基于电导约束构建高精确度的图像识别网络

作     者：徐丽华 赵益波 杨成东 

作者机构：南京信息工程大学电子与信息工程学院 无锡学院电子信息工程学院 

出 版 物：《光学学报》 (Acta Optica Sinica)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62106111) 无锡学院引进人才科研启动项目(2021r012) 

主　　题：神经形态器件 肖特基二极管 神经形态计算 CNN 图像识别 

摘      要：受生物神经系统的启发，神经网络硬件实现采用存算一体的硬件架构和高度适应的并行运算模式有望显著提高计算机的算力和能效。目前，集成系统级神经形态硬件仍存在极大难度，通过采用突触器件结合神经网络算法的方式能够实现高识别准确率的神经形态计算。鉴于此，本文提出了一种基于背靠背肖特基结的光学突触器件，器件展现了多种模式的突触可塑性行为，包括兴奋性后突触电流（EPSC）、短期增强(STP)和长期增强(LTP)、间隔依赖的双脉冲易化(PPF)、学习-遗忘等突触行为。此外，通过将器件的电导变化映射为卷积神经网络的权重变化，来构建基于忆阻器的卷积神经网络，并对其在图像识别中的应用进行了评估。实验结果显示图像识别准确率能够达到95.12%，展示了该器件作为人工突触器件在神经形态计算方面的应用潜力。