Figura 1 (a) Diagramma schematico della percezione visiva e della trasmissione di informazioni nel cervello umano e corrispondente dispositivo sinaptico MoS2 artificiale; (b) Confronto dell'ampiezza dell'impulso ottico singolo e del consumo energetico tra alcuni dispositivi sinaptici. Credito:Compuscript Ltd
La fotonica/elettronica neuromorfica è il futuro del calcolo intelligente e dell'intelligenza artificiale (AI) a bassissima energia. Negli ultimi anni, ispirati dal cervello umano, i dispositivi neuromorfici artificiali hanno attirato un'ampia attenzione, soprattutto nella simulazione della percezione visiva e dell'archiviazione della memoria. A causa dei vantaggi dell'elevata larghezza di banda, dell'elevata immunità alle interferenze, della trasmissione del segnale ultraveloce e del minor consumo di energia, i dispositivi fotonici neuromorfici dovrebbero realizzare una risposta in tempo reale ai dati di input. Inoltre, le sinapsi fotoniche possono realizzare una strategia di scrittura senza contatto, che contribuisce allo sviluppo della comunicazione wireless.
L'uso di materiali a bassa dimensione offre l'opportunità di sviluppare complessi sistemi simili a cervelli e computer logici di memoria a bassa potenza. Ad esempio, i dicalcogenuri di metalli di transizione (TMD) su larga scala, uniformi e riproducibili mostrano un grande potenziale per la miniaturizzazione e le applicazioni di dispositivi biomimetici a bassa potenza grazie alle loro eccellenti proprietà di intrappolamento della carica e alla compatibilità con i tradizionali processi CMOS. L'architettura von Neumann con memoria e processore discreti comporta un elevato consumo energetico e una bassa efficienza dell'elaborazione tradizionale. Pertanto, il sistema dell'architettura neuromorfica di fusione sensore-memoria o integrazione sensore-memoria-processore è in grado di soddisfare le crescenti richieste di big data e intelligenza artificiale per dispositivi a basso consumo energetico e ad alte prestazioni. I dispositivi sinaptici artificiali sono i componenti più importanti dei sistemi neuromorfici. La valutazione delle prestazioni dei dispositivi sinaptici aiuterà ad applicarli ulteriormente a reti neurali artificiali (ANN) più complesse.
I TMD cresciuti con deposizione chimica da vapore (CVD) introducono inevitabilmente difetti o impurità, hanno mostrato un effetto di fotoconduttività persistente (PPC). Le sinapsi fotoniche dei TMD che integrano proprietà sinaptiche e capacità di rilevamento ottico mostrano grandi vantaggi nei sistemi neuromorfici per la percezione e l'elaborazione di informazioni visive a bassa potenza, nonché la memoria cerebrale.
In uno studio pubblicato su Opto-Electronic Advances , il gruppo di ricerca di rilevamento e rilevamento ottico (GODS) ha riportato una sinapsi fotonica a tre terminali basata su film MoS2 multistrato uniformi e di ampia area. Il dispositivo riportato ha realizzato un rilevamento di impulsi ottici ultracorti entro 5 μs e un consumo energetico ultrabasso di circa 40 aJ, il che significa che le sue prestazioni sono molto migliori delle attuali proprietà riportate delle sinapsi fotoniche. Inoltre, è di diversi ordini di grandezza inferiore ai parametri corrispondenti delle sinapsi biologiche, indicando che la sinapsi fotonica riportata può essere ulteriormente utilizzata per ANN più complesse. La fotoconduttività del canale MoS2 cresciuto da CVD è regolata dal segnale di fotostimolazione, che consente al dispositivo di simulare la plasticità sinaptica a breve termine (STP), la plasticità sinaptica a lungo termine (LTP), la facilitazione dell'impulso accoppiato (PPF) e altre proprietà sinaptiche. Pertanto, la sinapsi fotonica riportata può simulare la percezione visiva umana e la lunghezza d'onda di rilevamento può essere estesa alla luce del vicino infrarosso.
Essendo il più importante sistema di apprendimento umano, il sistema di percezione visiva può ricevere l'80% delle informazioni di apprendimento dall'esterno. Con il continuo sviluppo dell'IA, c'è un urgente bisogno di un sistema di percezione visiva a bassa potenza e alta sensibilità in grado di ricevere efficacemente informazioni esterne. Inoltre, con l'assistente della tensione di gate, questa sinapsi fotonica può simulare il classico condizionamento pavloviano e la regolazione di diverse emozioni sulla capacità di memoria. Ad esempio, le emozioni positive migliorano la capacità di memoria e le emozioni negative indeboliscono la capacità di memoria. Inoltre, un contrasto significativo nella forza di STP e LTP basato sulla sinapsi fotonica riportata suggerisce che può preelaborare il segnale luminoso in ingresso. Questi risultati indicano che la fotostimolazione e il controllo del backgate possono regolare efficacemente la conduttività dello strato del canale MoS2 regolando i processi di intrappolamento/ritracciamento del vettore. Inoltre, si prevede che la sinapsi fotonica presentata in questo documento integri capacità di rilevamento-memoria-pre-elaborazione, che possono essere utilizzate per il rilevamento di immagini in tempo reale e l'archiviazione in situ, e fornisce anche la possibilità di rompere il collo di bottiglia di von Neumann.
Figura 2 (a) Il classico condizionamento pavloviano sotto un allenamento (E+L) (a sinistra) e dieci allenamenti (a destra); (b) Regolazione della funzione di memoria del dispositivo tramite tensione di gate. Credito:Compuscript Ltd
Figura 3 (a) Illustrazione del riconoscimento delle lettere neuromorfiche. Il riconoscimento delle lettere stimolate sotto STP (b), LTP senza (c) o con (d) –Vg. Credito:Compuscript Ltd