成电路学院团队研制了具有多模态感存算一体化的光电忆阻器阵列（optoelectronic memristor array），搭建了单片集成的感内计算原型系统，实现了多阶视觉任务处理（图1）。该系统片上集成了1 kb（1024个）1T-1OEM光电忆阻器阵列与硅CMOS外围电路，其中所构筑的TiOx/ZnO新型光电忆阻器核心结构能够实现多种工作模式，包括电学忆阻器（EM）、动态光电忆阻器（D-OEM）和非易失性光电忆阻器（NV-OEM）模式。这些模式可通过光电激励进行配置，用于卷积神经网络或储备池计算。基于此，团队成功演示了从低阶到高阶的智能视觉信息处理任务，具有高准确率与低能耗的优势，为复杂场景智能视觉应用提供了一个高效的硬件平台。
图 1. （a）光电忆阻器阵列实物图；（b）片上集成1kb光电忆阻器1T-1OEM单元和硅CMOS外围电路结构；（c）具有多模态感存算一体化架构；（d）可配置阵列用于卷积神经网络或储备池计算。
同时为进一步阐明光电忆阻器的多模态调控机制，团队采用了差分相位对比扫描透射电子显微镜（DPC-STEM）这一前沿成像技术（图2），精确观测了光电调控过程中ZnO内部电荷密度的分布变化，这些微观表征结果为理解器件光电响应模式的调控提供了有力支撑。
图 2. 差分相位对比扫描透射电子显微镜（DPC-STEM）观测光电调控过程中D-OEM、EM、NV-OEM三种不同模式ZnO内部电荷密度的分布变化。
在此基础上，研究团队进一步通过CMOS后道兼容工艺，将1024个1T-1OEM光电忆阻器单元组成的128×8阵列集成到硅基CMOS译码电路的上方，通过光电测试验证该阵列具有良好的均一性与稳定性，同时可以实现多比特编程（图3）和感存算一体化功能。
图 3. 多模态光电忆阻器阵列的性能测试。
通过对光电忆阻器阵列配置不同的工作模式，研究团队演示了多种场景的智能视觉信息处理任务（图4）：在图像传感预处理任务中，利用NV-OEM模式可以将图像识别率从85.7%提升至97.6%；在高阶认知任务中，利用D-OEM与NV-OEM阵列协同工作演示多目标定位跟踪，在模拟环境噪声的干扰下，通过多次训练依然可以实现96.1%的高准确率；在此基础上，首次构建了基于全光电忆阻器的储备池计算系统，由18个D-OEM模式器件构成储备池层和1024×5个EM模式器件构成读出层，在人体运动识别任务中以极低能耗实现了91.2%的准确率。
图 4. 基于多模态光电忆阻器阵列实现多场景智能视觉任务处理；在NV-OEM模式下进行初级图像预处理功能；D-OEM与NV-OEM模式结合完成模板匹配算法用于动态跟踪任务；D-OEM与EM模式结合在阵列上演示全储备池计算实现动作分类任务。
该研究首次提出并实现了基于多模态光电忆阻器与硅CMOS逻辑电路单片集成的原型系统，演示了其应用于多种复杂视觉场景信息处理任务。该光电忆阻器阵列具有低温制备、与CMOS工艺兼容等优点，可用于构筑感存算多功能融合的单片三维集成系统，为移动设备、边缘计算提供高效、低功耗的智能视觉处理硬件平台。