Neuronas artificiales mejoran el reconocimiento de objetos en infrarrojo

La detección de fotones en el rango del infrarrojo cercano (NIR) y el reconocimiento de objetos son tecnologías clave para la identificación de objetivos en cualquier clima. Los sistemas convencionales de detección NIR, que dependen de fotodetectores y algoritmos de computación de von Neumann, resultan ser ineficientes en términos de energía. En este contexto, las neuronas sensoriales artificiales basadas en memristores volátiles sensibles a la luz infrarroja ofrecen una solución prometedora.

En un estudio publicado en Advanced Materials, un equipo liderado por Dr. Wang Jiahong del Instituto de Tecnología Avanzada de Shenzhen de la Academia China de Ciencias, desarrolló una neurona sensorial artificial basada en una heteroestructura de carburo/óxido de vanadio (V₂C/V₂O_5-x) mediante conversión topquímica, lo que permite una respuesta multicolor en el infrarrojo cercano y un reconocimiento de objetos de alta precisión en escenarios complejos.

Los investigadores diseñaron una heteroestructura de V₂C/V₂O_5-x con una interfaz de fusión natural a través de una conversión topquímica de oxidación suave controlada de V₂CT_x. Esta integración única de V₂C metálico y V₂O_5-x enriquecido en vacantes, otorgó a la heteroestructura capacidad de respuesta NIR y la habilidad de conmutación de resistencia volátil tipo umbral.

El memristor V₂C/V₂O_5-x demostró una robusta capacidad volátil con coeficientes de variación bajos de solo 1.62% y 1.7% para los voltajes de ajuste y reinicio, respectivamente. Su voltaje de umbral pudo ser modulado efectivamente por la densidad de potencia y la longitud de onda de la luz NIR. La correlación entre la longitud de onda y el voltaje de disparo umbral fue consistente con la respuesta fotoeléctrica, mostrando un control fotoeléctrico ajustable del memristor V₂C/V₂O_5-x a través de la modulación de parámetros fotónicos.

"Nuestra programabilidad fotoeléctrica permite la discriminación multicolor en infrarrojo a través de firmas de voltaje umbral características, y las distintas respuestas de longitud de onda pueden ser codificadas en la neurona sensorial artificial para el reconocimiento de objetos en infrarrojo cercano", afirmó Dr. Wang.

Basado en las características de conmutación RS modulables en NIR y el modelo de algoritmo YOLOv7, se logró una arquitectura de red neuronal artificial con precisiones de reconocimiento promedio del 89.6% para automóviles y del 85.9% para personas en el conjunto de datos FLIR.

Este estudio presenta un sistema neuromórfico basado en memristores que mejora significativamente la eficiencia y precisión en la detección y reconocimiento de objetos, abriendo el camino a avances en sistemas autónomos, robótica y entornos inteligentes.

Temas