北京理工大学孙林锋教授团队Adv. Intell. Syst.: 用于动态手势识别的二维神经形态光电...

主要观点总结

本文主要介绍了北京理工大学的孙林锋教授团队在Advanced Intelligent Systems期刊上发表的题为“Hardware-Software Codesign of 2D Neuromorphic Optoelectronic Device for Dynamic Gesture Recognition”的论文。该研究基于石墨烯/MoSe 2的光电突触存储器件，实现了传感器内动态手势识别的储备池计算系统。该工作结合了类视网膜的感知能力与类脑计算的优势，实现了传感与计算的高效集成，为动态手势识别的硬件-软件协同设计提供了潜在解决方案。

关键观点总结

关键观点1: 研究背景

随着人工智能和大数据时代的推进，对能够快速高效处理海量数据的计算系统的需求显著增加。传统的计算架构面临能耗高、延迟大等问题，研究人员正在积极探索新材料和创新计算架构。神经形态计算作为一种模拟生物神经网络工作的计算方式，成为解决这些问题的一种有效途径。二维层状材料因其独特的结构、高载流子迁移率和优异的光电特性，被认为是低功耗、高性能神经形态计算设备的理想候选材料。

关键观点2: 主要成果

本研究基于石墨烯/MoSe 2的光电突触存储器件，展示了优异的光电特性和多样化的突触行为。该器件以MoSe 2为沟道材料，石墨烯为电极，能够在电脉冲和光脉冲下可控地调制电导状态，以模拟神经元突触可塑性。此外，基于该器件构建并模拟了用于动态手势识别的储备池计算系统，成功识别了六种手势任务，识别率达到95%。

关键观点3: 研究成果的应用与影响

该研究提出的硬件和软件协同设计方法，不仅可用于视频特征提取和手势识别，还可为其他类似的应用提供新的思路和方法。此外，该研究成果展示了二维材料在神经形态计算领域的应用潜力，为未来的计算系统设计和开发提供了新的方向。