近日，电子科技大学基础与前沿研究院巫江教授团队在电子器件领域顶级期刊IEEE Electron Device Letters发表了题为“An Optoelectronic Reservoir Computing for Temporal Information Processing”研究论文。团队近期还在IEEE Electron Device Letters上发表了题为“An Image Memory Logic Unit Inspired by Human Retina”的研究论文。2019级博士生杜文为这两篇论文的第一作者，巫江教授为论文通讯作者，电子科技大学基础与前沿研究院为第一作者单位。

　　IEEE Electron Device Letters是电子器件领域顶级期刊，也是电气和电子工程师协会（IEEE）旗下电子器件分会（Electron Devices Society）的第一旗舰期刊。

　　随着人工智能和物联网的发展，需要获取和处理的数据量大大增加，这要求我们能更有效地获取和处理自然界的信息。外界80%的信息可以通过视觉感知，但是非结构化视觉数据的处理需要大量的数据存储和计算。为此，人们提出了许多基于具有感知、存储和计算功能的光电器件的神经形态视觉系统。此外，视觉系统主要接收的是动态图像，所以它必须能处理时空信息，但在很多人工视觉系统中进行的神经形态计算在时间信息处理方面具有挑战性。巫江教授领衔的光电传感与探测团队通过仿生的神经形态器件的研究，实现动态视觉信息的高效处理，为智能边缘机器视觉系统提供了一种高效的时空信息处理策略。

?

图1：视觉系统预处理示意图（图片来源及版权：IEEE Electron Device Letters及论文作者）

　　人类视觉系统中，视网膜的神经节细胞不仅可以感知光信号，还会对信号预处理后再传输给大脑视觉皮层。受此启发，设计了可以对光信号的感知、存储和预处理的图像记忆逻辑单元器件。基于此的人工视觉系统可以对图像信息进行预处理，再传输给处理器进行下一步的视觉任务运算，从而可以提高运算效率。

?

　　图2：用于4位数字识别任务的光电储备池计算示意图（图片来源及版权：IEEE Electron Device Letters及论文作者）

　　在此基础上，为了能够有效处理时序图像信息，论文设计了一种光电储备池计算系统。在储备池计算中，只需要训练读出的权重来生成输出，从而降低了学习的计算成本。另外，通过不同分类任务的演示证明了它处理时序图像的能力。由于不需要从传感器到处理单元的数据转换，这为在边缘设备中部署能够处理时序图像信息的神经形态计算提供了一个简单的方法。

　　论文链接：

　　https://ieeexplore.ieee.org/document/9559990

　　https://ieeexplore.ieee.org/document/9678312

　　作者简介：

　　巫江，电子科技大学基础与前沿研究院教授，博士生导师，从事化合物半导体光电材料以及半导体激光器、红外探测器等研究，在Nature Electronics、Light: Science & Applications、IEEE Electron Device Letters等期刊上发表论文100余篇，授权专利10余项。团队主页为https://uestcgods.com/。

　　杜文，电子科技大学基础与前沿研究院2019级博士研究生。主要研究领域为面向传感和探测的光电器件。