[發明專利]一種視網膜形態光電傳感陣列及其圖片卷積處理方法

在審

• 申請號: 202010189068.4
• 申請日: 2020-03-17
• 公開（公告）號: CN111370526A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 繆峰;梁世軍;王晨宇
• 申請（專利權）人: 南京大學
• 主分類號: H01L31/113
• 分類號: H01L31/113;H01L31/0224;H01L31/18;H01L27/146;G06N3/08;G06N3/04
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 王恒靜

1.一種視網膜形態光電傳感器件，其特征在于，其是在基底上具有底電極、電介質層、溝道層、源電極和漏電極的垂直堆疊的異質結結構，所述源電極和漏電極相互對峙，并置于所述溝道層的兩端，所述底電極、源電極和漏電極的材料為柔性電極所用材料、惰性金屬或者半金屬，所述電介質層的材料為絕緣材料，所述溝道層材料為雙極性材料，所述基底包括襯底以及生長于襯底表面的絕緣材料層。

2.根據權利要求1所述的視網膜形態光電傳感器件，其特征在于，所述襯底材料包括硅、聚酰亞胺或聚二甲基硅氧烷，所述生長于襯底表面的絕緣材料層采用的材料為氧化硅、氧化鋁、鉿鋯氧或氮化硼。

3.根據權利要求1所述的視網膜形態光電傳感器件，其特征在于，所述溝道層的雙極性材料為石墨烯、硒化鎢、碲化鉬、黑磷或硒化鈀。

4.根據權利要求1所述的視網膜形態光電傳感器件，其特征在于，所述電介質層的材料為氮化硼、氧化硅、氧化鋁和鉿鋯氧中任一種或多種組成。

5.一種權利要求1-4任一項所述的視網膜形態光電傳感器件的制造方法，其特征在于，該制造方法包括：

S1在基底表面制備出底電極；

S2在底電極上直接獲得電介質層或在底電極上首先獲得電介質層材料，再利用材料轉移方法將電介質層材料垂直堆疊，制備具有多層結構的電介質層；

S3在電介質層上直接生長溝道層的雙極性材料；或者首先獲得溝道層的雙極型材料，然后利用材料轉移的方法將雙極型材料轉移到電介質層上，形成溝道層；

S4在溝道層表面制備源電極和漏電極。

6.根據權利要求5所述的視網膜形態光電傳感器件的制造方法，其特征在于，所述S2中，底電極上直接獲得電介質層的方法為化學氣相沉積法、化學氣相傳輸法、分子束外延法、原子層沉積法或水熱法。

7.根據權利要求5所述的視網膜形態光電傳感器件的制造方法，其特征在于，所述S3中，在電介質層上直接生長溝道層的雙極性材料的方法為化學氣相沉積法、化學氣相傳輸法、分子束外延法、原子層沉積法或水熱法。

8.根據權利要求5所述的視網膜形態光電傳感器件的制造方法，其特征在于，所述S1中，在基底表面制備出底電極的方法為：

S11采用紫外光刻法、電子束光刻法或掩膜版法在襯底上制備設計好底電極形狀；

S12制備出底電極。

9.一種視網膜形態光電傳感器陣列，其特征在于，其具有權利要求1-4任一項所述的視網膜形態光電傳感器件。

10.一種根據權利要求9所述的視網膜形態光電傳感器陣列實現的視覺圖片卷積處理方法，其特征在于，該方法包括：

(1)在光電傳感器陣列的每個光電器件上中設置位線，每一行的光電器件對應的位線串聯，在每個光電器件上設置信號線，每一列的光電器件對應的信號線串聯，所述位線和信號線為陣列中特定位置的光電傳感器件施加源漏電壓；

(2)在光電傳感器陣列的每個光電器件上中設置字線，用于為陣列中特定一行的光電傳感器件施加背柵電壓；

(3)利用位線和字線為交叉的特定一列中的光電傳感器件輸入對應電壓，同時將背柵電壓通過字線輸入給對應的光電器件，完成部分卷積運算，并輸出結果，即：

其中，為第m行第1列的背柵電壓值，P_m1為第m行第1列上光電器件的視覺圖片信息輸入，為第m行第1列的光響應度；m為卷積核的總行數；

(4)根據步驟(3)的方法采用m×m的卷積核完成整個光電傳感器陣列的卷積運算。

11.一種根據權利要求9所述的視網膜形態仿生光電傳感器陣列實現的視覺圖片識別方法，其特征在于，該方法包括：

步驟1、將待識別信息輸入到光電傳感器陣列中，并將所有光電器件的背柵電壓設置為0V；

步驟2、隨后采集光電傳感器陣列的輸出電流I，并將它輸入到下面的Sigmoid激活函數：

f＝(1+e^-αI)^-1

其中，I即為光電傳感器陣列的輸出電流，α為歸一化系數；

步驟3、計算出激活函數f的值后，與目標值進行比較后，然后作出判斷并根據下面的公式執行誤差反向傳播操作：

其中，δ^k為第k次訓練時所用的誤差，為第k次訓練時的理論輸出值，f^k為第k次訓練時的Sigmoid激活函數的輸出值；

步驟4、誤差隨后傳遞到第一層后，通過下面的函數關系實現對光電傳感器陣列中初始的背柵值進行更新：

其中，n為步長，β為柵壓變化的步長，P為視覺圖片信息的輸入，round為四舍五入求整函數，conv為卷積函數，以此完成一個訓練流程；

步驟5、循環步驟1-4，直到步驟3中計算出的誤差接近或者等于0，即，從所有輸入圖片中成功識別出目標圖片。