Neuroni biologici tattili/visivi e sinapsi artificiale meccano-fotonica. (A) illustrazioni schematiche del sistema sensoriale tattile/visivo biologico. (B) Diagramma schematico della sinapsi artificiale meccano-fotonica basata sull'eterostruttura grafene/MoS2 (Gr/MoS2). (i) Immagine al microscopio elettronico a scansione (SEM) vista dall'alto del transistor optoelettronico; barra della scala, 5 micron. L'area ciano indica il fiocco MoS2, mentre la striscia bianca è grafene. (ii) Illustrazione del trasferimento/scambio di carica per l'eterostruttura Gr/MoS2. (iii) Emettere segnali meccano-fotonici dalla sinapsi artificiale per il riconoscimento delle immagini. Credito:progressi scientifici, doi:10.1126/sciadv.abd9117
I sistemi neurali artificiali multifunzionali e diversificati possono incorporare plasticità multimodale, memoria e funzioni di apprendimento supervisionato per assistere il calcolo neuromorfo. In un nuovo rapporto, Jinran Yu e un gruppo di ricerca in nanoenergia, nanoscienza e scienza dei materiali in Cina e negli Stati Uniti., ha presentato una sinapsi artificiale meccano-fotonica bioispirata con plasticità meccanica e ottica sinergica. Il team ha utilizzato un transistor optoelettronico in grafene/bisolfuro di molibdeno (MoS 2 ) eterostruttura e un nanogeneratore triboelettrico integrato per comporre la sinapsi artificiale. Hanno controllato il trasferimento/scambio di carica nell'eterostruttura con potenziale triboelettrico e hanno modulato prontamente i comportamenti delle sinapsi optoelettroniche, comprese le fotocorrenti postsinaptiche, fotosensibilità e fotoconduttività. La sinapsi artificiale meccano-fotonica è un'implementazione promettente per imitare il complesso sistema nervoso biologico e promuovere lo sviluppo dell'intelligenza artificiale interattiva. L'opera è ora pubblicata su Progressi scientifici .
Reti neurali ispirate al cervello.
Il cervello umano può integrare la cognizione, compiti di apprendimento e memoria tramite uditivo, visivo, interazioni olfattive e somatosensoriali. Questo processo è difficile da imitare utilizzando architetture von Neumann convenzionali che richiedono funzioni sofisticate aggiuntive. Le reti neurali ispirate al cervello sono costituite da vari dispositivi sinaptici per trasmettere informazioni ed elaborare utilizzando il peso sinaptico. Le sinapsi fotoniche emergenti combinano la modulazione neuromorfa ottica ed elettrica e il calcolo per offrire un'opzione favorevole con un'elevata larghezza di banda, alta velocità e bassa diafonia per ridurre significativamente il consumo di energia. Movimenti biomeccanici compreso il tocco, sbattere le palpebre e agitare le braccia sono altri trigger onnipresenti o segnali interattivi per azionare l'elettronica durante la plastificazione artificiale della sinapsi. In questo lavoro, Yu et al. ha presentato una sinapsi artificiale meccano-fotonica con plasticità meccanica e ottica sinergica. Il dispositivo conteneva un transistor optoelettronico e un nanogeneratore triboelettrico integrato (TENG) in modalità di separazione dei contatti. Le sinapsi artificiali meccano-ottiche hanno un enorme potenziale funzionale come interfacce optoelettroniche interattive, retine sintetiche e robot intelligenti.
Effetto sinergico del segnale meccanico e visivo per sinapsi artificiale meccano-fotonica. (A) Diagramma schematico del segnale sinergico meccanico e ottico per sinapsi artificiale meccano-fotonica. (B) −ΔPSC sotto diversi PLED a una D fissa di 1 mm, VD =1 V, e durata dell'impulso luminoso di 0,5 s. Riquadro:la corrente di picco di ΔPSC rispetto a PLED. (C) −ΔPSC sotto diversi PLED quando la luce è spenta. (D) -ΔPSC a diversa larghezza dell'impulso luminoso (PLED =3,5 mW cm-2 e D =1 mm). (E) I −ΔPSC sotto 40 impulsi luminosi consecutivi sotto diversi spostamenti (PLED =3,5 mW cm-2; larghezza dell'impulso, 50 ms; D =0,5, 1, e 1,5mm). (F) I margini di conduttanza (Gmax/Gmin) in funzione dello spostamento. Credito:progressi scientifici, doi:10.1126/sciadv.abd9117 
Il cervello umano e le sue sensazioni biomeccaniche e visive associate sono fondamentali per acquisire informazioni visive e somatosensoriali. Il cervello contiene una varietà di neuroni che ricevono segnali interattivi attraverso varie modalità per implementare il calcolo neuromorfo nell'area dell'associazione multisensoriale. Sinapsi da importanti punti di connessione tra due neuroni adiacenti durante le trasmissioni di informazioni neurali. Yu et al. sono stati bioispirati dal cervello e dal sistema nervoso per sviluppare una sinapsi artificiale meccano-fotonica con plasticità meccanica e ottica sinergica. La sinapsi artificiale meccano-fotonica includeva un transistor optoelettronico e un TENG (nanogeneratore triboelettrico) integrato. Durante gli esperimenti, il team ha utilizzato la deposizione chimica da vapore per depositare il grafene monostrato sul transistor optoelettronico, che hanno poi impilato su un solfuro di molibdeno multistrato (MoS 2 ) fiocco su un substrato di biossido di silicio. Utilizzando la configurazione sperimentale, Yu et al. potrebbe realizzare la modulazione ottica e meccanica sinergica sulla plasticità sinaptica.
Transistore meccano-optoelettronico basato su eterostruttura Gr/MoS2 e relativo meccanismo di funzionamento. (A) La tensione di uscita TENG (VTENG) rispetto allo spostamento (D). Riquadro:Schema circuitale equivalente per la caratterizzazione VTENG. (B) Curve di trasferimento (ID contro D) al buio e con diversa intensità di potenza della luce verde (PLED). (C) Meccanismo di funzionamento del transistor meccano-optoelettronico basato sull'eterostruttura Gr/MoS2. Illustrazioni schematiche dei principi di funzionamento e del corrispondente diagramma delle bande di energia a (i) stato iniziale di banda piatta, (ii) stato di separazione (D+), e (iii) stato del contatto (D-). Credito:progressi scientifici, doi:10.1126/sciadv.abd9117
Collaudo del dispositivo e caratterizzazione meccano-ottica.
Per testare la praticità del controllo del potenziale triboelettrico, il team ha caratterizzato la tensione di uscita TENG rispetto allo spostamento meccanico utilizzando un circuito di prova, dove hanno collegato il condensatore dielettrico del transistor e il condensatore del sistema di prova con TENG in parallelo. Ottimizzando il MoS 2 spessore nell'eterostruttura, Yu et al. ha migliorato la fotosensibilità del dispositivo e le prestazioni elettriche per influenzare potenzialmente il dispositivo per applicazioni a livello di sistema. Per caratterizzare il transistor meccano-optoelettronico, hanno misurato le prestazioni in uscita sotto effetti sinergici per lo spostamento TENG e l'illuminazione con LED verdi a diverse intensità di potenza. Per poi comprendere la fotoresponsività sintonizzabile del transistor meccano-fotonico del dispositivo, hanno studiato l'influenza dello spostamento meccanico sulla fotocorrente e sulla fotosensibilità. Uno spostamento più positivo può indurre una fotocorrente maggiore e una fotoricettività maggiore rispetto al livello di Fermi dipendente dal campo elettrico e agli stati elettronici nell'eterostruttura. La fotorisposta correlata allo spostamento meccanico ha migliorato la fotosensibilità del dispositivo regolando la funzionalità a un livello desiderato su richiesta.
Simulazione di ANN per il riconoscimento di immagini da parte della sinapsi artificiale meccano-fotonica. (A) Illustrazione schematica della ANN simulata con 784 neuroni di input, 100 neuroni nascosti, e 10 neuroni in uscita. (B) Illustrazione schematica della rete neurale retinica. (C) Esempi dell'immagine di mappatura ottenuta da ANN:immagine di input, immagine dello stato iniziale, immagine in uscita a D =1 mm, e immagine in uscita a D =1,5 mm. (D) Precisione di riconoscimento della stimolazione del segnale visivo con diversi numeri di sinapsi. (E) Precisione di riconoscimento della stimolazione del segnale visivo con diversi numeri di campioni di allenamento. Credito:progressi scientifici, doi:10.1126/sciadv.abd9117
Conducibilità di canale e plasticità sinaptica a lungo termine.
Il team ha quindi regolato la conduttività del canale del transistor utilizzando lo spostamento meccanico e l'illuminazione della luce; fondamentale per la plasticità multimodale nelle sinapsi artificiali meccano-fotoniche. Hanno mantenuto la corrente postsinaptica basale (PSC) stabile a diversi livelli in diversi stati di spostamento come prerequisito per realizzare fotorisposte sinaptiche. Il lavoro ha mostrato gli effetti dei comportamenti elettrici modulati dal potenziale triboelettrico e dei comportamenti optoelettrici sulla corrente post-sinaptica. Hanno mantenuto la sinapsi artificiale meccano-fotonica per più di un'ora senza modifiche per fornire prove per implementare il modulo sinergico ottico e meccanico per la plasticità sinaptica a lungo termine. Il team ha attribuito la diminuzione della corrente postsinaptica (PSC) alla densità indebolita dei fori nel grafene utilizzata all'interno della configurazione, d'altra parte hanno accreditato i PSC persistenti a stati localizzati in MoS 2 e il campo triboelettrico direzionale. Ad esempio, durante l'illuminazione leggera, gli elettroni fotogenerati potrebbero essere indotti nel MoS 2. Rispetto al lavoro precedente sui dispositivi sinaptici bioispirati, l'attuale sinapsi artificiale meccano-fotonica ha realizzato simultaneamente la plastificazione dual-mode tramite segnali meccanici e visivi.
Sinapsi artificiale meccano-fotonica basata sull'eterostruttura Gr/MoS2. (A) Valutazione in tempo reale del PSC iniziale al buio; D varia da 0 a 1,5 mm. (B) Corrente postsinaptica fotoattivata (-ΔPSC) della sinapsi artificiale a D =1 mm e PLED =3,5 mW cm-2 con larghezza dell'impulso luminoso a 50 ms. (C) −ΔPSC sotto l'effetto sinergico dell'illuminazione luminosa e diverso D (da 0,75 a 1,5 mm) a VD =1 V. Riquadro superiore:Il diagramma schematico dei segnali presinaptici meccanici e visivi. Il PLED è fissato a 3,5 mW cm-2 con larghezza dell'impulso luminoso a 50 ms. (D) Illustrazioni schematiche della densità degli stati e della distribuzione dei portatori nell'eterostruttura Gr/MoS2 sotto illuminazione leggera e dopo illuminazione leggera (regione fotocorrente persistente) in due diversi stati di spostamento (D+ e D+′). Credito:progressi scientifici, doi:10.1126/sciadv.abd9117 
Yu et al. ha esaminato ulteriormente gli effetti sinergici della sinapsi artificiale sotto input di impulsi luminosi che incorporano diverse informazioni spazio-temporali. Hanno quindi simulato una rete neurale artificiale (ANN) basata sulla percezione multistrato utilizzando caratteristiche sinaptiche tipiche per la funzione di apprendimento supervisionato utilizzando il set di dati di immagini della scrittura a mano del National Institute of Standards and Technology (MNIST) modificato. Nella ANN, Yu et al. includeva 28 x 28 neuroni di input, 100 neuroni nascosti, e 10 neuroni di output completamente collegati tramite pesi sinaptici. Il totale di 784 neuroni di input corrispondeva a un'immagine MNIST 28 x 28 e i 10 neuroni di output corrispondevano a 10 numeri arabi da zero a nove. Il team ha costruito la ANN bioispirata dalla retina umana, che contiene al contrario miliardi di cellule nervose per formare una complessa rete a tre strati. Hanno poi mostrato come migliorando la periodicità, la stabilità e la ripetibilità del dispositivo hanno migliorato la simulazione della ANN per il riconoscimento delle immagini.
Veduta
In questo modo, Jinran Yu e colleghi hanno sviluppato una sinapsi artificiale meccano-fotonica con plasticità sinaptica multimodale sinergica. Il team ha utilizzato il potenziale triboelettrico per pilotare il transistor sinaptico e regolare lo scambio di trasferimento di carica nell'eterostruttura per facilitare le fotocorrenti post-sinaptiche, fotoconduttività e fotosensibilità persistenti. La configurazione ha anche consentito la memoria a lungo termine e la facilitazione neurale consecutiva. Il team ha quindi simulato una rete neurale artificiale (ANN) per mostrare la fattibilità della plastificazione meccanica per promuovere l'accuratezza del riconoscimento delle immagini. Il lavoro aprirà la strada allo sviluppo di dispositivi neuromorfici multifunzionali e interattivi.
© 2021 Science X Network
