基于磷化铅钙钛矿的微尺度光电储存网络用于原位感知计算
材料科学
2025-08-28 v1
摘要
物理储存计算是一种高效的神经形态近感知计算应用的有前景框架。本文展示了一种基于磷化铅钙钛矿半导体器件的多模态光电储存网络，能够处理电压和光输入。该器件由微米大小的非对称十字阵列覆盖磷化铅钙钛矿 (MAPbI3) 薄膜构成。在网络中，我们通过将 MNIST 图像和视频数据（基于 NMNIST 数据集）转换为 4 位输入，并训练线性读取层进行分类来模拟其性能。我们展示了能够处理电压和光输入的多模态网络，分别达到图像和视频分类的平均准确率最高可达 95.3% 和 87.8%。我们观察到仅有轻微的测量噪声导致性能下降。该网络显著超过线性分类器参考模型，分别提高了 3.1% 和 14.6%。我们指出，较长的保持时间有助于单模式网络的分类准确率，并给出选择最佳实验参数的指南。此外，微尺度器件架构非常适合进一步在高密度传感器阵列中进行缩小，使该器件成为高效原位计算的理想选择。
引用
@article{arxiv.2508.19916,
title = {Microscale optoelectronic reservoir networks of halide perovskite for in-sensor computing},
author = {Jeroen J. de Boer and Agustin O. Alvarez and Moritz C. Schmidt and Bruno Ehrler},
journal= {arXiv preprint arXiv:2508.19916},
year = {2025}
}