Sensing-storage-computing Integration of Multiterminal ReS2 Neuromorphic Transistors with Sequence-dependent Responses for Dual-mode Authentication Systems
本文提出了一种 ReS2/PZT 神经形态晶体管，通过光学与铁电调制的协同作用集成了感知、存储和计算能力，从而实现用于结合加密锁与人脸识别的双模身份验证系统的序列依赖型响应。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
现代计算机在处理数字运算方面速度极快，但在处理生物大脑能够轻松应对的流式、时间敏感型任务时却显得力不从心。在标准计算机中，感知世界的部分、记忆的部分以及思考的部分在物理上是分离的。信息必须在这些不同的单元之间来回传输，从而产生了造成速度减慢并浪费能量的瓶颈。为了制造能够实时对世界做出反应的机器——例如在交通突变时进行导航的自动驾驶汽车，或识别特定行为模式的安全系统——工程师们需要一种新型器件。他们需要一种能够同时进行感知、存储和计算的设备，以模拟生物神经元整合信息的方式。挑战在于创造一种单一的电子元件，它不仅能记住过去，还能理解事件发生的顺序，而这正是识别复杂序列的一项关键技能。
厦门大学的一个研究小组开发出一种新型电子晶体管，使这一愿景更接近现实。通过将一种特殊的二维材料与一种铁电陶瓷相结合，他们创造出一种能够在单个单元内感知光和电、存储信息并将其处理为决策的器件。他们发明的核心是一个被称为 ReS2 的薄层材料，这种材料对光敏感，被放置在一种被称为 PZT 的陶瓷基底之上。PZT 的独特之处在于它可以保持两种不同方向的电极化：一种垂直向上和向下，另一种沿表面水平运行。当研究人员对器件施加电压或照射光线时，他们可以操纵这些内部电场来捕获或释放电子，从而有效地改变电流通过材料的难易程度。这使得该器件可以作为一个可以瞬间重写的存储单元，但有一个特别之处：其行为完全取决于它接收到的信号序列。
研究人员展示了该器件能够区分不同事件的顺序，他们称这种能力为“序列依赖响应”。在标准存储芯片中，最终状态仅取决于发送的信号总数。而在这种新型晶体管中，顺序与数量同样重要。例如，如果器件先接收到一个闪光，随后是一个电脉冲，其反应会与先接收到电脉冲、后接收到闪光的情况不同。这是因为内部电场会根据输入的时间和类型发生偏移并稳定在不同的配置中。团队展示了他们如何利用这一特性来创建一个能够记住特定动作序列的系统，就像一个必须按精确顺序输入密码的系统一样。他们通过构建一个需要用户触发特定系列光信号和电信号才能解锁闸门的安防系统来测试这一点。如果序列错误，哪怕只是错了一步，器件也会无法开启，并且系统会自动重置，抹除尝试的历史记录。
除了简单的锁定机制外，该器件还证明了其具备执行更复杂认知任务的能力。研究人员使用这些晶体管训练了一个人工网络来识别人脸。他们向系统输入图像，将视觉数据转换为光和电脉冲的模式。由于该器件能够存储连接强度并根据输入的顺序进行调整，系统学会了以高准确度识别特定个体。在测试中，该系统通过结合光信号和电信号，从包含 35 个不同人的数据库中正确识别出面孔，成功率接近 94%。这种性能优于仅使用电信号的表现，表明同时处理光和电的能力为器件提供了一种更丰富的学习方式。该器件还模拟了生物行为，例如光适应（即它能自动调节对明亮或昏暗环境的敏感度）以及联想学习（即在经过重复暴露后，它学会了将中性信号与有意义的信号联系起来）。
该器件的物理构造依赖于所用材料的独特属性。ReS2 层极其薄，仅有几个原子厚，这使其能够快速对光和电做出反应。下方的 PZT 基底则充当动态控制器，通过改变其内部电对齐来将电子捕获在特定位置。当研究人员在器件两端施加电压时，他们可以根据信号的强度和持续时间，将其在“永久保持信息状态”和“信息快速消退状态”之间进行切换。这种灵活性使器件既能处理短期任务（如对突然闪光做出反应），也能处理长期任务（如记住密码）。团队还发现该器件可以执行逻辑运算，作为一个开关，只有当两个特定条件同时满足时才会开启，从而有效地在单个组件内充当微型计算机处理器。
这项工作为构建更高效、更智能的电子系统指明了方向。通过将感知、存储和计算集成到单层材料中，研究人员减少了对复杂布线和多个组件的需求。该器件理解事件顺序的能力意味着它可以用于需要实时决策的应用，如先进的安全系统或自适应机器人。研究人员证实，该器件稳定可靠，即使在多次循环使用和多变的环境条件下也能保持性能。虽然这项技术仍处于早期开发阶段，但通过双模身份验证和人脸识别的成功演示，表明这些材料可以支持下一代人工智能所需的复杂、时间敏感型处理。该研究为创建不仅能进行计算，而且能真正感知和记忆周围世界的电子系统提供了具体的蓝图。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。