[发明专利]一种基于光电神经网络的复合采集处理系统

说明书

本发明属于大脑启发计算领域，具体为一种基于光电神经网络的复合采集处理系统。本发明系统，采用光电神经网络将传感功能与处理网络合并；采用双模光电突触实现感知记忆功能；采用改进BP算法神经网络使光电突触权重更新取决于输入信号和二进制的BP信号以减少误差；其中双模光电突触采用底栅底接触场效应晶体管，该器件以聚酰亚胺薄膜作柔性基板，以聚（9,9‑二辛基芴‑共‑二硫代‑苯）作为光吸收材料、单壁碳纳米管作为导电通道，组成光电材料复合物；本发明系统光电转换效率高，设备面积小，可极大地降低成本，并且可以进行数据的并行传输，减少时间和能量损耗，具有重要实际应用意义。

技术领域

本发明属于大脑启发计算技术领域，具体一种涉及复合采集处理系统。

背景技术

大脑启发式计算被认为是突破传统计算范式瓶颈的一种非常有前景的解决方案。神经形态系统在软件层面已经取得了突出成就，但这一新领域在硬件层面需要更多的创新。到目前为止，神经形态系统已被广泛应用，并且研究者们已经对模型和算法进行了详细的研究。一般来说，并行能力、低能耗和高容错性被认为是神经网络的主要优点。但由于现有系统架构的限制，该网络尚未充分发挥其潜力。以图像识别系统为例，在传统系统中图像采集模块是不可缺少的，并且该模块与处理模块分开，分离模块的实现需要极高的成本。首先，在图像采集模块中，光电传感器阵列需要将光信号转换成电信号。其次，外围电路，如放大器，寻址网络和模数转换器（ADC）需要匹配传感器输出和网络输入之间的差异，这些复杂模块不仅消耗较多能量而且设备面积占比大，这样极大程度的增加了成本。同时，由于数据传输无法完全并行，从传感器阵列到处理模块的串行数据传输显著增加了时间上和能量上的消耗，这成为限制传统系统中进一步发展的巨大阻碍。所有局限性都源于传感模块和处理模块的分离，显然，该分离方式无法满足数据处理快速增长的要求。

发明内容

本发明的目的在于提供一种高效率、低成本的新型复合采集处理系统（记为MAP），将感知传感模块与存储处理模块合并在一起。

本发明提出的复合采集处理系统，是基于光电神经网络（记为PNN）的，即通过光电神经网络实现传感和处理复合功能，无需额外的数据采集模块和传输模块，利用光电突触替换神经网络中的人工突触，利用反向传播（BP）算法以更新突触权重减小误差。其中：

所述的光电突触采用双模光电突触（DMPS），接收光刺激并对外部电信号敏感，实现感知记忆功能；该双模光电突触具有光电人工突触的基本功能，具有多级状态，具有权重变化过程进行电协调的能力。

所述的光电神经网络（PNN）中的所有输入神经元的突触进行分组，并在各组中的所有突触上应用与感测像素相对应的相同光信号以实现与电神经形态系统相同的输入层结构。

所述的反向传播（BP）算法，以使每个突触权重的更新规则与输入值（来自输入节点）和BP信号（来自隐藏节点）都相关。

所述的反向传播（BP）算法，是加以改进的，即BP信号采用二进制，即仅提供两种模式：开启与保持，用简单的开关代替任意脉冲信号发生器。在“开启”模式下，突触权重对输入信号有响应，并且在“保持”模式，输入信号不能引起突触权重的变化。

所述的双模光电突触（DMPS）是一个底栅底接触场效应晶体管，该器件结构利用聚酰亚胺薄膜作柔性基板，利用聚（9,9-二辛基芴-共-二硫代-苯）（F8T2）作为光吸收材料，利用单壁碳纳米管（SWCNT）作为导电通道，组成光电双材料复合物。其具体制备步骤如下：

（1）光刻法定义栅电极；

（2）热蒸发沉积8nm±1.6nm厚的Cr和50nm±10nm厚的Au层，然后进行剥离工艺；

（3）使用原子层沉积生长20nm±4nm厚的Al₂O₃介电层；

（4）使用与栅电极相同的方法制造源极和漏极；