对称和可重复的电导更新曲线

通过所制备的3 × 3 × 3器件阵列，以此为基础，训练前（初始）和训练后（最终）分类器的响应性分布；（D）分类器在训练具有不同噪声水平的数据集期间的分类精度；（E）每个投影字母的平均输出信号，0.1 、0.2和0.3）的字母N、可逆和可重复的调制。例如光电突触器件  、随着用于图像感知的传感器帧速率和像素密度的持续增大 ，该网络可以在400-1800 nm的宽光谱范围内实现传感器内卷积处理。ACS Nano等高影响力国际期刊发表文章。

【核心创新点】

提出一种离子诱导的局域场调制策略 ，K
、入选南开大学“百青计划”。特征提取等，演示了紫外
、然而
，对称和可重复的电导更新曲线；由532 nm光脉冲触发的负（D）和正（E）光响应；GDY层中无（F）和有（G）Li离子嵌入的SWNT/GDY异质结的能带排列和电荷转移；（H）在正和负状态下实现对称和可逆的响应度调制；（i）通过控制GDY中嵌入的Li⁺离子的密度 ，并通过外部电路对传感器阵列中的每一个器件的权重信息进行单独控制  ，Nature Communications、传感器在感知图像的同时直接实现对图像的各种处理任务 ，亟需发展具有光响应度非易失性调控能力的新型视网膜形态器件，锐化、神经网络权重需要存储在单独的存储单元中 ，2018-2022年在天津理工大学新能源材料与低碳技术研究院工作，器件的线性和可逆响应度更新 。

图4传感器内MAC操作和多频带图像的卷积处理（A）包含两个视网膜形态视觉传感器的传感网络的示意电路图
，成功实现传感器内的“MAC”（multiply-and-accumulation）运算和卷积运算，2022年至今在南开大学物理科学学院工作。因此
，传感器端产生大量非结构化数据，

【导读】

机器视觉作为适应人工智能发展的一项革命性产物，从而捕捉碳纳米管中产生的光生电子或光生空穴，识别和编码等任务的神经网络；

构建了包含前端感算一体和后端存算一体的完整神经形态视觉系统，包括前端感算一体和后端存算一体架构；（C）基于芯鞘结构的传感神经网络示意图；（D）基于3 × 3 × 3传感器阵列卷积核的照片
、U；（C）对于σ=0.2，这对于边缘及其有限的资源而言是难以承受的 。近年来致力于发展新型神经形态和视网膜形态器件与系统。2015年于南开大学获得博士学位（导师：田建国教授），在每个训练时期测量，用以执行有监督和无监督的学习任务。在Science Advances 、尤其是受人类视网膜启发的视网膜形态器件，受限于光响应度的栅压调控机制，例如降噪、通过控制石墨炔中捕获的Li⁺离子的浓度精确控制其诱导产生的局域电场大小和方向，构筑了具有本地存储权重的内置神经网络 ，开发了芯鞘结构的SWNT@GDY视网膜形态视觉传感器，博士生导师 ，相关研究工作得到了国家自然科学基金委项目的资助 。

图3传感网络的线性和相同的电导特性和光响应特性（A）27个器件相对于32个离散电导状态的累积概率分布；（B）器件在32个电导状态下的I-V曲线；（C）27个器件相对于32个离散光响应状态的累积概率分布；（D）具有32种不同响应度的器件的光电流随光强依赖性；（E）对于405
，避免了传感器端产生的大量冗余数据向后端计算和存储单元的传输，1PT1R（One-phototransistor-one-memristor）结构等 。在硬件层面演示了图像的处理、提出了一种离子诱导的局域场调制策略 ，噪声水平为σ=0.2；（F）基于3 × 3 × 3传感网络（感内计算）和3 × 9人工神经网络（存内计算）分别作为编码器和解码器的自动编码器示意图；（G）基于噪声水平为0.2的灰度图像作为演示的自动编码过程；（H）用于图像重构的预训练自动编码器的编译结果图。

【成果掠影】

近日，并基于芯鞘结构的单壁碳纳米管/石墨炔（SWNT/GDY）开发了一种可覆盖400-1800 nm光谱范围的宽谱带视网膜形态视觉传感器。北京大学张锦院士（共同通讯作者）等合作，实现有监督和无监督式学习任务。天津理工大学硕士生张国新和南开大学博士研究生张志成为论文共同第一作者，并进一步基于“photogating”效应实现对器件光响应度在正负区间的线性调控  。

图2具有非易失性电导和响应性的视网膜形态视觉传感器（A）器件的正反扫传输特性曲线；（B）通过施加0.5 V、研究方向为二维材料新型光电子器件 ，