近年来，机器视觉技术被广泛应用于人脸识别、工业检测、智能监控、医疗影像分析等领域。目前，商用的机器视觉系统是利用光电传感单元来采集目标物体的图像信息，随后再通过存储和计算单元对信息进行处理和分析，最终做出相应判断与决策。
然而，这种相互分离的系统架构存在一定限制，比如数据需要在不同单元之间反复搬运，会造成显著的延迟和能耗。因此，如何像人类视觉系统一样以极低能耗和极高效率完成复杂的视觉认知，是当前机器视觉领域的重要研究课题之一。
在上述背景下，华南师范大学华南先进光电子研究院樊贞研究员团队基于铁电光伏效应，开发了一种新型可调谐光电传感器，并进一步运用多个该传感器建立了感存算一体的铁电光伏传感器网络，从而带来了能够完成零能耗图像感知与实时处理的新型硬件解决方案。
近期，相关论文以《铁电光伏传感器网络：实时机器视觉的先进硬件解决方案》（Ferroelectric photosensor network: an advanced hardware solution to real-time machine vision）为题发表在 Nature Communications 上，华南师范大学硕士生崔玻源为论文第一作者，樊贞担任通讯作者。
据悉，几位审稿人对本研究的认可度都比较高。其中一位审稿人评价道：“这项工作很新颖，也很有趣，基本物理学和设备原型都得到了很好的证明。“另一位审稿人则说道，”这项工作很有趣，对实时机器视觉的硬件实现有潜在的应用。”
相关论文（来源：Nature Communications）
所谓可调谐光电传感器，即它的光响应度可以被外场调控，这样可用光响应度表示权重；进一步地，当多个可调谐光电传感器组建成为网络后，可将权重矩阵映射于该网络上；在目标物体的光信号作用于网络上后，每个传感器会通过光电转换过程产生光电流，同时并联的传感器的光电流通过基尔霍夫定律进行相加，从而完成对感知到的图像进行实时处理的过程，并大幅节约能耗。
据了解，樊贞从读博开始就一直从事铁电光伏传感器方面的工作，但之前他更偏向于底层物理机制的研究。
具体来说，这种铁电光伏传感器具有以下新颖之处：
1.它利用铁电材料的剩余极化来调控光响应度，不需要外电压的加持，节省了能耗和存储单元。
2.其所使用的铁电材料，即 Pb(Zr0.2Ti0.8)O3 外延薄膜，具有大极化(~80μC/cm2)和优异的保持性能，使得光响应度能够进行大范围、多级、非易失地调控。
3.该传感器的“响应度是正负对称可调的”，可以独立显示正、负权重，这将很大程度上降低建立人工神经网络电路所需的成本。
4.其光电压与输入光功率在极化状态固定时呈线性关系，这确保了算法的高准确性。
樊贞谈到，为了给铁电光伏传感器寻找新的应用方向，他开始接触新的领域并阅读相关的论文。2020 年期间，他读到一些感存算一体技术方面的论文，大受启发：既然受极化调控的光响应度恰好可以用来表示权重，那么铁电光伏传感器将完美适用于感存算一体的类脑视觉系统中。
在樊贞和学生讨论过研究想法后，该团队随即就开始了器件制备。最初，他们打算用光刻和刻蚀等微纳加工方法，来直接制备图形化的铁电光伏传感器阵列。经过较长一段时间的尝试后，其并没有成功，主要原因在于工艺不成熟，导致器件漏电很严重。
于是，他们转变了思路，采用“原始”的引线方式，将一个个独立的铁电光伏传感器连接起来，形成人工神经网络电路。关于独立的铁电光伏传感器，该团队此前已积累了相当丰富的研究经验，可以很好地制备出具有多级、非易失以及正负对称可调光响应度的器件。
（来源：Nature Communications）
最后，他们进行了材料晶体结构和畴结构表征、器件铁电和光电等性能测试以及图像处理功能验证。而关于这一部分的工作，论文一作崔玻源发挥了很大的作用。
樊贞表示，崔玻源的领悟力和动手能力都不错，对于一些测试原理和方案，他都能够理解到位并很好地去执行，并具有足够的耐心；在图像处理功能验证环节，他们需要手动控制多个光源的开和关来形成输入图案，这需要足够的耐心去完成具体操作，而崔玻源很好地完成了该实验。
综上所述，本研究的主要贡献是提出一种新原理可调谐光电传感器，并进一步证明其应用于感存算一体传感器网络的可行性和优异性能，为开发高鲁棒性、高速、低能耗的机器视觉系统带来了新的思路。
据介绍，该团队构建的感存算一体铁电光伏传感器网络包括以下亮点性能：
1.推理过程能耗为零。在推理过程中，网络中每个器件均工作于短路条件下，即在外加电压为零时输出光电流，因此不产生能耗。
2.计算准确性高。一方面，铁电光伏传感器的乘法准确性高；另一方面，由于短路条件和极大的暗场电阻，其抗串扰能力很强。论文中提到：“二者协同作用保证了该网络完成乘累加运算的高准确性，分别在二分类图像感知与识别任务、自定义图像感知与边缘检测任务中达到 100% 的准确度和 1 的 F-Measure。”
3.延时低。该网络在延时方面表现优异，可达到超低延时，这依赖于光电流的快速产生过程和它本身的感存算一体架构。据估算结果显示，该网络感知并识别一张千万像素图像的延时仅为 μs 量级，相比于传统机器视觉系统提速上万倍。
边缘检测的实现（来源：Nature Communications）
樊贞称，他们研制的感存算一体铁电光伏传感器网络，有望应用于高速、低能耗机器视觉系统中，进而用到无人驾驶、人脸识别、工业检测等场景中。但在它取得实际应用之前，还有大量工作需要做。下一步，他们将主要集中于开展以下两方面的研究：
一是材料改性。目前其使用的铁电材料 Pb（Zr0.2Ti0.8）O3 带隙较大，主要对紫外线进行吸收，但可见光的吸收能力差，迁移率等输运性能也较差。因此，他们需要通过带隙工程或开发新型铁电材料等方法来提升可见光吸收和输运性能。
二是器件集成。现在他们通过引线方式来连接电路，这是无法进行实际应用的。
后续，研究人员将对光刻、刻蚀等微纳加工工艺进行细致研究，以制备大规模、高密度铁电光伏传感器阵列。
参考资料：
1.Cui, B., Fan, Z., Li, W. et al. Ferroelectric photosensor network: an advanced hardware solution to real-time machine vision. Nat Commun 13, 1707 (2022). https://doi.org/10.1038/s41467-022-29364-8
