用于人工视觉的宽带隙金属氧化物半导体

现代人工视觉的硬件可以从多端突触晶体管（MTSTs）中获益。MTST的优点包括更大的突触重量可控性，非易失性突触功能，以及各种可控参数。基于宽带隙金属氧化物半导体（MOSs）的突触晶体管的最新发展显示了完成紫外线（UV）人工视觉的美好前景。

正在进行的科学调查试图模仿人类用来理解其周围环境的五种感官。其中，大脑处理的大部分信息是通过视觉获得的，这表明仿生视觉在创建人工系统中的巨大意义。

人工视觉
自动成像协会（AIA）将人工视觉定义为任何工业或非工业应用，在这些应用中，硬件和软件的组合指导设备的运行，以执行基于获取和处理图像的任务。

人脑通过视觉不断吸收周围环境的信息，并对物体的明显大小和光线的突然变化特别敏感。人工视觉是使计算机能够像人脑一样通过处理视觉信息快速作出决定的研究领域。

尽管人工视觉和计算机视觉之间的差异不大，但不应该被误解。计算机视觉的目标是在数字图像被编辑和分析后理解它们。另一方面，人工视觉只需要检查导致采取某种行动的视觉元素。例如，自主车辆的人工视觉旨在发现障碍物，以防止碰撞。

紫外线视觉
虽然基于红外和电磁波谱的可见部分的人工视觉被广泛研究，但紫外线（UV）视觉对许多生物物种导航其环境和避免捕食者至关重要。紫外线视觉对于用于天文勘测和发现陆地行星的人工系统也是至关重要的。

宽带隙金属氧化物半导体
相关报道
新型轴向预载工具通过光纤传感器减少残余应变
机器视觉控制系统和软件与硬件的结合
金属卤化物过氧化物是如何改造光电子学的？
合适的宽带隙金属氧化物半导体（MOSs）为紫外激光器驱动的突触晶体管提供了许多好处。例如，优越的光电特性、空气稳定性、工艺兼容性和成本效益。一维MOS还具有高表面体积比的优势。神经元之间的接触点被称为突触，是信息从一个神经元传递到另一个神经元的地方。

生物启发的突触晶体管的新进展是基于ZnSnO纳米线，使用低成本的电纺技术。这些晶体管可以通过375纳米的紫外激光成功地进行调谐，产生空气稳定的突触特性。使用不同脉冲数和光强度的紫外光，以获得必要的电信号，如配对脉冲促进（PPF），兴奋性突触后电流（EPSC），以及基于相对长期电位（LTP）的学习-遗忘过程。在ZnSnO纳米线中，自由电荷载流子的产生是由氧分子的吸附和解吸控制的。

通过使用X射线衍射（XRD）和透射电子显微镜（TEM）测量发现的SnO2/ZnO异质结构可以成功地减少ZnSnO纳米线中由紫外线辐射引起的自由载流子的重组。此外，Sn-O和Zn-O键的高结合能对该装置的稳定性起到了重要作用。

基于从ZnSnO纳米线获得的突触特性的紫外线人工视觉已经在各种应用中得到了证明。例如。

可编程光电逻辑门--将紫外光的光学输入与门电压的电子输入相结合，可用于改变 "和 "与 "或 "门。为了确认可编程的 "AND "和 "OR "逻辑门的稳定性，"AND-OR "循环已被重复多次，并证明了这两个逻辑门之间的稳定转换。

手写识别--模式识别的准确性是基于权重更新的线性和对称性。利用修改后的美国国家标准与技术研究所（MNIST）手写数字数据库，在ZnSnO突触晶体管上执行监督学习，用于神经形态计算。仿真结果表明，光电突触器件在未来有可能被用于神经网络计算。
感知-记忆-处理系统--传统的CMOS通常由独立的检测、记忆和处理单元组成，这导致了巨大的能量损失和计算滞后。与此相反，光电人工突触可以将记忆和信息处理与感知光的能力结合起来。基于ZnSnO光学突触阵列的信息感应/记忆处理系统可以进行实时图片识别、原地记忆和区分输入数据。
展望
基于ZnSnO纳米线的新型紫外线驱动的突触晶体管已经利用低成本的电纺技术加上纳米线转移方法被开发出来。为了获得相关的突触信号，如EPSCs、PPFs和LTPs，以一系列的脉冲特性和光强度施以紫外线。由ZnSnO纳米线晶体管产生的EPSCs显示出更大的设备环境稳定性。此外，通过TEM和XRD检测的SnO2/ZnO异质结构显示了紫外线诱导的自由载流子重组的减少。

更多参考

Ruifu Zhou, Wenxin Zhang, Haofei Cong, Yu Chang, Fengyun Wang, Xuhai Liu, Metal oxide semiconductor nanowires enabled air-stable ultraviolet-driven synaptic transistors for artificial vision, Materials Science in Semiconductor Processing, Volume 158, 2023, 107344,ISSN 1369-8001, https://doi.org/10.1016/j.mssp.2023.107344

X.H. Liu, F.Y. Wang, J. Su, et al., Bio-inspired 3D artificial neuromorphic circuits, Adv. Funct. Mater. 32 (2022), 2113050, https://doi.org/10.1002/ adfm.202113050

S. Zhang, K.X. Guo, L. Sun, et al., Selective release of different neurotransmitters emulated by a p-i-n junction synaptic transistor for environment-responsive action control, Adv. Mater. 33 (2021), 2007350, https://doi.org/10.1002/ adma.202007350

来自：Ilamaran Sivarajah