为了方便各位同学交流学习，解决讨论问题，我们建立了一些微信群，作为互助交流的平台。
2.告知:姓名-课题组-研究方向，由编辑审核后邀请至对应交流群(生长，物性，器件)；
欢迎投稿欢迎课题组投递中文宣传稿，免费宣传成果，发布招聘广告，具体联系人：13162018291（微信同号）
成果介绍
机器视觉使机器能够分析和理解视觉世界，在人工智能应用的发展中起着至关重要的作用。与人类视觉系统相比，现有的传统机器视觉系统由于功能单元的物理分离，不可避免地会产生大量冗余数据，造成相当大的时间延迟和高功耗。幸运的是，受到传感器计算架构启发的视网膜形态学器件提供了潜在的解决方案，可以克服这些限制。到目前为止，已经开发了多种视网膜形态学器件来实现传感器计算，因为它们可以利用可调节的响应性作为内建人工神经网络的权重来执行乘加（MAC）运算。
然而，这些视网膜形态学器件主要利用传统的p-n结调节或双栅极调制，它们的光电转换效率和开路电压（Voc）受到Shockley-Queisser（S-Q）极限的限制。此外，它们的光响应的易失性以及持续需要栅极偏置调节或额外功能层（如铁电层）导致了额外的功耗，并使集成过程变得复杂。在这种背景下，铁电材料自发电极化驱动的体光伏效应（BPVE）为硬件实现传感器计算提供了显著的优势。该效应通过铁电场实现精确调节光响应性，并利用铁电材料固有的稳定性确保光响应性的非易失性。此外，铁电材料简单的制造和集成过程显著提高了其实际应用性。
有鉴于此，南洋理工大学Beng Kang Tay教授,刘政教授,王兴利教授提出了一种利用3R-WS2的体光伏效应（BPVE）调制策略，旨在实现光响应性的可重构和非易失性调节，并基于这一策略开发了一种卷积神经网络（CNN）用于图像处理，该网络基于双端口全二维范德瓦尔斯层垂直视网膜形态学器件（石墨烯/3R-WS2/石墨烯）。
首先通过CVT成功合成了3R-WS2体铁电单晶，并展示了层间滑移的WS2层中的反转对称性破缺及面外（OOP）极化铁电特性。该视网膜形态学器件提供了可调节极化的线性正负稳定光响应，覆盖红、绿、蓝（RGB）光谱，使其成为传感器计算操作和CNN图像处理的理想候选材料。基于该器件的可重构和非易失性光响应，研究者成功实现了可配置CNN和各种卷积核（3×3），用于低级（如边缘检测、锐化）和高级（如100%准确率的彩色字母分类）图像处理任务。这标志着二维铁电BPVE在传感器计算中的应用取得了突破，为简化仿生视觉硬件提供了新的思路，并激发了低功耗、高响应性的机器视觉系统的开发。
文章以“Reconfigurable and nonvolatile ferroelectric bulk photovoltaics based on 3R-WS2 for machine vision”发表在
Nature Communications
期刊上。
图文介绍
图1、受人类视觉系统启发的传感器内计算系统的设计和机制：
a)传统的感官计算和传感器内计算系统。对于传统的传感系统，模拟传感数据首先通过模数转换器（ADC）转换为数字信号，随后暂时存储在存储器中，最后从存储器发送到处理单元。而对于传感器内计算系统，多个连接的传感器可以直接处理传感器信息，从而避免了传感器/处理器接口，将传感和计算功能集成在一起。b)含L/M/S视锥和视网膜锥的二维铁电体光伏效应人工视网膜视觉系统示意图。
图2、3R-WS2纳米片的原子尺度表征：
a)2H和3R WS2晶体沿不同轴向的俯视图和侧视图示意图。蓝色和红色的球体分别代表硫原子和钨原子。蓝框表示单位细胞，蓝色箭头表示自发极化方向。b)3R-WS2的STEM图像和对应的EDS元素分布图。c)五层3R-WS2原子分辨率ADF-STEM图像及其模拟。d) (c)图中黄色虚线矩形标记的强度线轮廓的实验和仿真结果。
图3、 3R-WS2纳米片反转对称性破缺和铁电性：
a)3R-WS2纳米片SHG强度的角度依赖性。b)不同激发功率下3R-WS2纳米片的SHG光谱。c)SHG强度分布图与激发功率呈幂律关系，系数拟合为1.9。d)不同驱动电压下3R-WS2纳米片的高度图像和OOP固有振幅图像。e)不同驱动交流电压下对应的OOP振幅演变曲线。f)采用盒中盒模式连续光刻3R-WS2后的OOP振幅和相位图像。白色虚线内侧为
−
6v，外侧为6v。g)3R-WS2纳米片直流关断状态下的局部OOP铁电开关谱。
图4、基于2D 3R-WS
₂
的可切换体光伏效应在视网膜仿生器件中的应用。
a) 石墨烯/3R-WS
₂
/石墨烯视网膜仿生器件的结构示意图和光学显微镜图像。蓝色和红色的球体分别代表晶体结构中的硫原子和钨原子。紫色箭头表示自发极化的方向。 b)石墨烯/3R-WS2/石墨烯界面的横截面TEM图像和相应的EDS元素映射。c)不同极化电压下光伏正负行为的特征I-V特性曲线。d,e) 分别在正负极化电压下，通过施加2V和-2V脉冲（脉冲宽度：0.5ms）初始化后，测量石墨烯/3R-WS2/石墨烯视网膜仿生器件的光照I-V特性，黑色虚线箭头表示不同的极化方向。激发光的波长为623nm，光强为20 mW/cm^2。f) 在光照下，石墨烯/3R-WS2/石墨烯在不同极化状态下的能带图，突出了铁电极化对光生载流子生成和运动的影响。顶部和底部的石墨烯电极用灰色原子表示，内置电场用橙色箭头表示。
图5、基于2D 3R-WS
₂
的视网膜仿生器件在RGB波长下的光响应特性
a)随光强（从1-200 mW/cm^2）的增加，器件在R（623nm）波长下的I-V特性。b)不同波长下3R-WS2视网膜仿生器件Isc的光强依赖性。c)不同红光下不同强度（10mW/cm^2 ~ 90mW/cm^2）光电流的长期稳定性。d)不同极化电压下红光照明的正、负光响应（光强从10-90 mW /cm^2）。具有28种不同响应度的器件在正(e)和负(f)极化电压(脉冲宽度:1s)下光电流的光强依赖性。g)在红光照射下连续施加一系列脉冲数时，光响应度是极化电压数的函数。我们的3R-WS2的短路电流Jsc (h)和开路电压Voc (i)与各种铁电材料体光伏效应的比较。
图6 、 基于传感器内CNN的RGB彩色图像分类的卷积处理实现.
a)卷积处理“Hive”图像的示意图。器件的光响应度可用作核计算的运算符，输出电流的合并、归一化和二值化过程在软件中完成。b)演示了边缘检测卷积处理，这些操作是通过改变极化电压来控制每个像素的光响应性来实现的。对不同卷积操作下的实验结果与仿真结果进行了比较。图片来源于南洋理工大学。c)基于3×3核的三种不同颜色（RGB）通道彩色图像分类器的卷积神经网络模式示意图。d)随机生成的不带（σ = 0）和带高斯噪声（σ = 0.1、0.2和0.3）的彩色三字母N、T和U数据集图。e)基于RGB-color CNN分类的不同噪声级别字母训练前（初始）和训练后（最终）的光响应性分布。f)在不同高斯噪声水平的数据集上训练时分类器的分类精度和损失分布。
结论与展望
总之，此研究已经实现了一个可重构和非易失性的视同构器件，利用3R-WS2纳米片的BPVE特性来实现传感器内计算MAC操作和传统工艺彩色图像。值得注意的是，3R-WS2具有优异的压电系数和稳定的OOP铁电性能。由石墨烯/3R-WS2/石墨烯结构组成的全范德华垂直视同构器件表现出多级非易失性光响应，其光响应可以通过偏振状态进行调制，从而实现彩色图像的卷积识别处理。研究团队认为，具有传感器内计算功能的可重构3R-WS
₂
铁电光伏视同构器件，能够有效实现自主机器人芯片中的目标识别和低功耗机器视觉应用。
文献信息
Reconfigurable and nonvolatile ferroelectric bulk photovoltaics based on 3R-WS2 for machine vision
（Nat Commun 16, 230 (2025),
DOI: 10.1038/s41467-024-55562-7
）
文献链接：https://doi.org/10.1038/s41467-024-55562-7
上
海
昂
维
科
技
有
限
公
司
现
提
供
二
维
材
料
单
晶
和
薄
膜
等
