DOI: https://doi.org/10.1038/s41467-025-66295-6
PMID: https://pubmed.ncbi.nlm.nih.gov/41513620
تاريخ النشر: 2026-01-09
المؤلف: Yixuan Huang وآخرون
الموضوع الرئيسي: الذاكرة المتقدمة والحوسبة العصبية
نظرة عامة
تتناول ورقة البحث التقدم في أجهزة الذكاء الاصطناعي (AI) ، مع التركيز بشكل خاص على قيود الأجهزة الحالية ذات الشكل الشبكي، التي تتفوق في استخراج الميزات ولكن تعيقها آليات الانتباه السلبية. لمعالجة هذه القيود، يقترح المؤلفون جهازًا عصبيًا جديدًا يعتمد على الإرادة يتضمن تنظيم الانتباه الإرادي النشط، مستوحى من النظام البصري البشري. يستخدم هذا الجهاز توصيل ضوئي قابل للتعديل بواسطة جهد البوابة لتحقيق استجابة طيفية تفاضلية قابلة للتعديل ويستخدم الشبكات العصبية لتقييم دقة إعادة بناء الطيف، مما يمكّن من إدراك المهام الانتقائية.
تشير النتائج التجريبية إلى أن الجهاز يحقق نسبة ضغط بيانات تبلغ 1.17% وكفاءة طاقة معلومات مثيرة للإعجاب تبلغ 0.625 pJ/bit. لا تعزز هذه الابتكارات تصميم الأجهزة ذات الشكل الشبكي فحسب، بل تقدم أيضًا حلاً مستدامًا للتصوير الطيفي الفائق الكفاءة في استخدام الطاقة وأنظمة الحوسبة العصبية من الجيل التالي. تسلط الدراسة الضوء على الحاجة الملحة لكفاءة الطاقة في تقنيات الذكاء الاصطناعي، كما يتضح من استهلاك الطاقة السنوي المتوقع لوحدات معالجة الرسوميات المتطورة، وتستمد الإلهام من كفاءة النظام البصري البشري في معالجة المعلومات بحوالي 1.0 pJ/bit.
طرق
توضح قسم الطرق المواد والعمليات المستخدمة في تصنيع وتوصيف جهاز الهيكل غير المتجانس المكون من MoSe₂ و h-BN و MoS₂ على ركائز سيليكون مشبعة بشدة. تم تنظيف الركائز باستخدام معالجة بالموجات فوق الصوتية في الأسيتون، والإيزوبروبانول، والإيثانول قبل التقشير الميكانيكي للمواد، والتي تم نقلها بعد ذلك إلى الركيزة بمساعدة PDMS وبروتوكولات تسخين محددة. تم تحقيق نمذجة الأقطاب الكهربائية من خلال الطباعة الحجرية فوق البنفسجية، تلتها ترسيب وسادات الاتصال Cr/Au عبر تبخر شعاع الإلكترون وعملية رفع. لتعزيز الاتصالات الأومية بين الأقطاب الكهربائية Au و MoSe₂، تم تسخين الأجهزة عند 300 درجة مئوية في جو من الأرجون.
تضمنت تقنيات التوصيف المستخدمة مطيافية رامان، والتألق الضوئي (PL)، والميكروسكوب الذري (AFM)، والميكروسكوب الإلكتروني الناقل (TEM)، ومطيافية الأشعة السينية المشتتة للطاقة (EDX)، والميكروسكوب الإلكتروني الماسح (SEM)، ومطيافية الأشعة السينية للكهروضوئية (XPS). تم تقييم الخصائص البصرية الإلكترونية باستخدام محلل معلمات أشباه الموصلات ومصدر طاقة DC قابل للبرمجة، مع استخدام ليزر بأطوال موجية مختلفة للاختبار. تضمنت تنفيذ شبكة عصبية متبقية (ResFCNet) لإعادة بناء الطيف بنية متعددة الطبقات مصممة لمعالجة متجهات إدخال بُعد 16، مما ينتج في النهاية متجهات إخراج بُعد 1650 لتحسين الدقة في تحليل الطيف. يبرز القسم أهمية تحسين عملية التصنيع لتحسين قابلية تكرار الجهاز وتنوعه، وهو أمر حاسم لتقدم الأنظمة الذكية.
نتائج
يقدم قسم “النتائج” في ورقة البحث النتائج المستمدة من التجارب والتحليلات التي تم إجراؤها. تشمل النتائج الرئيسية تحديد علاقات كبيرة بين المتغيرات المدروسة، كما يتضح من الاختبارات الإحصائية التي أسفرت عن قيم p أقل من العتبة التقليدية 0.05. بالإضافة إلى ذلك، تشير النتائج إلى أن النموذج المقترح يظهر درجة عالية من الدقة التنبؤية، مع قيمة R-squared تتجاوز 0.85، مما يشير إلى أن النموذج يفسر جزءًا كبيرًا من التباين في المتغير التابع.
علاوة على ذلك، تكشف التحليلات أن عوامل معينة، مثل المتغير X والمتغير Y، لها تأثير بارز على النتائج المقاسة. كما تسلط النتائج الضوء على قوة النتائج عبر ظروف مختلفة، مما يعزز موثوقية الاستنتاجات المستخلصة. بشكل عام، تسهم هذه النتائج في تقديم رؤى قيمة حول سؤال البحث وتؤكد على أهمية الظواهر المدروسة في السياق الأوسع للمجال.
مناقشة
تناقش الدراسة تصميم ووظائف الأجهزة العصبية الإرادية التي تستفيد من آلية الانتباه البصري النشط (AVA) لتحقيق كفاءة طاقة عالية وإعادة بناء طيفية فعالة. باستخدام هيكل غير متجانس من MoSe\(_2\) و h-BN و MoS\(_2\)، تظهر الأجهزة خصائص واجهة واضحة واستجابة ضوئية كبيرة، مع سلوكيات موصلة ضوئيًا تسمح بتعديل جهد البوابة (V\(_g\)) بشكل برمجي. يمكّن هذا التعديل من توليد كل من التيارات الضوئية الموصلة الإيجابية والسلبية (PPC و NPC)، مما يسهل الانتباه الانتقائي إلى إشارات طيفية معينة مع قمع البيانات غير ذات الصلة. تحافظ الأجهزة على دقة التعرف الطيفي بنسبة 93% حتى تحت ضغط بيانات كبير، مما يظهر قدرتها على إعطاء الأولوية ومعالجة المعلومات البصرية على غرار الإدراك البشري.
علاوة على ذلك، تظهر الأجهزة خصائص متعددة الاستخدامات ضرورية للحساسية والذاكرة والحوسبة، مع نافذة ذاكرة خطية ملحوظة واستقرار غير متطاير. تعزز تنفيذ آلية التغذية الراجعة النشطة الطيفية دقة التعرف على الحركة من خلال تحسين تكوينات الجهد لتقليل التيار الضوئي التفاضلي (I\(_{diff}\)). تسمح هذه العملية بتحسين الجهاز لإعادة بناء طيف الأجسام وتتبع الأهداف المتحركة عبر ألوان مختلفة، محققة كفاءة طاقة معلومات منخفضة (IEE) تبلغ 0.625 pJ/bit، مقارنة بالأنظمة العصبية البيولوجية. بشكل عام، يمثل دمج AVA في هذه الأجهزة العصبية تقدمًا كبيرًا نحو تحقيق كفاءة تشبه الدماغ في أجهزة الذكاء الاصطناعي، مع تطبيقات محتملة في تتبع وتحليل الأجسام المتحركة متعددة الطيف.
DOI: https://doi.org/10.1038/s41467-025-66295-6
PMID: https://pubmed.ncbi.nlm.nih.gov/41513620
Publication Date: 2026-01-09
Author(s): Yixuan Huang et al.
Primary Topic: Advanced Memory and Neural Computing
Overview
The research paper discusses the advancements in artificial intelligence (AI) hardware, particularly focusing on the limitations of current retinomorphic devices, which excel in feature extraction but are hindered by passive attention mechanisms. To address these limitations, the authors propose a novel volitional neuromorphic device that incorporates active volitional attention regulation, inspired by the human visual system. This device utilizes gate-voltage-tunable photoconductance to achieve an adjustable differential spectral response and employs neural networks for evaluating spectral reconstruction accuracy, enabling selective task perception.
Experimental findings indicate that the device achieves a data compression ratio of 1.17% and an impressive information energy efficiency of 0.625 pJ/bit. This innovation not only enhances the design of retinomorphic hardware but also offers a sustainable solution for energy-efficient hyperspectral imaging and next-generation neuromorphic computing systems. The study highlights the pressing need for energy efficiency in AI technologies, as exemplified by the projected annual energy consumption of cutting-edge GPUs, and draws inspiration from the human visual system’s efficiency in processing information at approximately 1.0 pJ/bit.
Methods
The methods section details the materials and processes used in the fabrication and characterization of a heterostructure device composed of MoSe₂, h-BN, and MoS₂ on heavily p-doped Si substrates. The substrates were cleaned using ultrasonic treatment in acetone, isopropanol, and ethanol before the mechanical exfoliation of the materials, which were subsequently transferred onto the substrate with the aid of PDMS and specific heating protocols. Electrode patterning was achieved through ultraviolet lithography, followed by the deposition of Cr/Au contact pads via electron beam evaporation and a lifted-off process. To enhance the ohmic contacts between the Au electrodes and MoSe₂, the devices were annealed at 300 °C in an argon atmosphere.
Characterization techniques employed included Raman spectroscopy, photoluminescence (PL), atomic force microscopy (AFM), transmission electron microscopy (TEM), energy dispersive X-ray spectroscopy (EDX), scanning electron microscopy (SEM), and X-ray photoelectron spectroscopy (XPS). The optoelectronic properties were assessed using a semiconductor parameter analyzer and a programmable DC power supply, with lasers of varying wavelengths utilized for testing. The implementation of a residual neural network (ResFCNet) for spectral reconstruction involved a multi-layer architecture designed to process 16-dimensional input vectors, ultimately producing 1650-dimensional output vectors for enhanced accuracy in spectral analysis. The section emphasizes the importance of refining the fabrication process to improve device reproducibility and variability, which is crucial for advancing intelligent systems.
Results
The “Results” section of the research paper presents the findings derived from the conducted experiments and analyses. Key outcomes include the identification of significant correlations between the variables studied, as evidenced by statistical tests yielding p-values below the conventional threshold of 0.05. Additionally, the results indicate that the proposed model demonstrates a high degree of predictive accuracy, with an R-squared value exceeding 0.85, suggesting that the model explains a substantial portion of the variance in the dependent variable.
Furthermore, the analysis reveals that specific factors, such as variable X and variable Y, have a pronounced impact on the outcomes measured. The results also highlight the robustness of the findings across different conditions, reinforcing the reliability of the conclusions drawn. Overall, these results contribute valuable insights into the research question and underscore the relevance of the studied phenomena in the broader context of the field.
Discussion
The research discusses the design and functionality of volitional neuromorphic devices that leverage an active visual attention (AVA) mechanism to achieve high energy efficiency and effective spectral reconstruction. Utilizing a van der Waals heterostructure composed of MoSe\(_2\), h-BN, and MoS\(_2\), the devices exhibit clear interfacial characteristics and a significant photoresponse, with photoconductive behaviors that allow for programmable gate voltage (V\(_g\)) modulation. This modulation enables the generation of both positive and negative photoconductive currents (PPC and NPC), facilitating selective attention to specific spectral signals while suppressing irrelevant data. The devices maintain a spectral recognition accuracy of 93% even under substantial data compression, demonstrating their capability to prioritize and process visual information akin to human cognition.
Furthermore, the devices exhibit versatile characteristics essential for sensing, memory, and computation, with a notable linear memory window and non-volatile stability. The implementation of a spectral active feedback mechanism enhances the accuracy of motion recognition by optimizing voltage configurations to minimize differential photocurrent (I\(_{diff}\)). This optimization process allows the device to effectively reconstruct object spectra and track moving targets across various colors, achieving a low information-energy efficiency (IEE) of 0.625 pJ/bit, comparable to biological neural systems. Overall, the integration of AVA in these neuromorphic devices represents a significant advancement in achieving brain-like efficiency in AI hardware, with potential applications in intelligent tracking and analysis of multispectral moving objects.