Neuronas biológicas táctiles / visuales y sinapsis artificial mecano-fotónica. (A) Ilustraciones esquemáticas del sistema sensorial táctil / visual biológico. (B) Diagrama esquemático de la sinapsis artificial mecano-fotónica basada en heteroestructura de grafeno / MoS2 (Gr / MoS2). (i) Imagen de microscopio electrónico de barrido (SEM) de vista superior del transistor optoelectrónico; barra de escala, 5 μm. El área cian indica la escama de MoS2, mientras que la franja blanca es grafeno. (ii) Ilustración de transferencia / intercambio de carga para heteroestructura Gr / MoS2. (iii) Salida de señales mecano-fotónicas de la sinapsis artificial para el reconocimiento de imágenes. Crédito:Science Advances, doi:10.1126 / sciadv.abd9117
Los sistemas neuronales artificiales multifuncionales y diversos pueden incorporar plasticidad multimodal, Funciones de memoria y aprendizaje supervisado para ayudar a la computación neuromórfica. En un nuevo informe, Jinran Yu y un equipo de investigación en nanoenergía, nanociencia y ciencia de los materiales en China y EE. UU., presentó una sinapsis artificial mecano-fotónica bioinspirada con plasticidad mecánica y óptica sinérgica. El equipo utilizó un transistor optoelectrónico hecho de grafeno / disulfuro de molibdeno (MoS 2 ) heteroestructura y un nanogenerador triboeléctrico integrado para componer la sinapsis artificial. Controlaron la transferencia / intercambio de carga en la heteroestructura con potencial triboeléctrico y modularon fácilmente los comportamientos de la sinapsis optoelectrónica, incluyendo fotocorriente postsinápticas, fotosensibilidad y fotoconductividad. La sinapsis artificial mecano-fotónica es una implementación prometedora para imitar el complejo sistema nervioso biológico y promover el desarrollo de la inteligencia artificial interactiva. El trabajo ahora está publicado en Avances de la ciencia .
Redes neuronales inspiradas en el cerebro.
El cerebro humano puede integrar la cognición, Tareas de aprendizaje y memoria vía auditiva, visual, Interacciones olfativas y somatosensoriales. Este proceso es difícil de imitar utilizando arquitecturas de von Neumann convencionales que requieren funciones sofisticadas adicionales. Las redes neuronales inspiradas en el cerebro están formadas por varios dispositivos sinápticos para transmitir información y procesar utilizando el peso sináptico. La sinapsis fotónica emergente combina la modulación y el cálculo neuromórficos ópticos y eléctricos para ofrecer una opción favorable con un alto ancho de banda, Velocidad rápida y diafonía baja para reducir significativamente el consumo de energía. Movimientos biomecánicos, incluido el tacto, El parpadeo de los ojos y el movimiento de los brazos son otros factores desencadenantes omnipresentes o señales interactivas para operar la electrónica durante la plastificación de la sinapsis artificial. En este trabajo, Yu y col. presentó una sinapsis artificial mecano-fotónica con plasticidad sinérgica mecánica y óptica. El dispositivo contenía un transistor optoelectrónico y un nanogenerador triboeléctrico integrado (TENG) en modo de separación de contactos. Las sinapsis artificiales mecano-ópticas tienen un enorme potencial funcional como interfaces optoelectrónicas interactivas, retinas sintéticas y robots inteligentes.
Efecto sinérgico de la señal mecánica y visual para la sinapsis artificial mecano-fotónica. (A) Diagrama esquemático de la señal sinérgica mecánica y óptica para la sinapsis artificial mecano-fotónica. (B) −ΔPSC bajo diferentes PLED a una D fija de 1 mm, VD =1 V, y ancho de pulso de luz de 0,5 s. Recuadro:la corriente máxima de ΔPSC frente a PLED. (C) −ΔPSC bajo diferentes PLED cuando la luz está apagada. (D) −ΔPSCs a diferentes anchos de pulso de luz (PLED =3,5 mW cm − 2 y D =1 mm). (E) Las −ΔPSCs bajo 40 pulsos de luz consecutivos bajo diferentes desplazamientos (PLED =3.5 mW cm − 2; ancho de pulso, 50 ms; D =0,5, 1, y 1,5 mm). (F) Los márgenes de conductancia (Gmax / Gmin) en función del desplazamiento. Crédito:Science Advances, doi:10.1126 / sciadv.abd9117 
El cerebro humano y sus sensaciones biomecánicas y visuales asociadas son fundamentales para adquirir información somatosensorial y visual. El cerebro contiene una variedad de neuronas que reciben señales interactivas a través de diversos modos para implementar la computación neuromórfica en el área de asociación multisensorial. Sinapsis de puntos importantes de conexión entre dos neuronas adyacentes durante las transmisiones de información neuronal. Yu y col. fueron bioinspirados por el cerebro y el sistema nervioso para desarrollar una sinapsis artificial mecano-fotónica con plasticidad sinérgica mecánica y óptica. La sinapsis artificial mecano-fotónica incluía un transistor optoelectrónico y TENG (nanogenerador triboeléctrico) integrado. Durante los experimentos, el equipo utilizó la deposición de vapor químico para depositar grafeno monocapa en el transistor optoelectrónico, que luego apilaron sobre un sulfuro de molibdeno multicapa (MoS 2 ) escamas sobre un sustrato de dióxido de silicio. Usando la configuración experimental, Yu y col. podría realizar la modulación óptica y mecánica sinérgica sobre la plasticidad sináptica.
Transistor mecano-optoelectrónico basado en heteroestructura Gr / MoS2 y mecanismo de trabajo correspondiente. (A) El voltaje de salida de TENG (VTENG) versus el desplazamiento (D). Recuadro:diagrama de circuito equivalente para la caracterización de VTENG. (B) Transferencia de curvas (ID versus D) en la oscuridad y bajo diferente intensidad de potencia de luz verde (PLED). (C) Mecanismo de trabajo del transistor mecano-optoelectrónico basado en heteroestructura Gr / MoS2. Ilustraciones esquemáticas de los principios de funcionamiento y el diagrama de bandas de energía correspondiente en (i) estado inicial de banda plana, (ii) estado de separación (D +), y (iii) estado de contacto (D-). Crédito:Science Advances, doi:10.1126 / sciadv.abd9117
Prueba del dispositivo y caracterización mecano-óptica.
Para probar la practicidad de la compuerta de potencial triboeléctrico, el equipo caracterizó el voltaje de salida de TENG versus el desplazamiento mecánico usando un circuito de prueba, donde conectaron el capacitor dieléctrico del transistor y el capacitor del sistema de prueba con TENG en paralelo. Optimizando el MoS 2 espesor en la heteroestructura, Yu y col. mejoró la fotosensibilidad y el rendimiento eléctrico del dispositivo para influir potencialmente en el dispositivo para aplicaciones a nivel de sistema. Para caracterizar el transistor mecano-optoelectrónico, midieron el rendimiento de salida bajo efectos sinérgicos para el desplazamiento de TENG y la iluminación con LED verde a diferentes intensidades de potencia. Para luego comprender la fotosensibilidad sintonizable del transistor mecano-fotónico del dispositivo, estudiaron la influencia del desplazamiento mecánico en la fotocorriente y fotosensibilidad. Un desplazamiento más positivo puede inducir una mayor fotocorriente y una mayor fotorreceptividad en relación con el nivel de Fermi dependiente del campo eléctrico y los estados electrónicos en la heteroestructura. La fotorrespuesta relacionada con el desplazamiento mecánico mejoró la fotosensibilidad del dispositivo al tiempo que regulaba la función a un nivel deseado bajo demanda.
Simulación de ANN para el reconocimiento de imágenes mediante la sinapsis artificial mecano-fotónica. (A) Ilustración esquemática de la ANN simulada con 784 neuronas de entrada, 100 neuronas ocultas, y 10 neuronas de salida. (B) Ilustración esquemática de la red neuronal retiniana. (C) Ejemplos de la imagen de mapeo obtenida de ANN:imagen de entrada, imagen del estado inicial, imagen de salida a D =1 mm, e imagen de salida a D =1,5 mm. (D) Exactitud del reconocimiento de la estimulación de la señal visual con diferentes números de sinapsis. (E) Exactitud del reconocimiento de la estimulación de la señal visual con diferentes números de muestras de entrenamiento. Crédito:Science Advances, doi:10.1126 / sciadv.abd9117
Conductividad del canal y plasticidad sináptica a largo plazo.
Luego, el equipo reguló la conductividad del canal del transistor mediante desplazamiento mecánico e iluminación de luz; fundamental para la plasticidad multimodal en sinapsis artificiales mecano-fotónicas. Mantuvieron la corriente basal postsináptica (PSC) estable a diferentes niveles bajo diferentes estados de desplazamiento como requisito previo para lograr fotorespuestas sinápticas. El trabajo mostró los efectos de los comportamientos eléctricos modulados por potencial triboeléctrico y los comportamientos optoeléctricos sobre la corriente postsináptica. Conservaron la sinapsis artificial mecano-fotónica durante más de una hora sin cambios para proporcionar evidencia para implementar el módulo óptico y mecánico sinérgico para la plasticidad sináptica a largo plazo. El equipo atribuyó la disminución de la corriente postsináptica (PSC) a la densidad debilitada de los agujeros en el grafeno utilizado dentro de la configuración. Por otro lado, acreditaron los PSC persistentes a estados localizados en MoS 2 y el campo triboeléctrico direccional. Por ejemplo, durante la iluminación de la luz, electrones fotogenerados podrían inducirse en el MoS 2. En comparación con el trabajo anterior de dispositivos sinápticos bioinspirados, la presente sinapsis artificial mecano-fotónica realizó simultáneamente una plastificación de modo dual a través de señales mecánicas y visuales.
Sinapsis artificial mecano-fotónica basada en heteroestructura Gr / MoS2. (A) Evaluación en tiempo real del PSC inicial en la oscuridad; D varía de 0 a 1,5 mm. (B) Corriente postsináptica fotoactivada (−ΔPSC) de la sinapsis artificial en D =1 mm y PLED =3,5 mW cm − 2 con ancho de pulso de luz a 50 ms. (C) −ΔPSC bajo el efecto sinérgico de la iluminación de la luz y diferentes D (de 0,75 a 1,5 mm) en VD =1 V. Inserción superior:el diagrama esquemático de las señales presinápticas mecánicas y visuales. El PLED se fija en 3,5 mW cm − 2 con un ancho de pulso de luz de 50 ms. (D) Ilustraciones esquemáticas de la densidad de estados y distribución de portadores en heteroestructura Gr / MoS2 bajo iluminación de luz y después de iluminación de luz (región de fotocorriente persistente) en dos estados de desplazamiento diferentes (D + y D + ′). Crédito:Science Advances, doi:10.1126 / sciadv.abd9117 
Yu y col. examinó además los efectos sinérgicos de la sinapsis artificial bajo entradas de pulso de luz que incorporan diversa información espacio-temporal. Luego simularon una red neuronal artificial (ANN) multicapa basada en la percepción utilizando características sinápticas típicas para la función de aprendizaje supervisado utilizando el conjunto de datos de imágenes de escritura a mano del Instituto Nacional de Estándares y Tecnología (MNIST) modificado. En la ANN, Yu y col. incluye 28 x 28 neuronas de entrada, 100 neuronas ocultas, y 10 neuronas de salida completamente conectadas mediante pesos sinápticos. El total de 784 neuronas de entrada correspondió a una imagen MNIST de 28 x 28 y las 10 neuronas de salida correspondieron a 10 números arábigos de cero a nueve. El equipo construyó el ANN bioinspirado por la retina humana, que, por el contrario, contiene miles de millones de células nerviosas para formar una red compleja de tres capas. Luego mostraron cómo mejorar la periodicidad, La estabilidad y repetibilidad del dispositivo mejoraron la simulación de ANN para el reconocimiento de imágenes.
panorama
De este modo, Jinran Yu y sus colegas desarrollaron una sinapsis artificial mecano-fotónica con plasticidad sináptica multimodal sinérgica. El equipo usó potencial triboeléctrico para impulsar el transistor sináptico y regular el intercambio de transferencia de carga en la heteroestructura para facilitar las fotocorriente postsinápticas. fotoconductividad y fotosensibilidad persistentes. La configuración también permitió la memoria a largo plazo y la facilitación neuronal consecutiva. Luego, el equipo simuló una red neuronal artificial (ANN) para mostrar la viabilidad de la plastificación mecánica para promover la precisión del reconocimiento de imágenes. El trabajo allanará el camino para desarrollar dispositivos neuromórficos interactivos y multifuncionales.
© 2021 Science X Network
