首页
产品中心
技术百科
客户案例
新闻中心
关于我们

客户成果丨南京大学&南京邮电大学 Nature Communications：基于微腔二硫化钼光电探测器阵列实现波长编码的神经形态推理

生物视觉系统将光谱感知与时域积分紧密结合，以最少的数据传输提取任务相关信息。与之不同，传统光电视觉硬件通常将光电探测与电子计算分离开来，由此产生极高的延迟与能耗开销。光学神经网络能够缓解这一瓶颈，但多数实现方案难以规模化。

近日，南京大学邹宁睦副教授、胡泽华副教授与南京邮电大学高丽教授（共同通讯作者）合作，提出一种基于法布里 - 珀罗微腔集成二硫化钼光电探测器阵列的仿生光电推理架构，该架构在单个像素内即可同步完成感知、权重运算与累加运算。经微腔调控的波长选择特性可在光谱域编码神经网络权重，而二硫化钼载流子有限的载流子寿命能够实现无外部存储器的模拟时域累加。该系统在手写数字数据集 MNIST、通用图像数据集 CIFAR-10 与自由语音数字数据集上的测试准确率分别达到 99.6%、94.8% 与 94.0%。训练后光学海森剪枝技术可在保证模型鲁棒性的前提下进一步降低光学计算复杂度。该工作以"Wavelength-encoded neuromorphic inference enabled by microcavity MoS2 photodetector arrays"为题发表在Nature Communications上。

托托科技的TTT-07-UV Litho-S+无掩模激光直写系统为该研究提供了核心支持，帮助团队完成了实验器件的精准加工。

研究团队基于二维材料兼具优异光电性能与易集成的优势，以F-P微腔和MoS2光电晶体管器件作结合，制备出具有共振吸收的MoS2光电晶体管阵列，在单个像素内实现传感、权重赋值与信号累积的一体化集成。具体而言，经微腔调控的光谱选择性可在光谱域对神经网络权重进行编码；同时二硫化钼有限的载流子寿命可实现模拟时域信号累积，无需外置存储单元。该架构从根源上解决了现有仿生光电系统存在的光谱处理瓶颈。研究人员在手写数字数据集 MNIST、图像分类数据集 CIFAR-10 与自由语音数字数据集（FSDD）上完成实验验证，该器件平台可实现高精度波长编码光学分类，实验结果与电子基准模型高度吻合。

图1 仿生光学神经推理概念与系统架构。(a) 生物视觉启发的感知过程：昆虫复眼将光谱传感与神经整合相结合实现目标识别；(b) 谐振腔辅助的波长选择性光耦合，增强MoS2沟道的波长依赖响应度；(c) MoS2光电探测器能带结构示意，陷阱态介导的光响应动力学赋予器件类记忆行为；(d) 记忆使能的时域累加光响应，支持光域分类；(e) 基于波长-时间编码可见光与MoS2光电探测器阵列的仿生光学预处理与推理框架。

首先在硅衬底上图形化并沉积厚度 100 nm的Ag电极阵列，该银层同时承担双重功能：既是光电探测器的背栅电极，也是光学微腔的底部反射镜。随后通过原子层沉积制备 72nm HfO2层，该层兼具栅介质与腔间隔层的作用，用于限定光学谐振条件。将蓝宝石衬底上经范德华外延生长得到的单晶MoS2，采用湿法转移工艺转移至预处理后的衬底上；对二硫化钼薄膜进行图形化与刻蚀，形成器件有源沟道，再沉积Sb/Au复合源漏电极以构建电学接触。最后沉积第二层 72nm HfO2间隔层与 40nm 的顶Ag反射镜，完成与MoS2光电探测器集成的F-P微腔结构。对 12 个器件采集反射光谱，测试结果表明所有器件谐振特性高度均一，谐振中心波长约 625nm，半高全宽约 25nm，对应谐振腔品质因子约 30，不同器件之间谐振峰位置与线宽波动极小，说明本工艺可精准控制谐振腔厚度、保证材料均匀性，这是器件实现规模化阵列应用的关键。

图2 微腔集成MoS2光电探测器的制备与表征。(a) 制备流程示意：Ag底镜（兼作背栅）、ALD生长72 nm HfO2（兼作栅介质与腔间隔层）、蓝宝石外延单晶MoS2湿法转移与图形化、Sb/Au源漏电极沉积，最终覆盖第二层HfO2与40 nm Ag顶镜构成法布里-珀罗微腔； (b) 器件光学显微照片；(c, d) 2英寸晶圆上三个不同位置的拉曼与光致发光光谱几乎完全重合，表明转移MoS2具有优异的晶圆级均匀性；(e) 12条转移曲线，开关比约104；(f) 输出特性呈线性，表明半金属Sb接触有效抑制费米钉扎、实现欧姆接触。

图3 微腔集成MoS2光电探测器的光学表征。(a) 自建微区光电测试系统示意图；(b) 12个器件的反射光谱高度一致，谐振中心约625 nm，半高宽约25 nm，对应品质因子约30；(c) 光电流在约620 nm处达到峰值，与腔谐振波长吻合，证实光谱响应度由微腔增强吸收主导；(d) 功率依赖光电流：接近谐振波长时响应由线性转为亚线性，源于共振激发下界面态/缺陷陷阱更快饱和；(e) 620 nm光照下时间分辨响应，上升/下降时间分别为9.87 ms和14.12 ms，既足够快以支持时分复用，又足够慢以实现连续光脉冲的时域累加。

基于器件的选择性波长响应特性，研究团队搭建了光学分类平台，并在三类数据集（MNIST、CIFAR-10与 FSDD）上完成性能验证。输入样本首先经电子特征提取主干网络处理，生成精简特征表征，并交由波长编码型光学分类器处理。提取得到的特征会被编码为超连续谱激光器输出的时分复用光脉冲序列，脉冲强度对应特征幅值。随后将该脉冲序列输入光学系统，完成最终分类运算。最终分别在MNIST、CIFAR-10与 FSDD数据集上达成了99.6%、94.8%和94%的高识别精度。

图4 光学分类器实验平台。(a) 分类任务流程：电子骨干网络提取512维特征向量，经"强度-功率、权重-波长"映射后交由光学分类器完成最终分类；(b) 系统光路：超连续谱激光器输出经光纤准直器、透镜与分束器分别送入光谱分析仪监测和MoS2光电探测器阵列计算；(c) 超连续谱光源输出光谱；(d) 阵列中10个探测器的谐振波长与半高宽；(e) 时间-波长复用脉冲序列示例，脉冲幅度编码输入特征，波长通道编码对应权重；(f) 像素的波长依赖响应度谱，在指定波长采样即实现有效权重；(g) 探测器对脉冲序列的积分读出，通过本征时域累加完成波长选择性乘累加运算。

图5 MoS2光电探测器光学分类器在三个十分类数据集上的结果。(a) 三个数据集下十个输出通道的光电流随特征脉冲序列逐步累加，真实类别通道最终积分响应始终最大，可直接经argmax判决；(b) 最终层输出概率分布：光学分类器与电子仿真高度一致，MNIST、CIFAR-10与FSDD的KL散度分别仅为0.0110、0.0237和0.0339；(c) 混淆矩阵呈显著对角占优，测试准确率分别达99.6%、94.8%和94.0%。对照实验表明：无逐像素校准时FSDD准确率降至76.4%，而无微腔的对照阵列仅为16.4%，证实微腔诱导的波长选择性响应是光学分类器的核心。

为提升光学分类器面对激光器动态强度噪声的鲁棒性，研究团队采用一种基于海森剪枝的训练后压缩策略。该方法作用于完成完整训练的网络，有选择性地剔除对损失函数贡献微弱的参数。通过利用损失函数关于模型参数的海森矩阵二阶信息，该方法可量化参数重要性，并将损失平面内低曲率方向判定为剪枝候选参数，以此最大限度降低对分类精度的影响。

图6 面向稳健轻量化二硫化钼光电探测器光学分类任务（FSDD）的光学海森剪枝。(a) 本文提出的训练后光学海森剪枝流程示意图。(b) 二硫化钼光电探测器分类器在系数 α 等于 0.3 的海森剪枝处理下，对不同数字类别的实测时序响应曲线；真实类别 2 对应的响应积分输出值最高。(c) 基准电子模型与经过海森剪枝后的光学分类器二者的最终层输出概率分布对比。(d) 光学分类器测试精度随剪枝比例变化的关系曲线。