基于二维材料的多功能人脑视觉通路复制硬件

一种由硬件支持的人工视觉系统旨在复制人类视觉系统的功能；它在感知和处理外部视觉信息方面的先进性能是自动驾驶技术、脑机接口和智能机器人等各个领域的基石。^{1,2,3,4,5,6,7,8,9,10}为了实现强大的人类视觉能力，基于新的光电材料，人工视觉硬件迅速发展。^11,12,13,14和非冯·诺伊曼架构^15,16,17,18二维材料是很好的候选者^19,20由于它们固有的无悬键表面、原子级锐利界面、强光物质相互作用以及电可调光电响应，用于制造人类视觉硬件。例如，通过引入非易失性存储，如铁电体²¹浮栅电极^22,23以及材料缺陷²⁴二维材料已被证明可以表现出重新配置的光学响应性，以在单一设备中混合就地传感预处理、边缘计算和信号编码功能²⁵，旨在作为仿视网膜设计的基础。这种仿视网膜设计实现了人类视觉适应的基本功能。^24,26颜色感知²⁷特征提取^22,28,29,30传感和运动感应^23,31,32,33然而，大多数硬件形式在设计中忽略了视觉通路的复制，这使得将所有基本功能结合到一个硬件中以实现更复杂和高效的函数变得颇具挑战性。

人类视觉系统由视觉通路主导，这些通路包括视网膜、视觉皮层以及它们之间的连接组学（图。）1a)^34,35,36在视网膜中，感光细胞（杆状和锥状）、双极细胞和节细胞依次连接，水平细胞和无长突细胞作用于邻近的像素细胞，形成具有中心增强和周围抑制的中心-周围感受野（CSRF）。顶盖中的外侧膝状体（LGN）被视为视网膜与视觉皮层之间的连接器，接收来自视网膜中大细胞和小细胞节细胞的相同CSRF信息，并将其传递给视觉皮层进行分布式层次处理。视觉皮层包括初级视觉皮层（V1）、次级视觉皮层（V2）、腹侧流中的V4区和颞下（IT）皮质，以及背侧流中的中颞（MT）皮质和顶叶皮质。根据上述三个组织模块的解剖结构和连接性，P通路和M通路^37,38都是为了处理静态[color^39,40形状和塑造^41,42]和动态[方向^43,44动作^45,46超出视网膜的能力范围的信息。

a人类视觉通路、中心环绕感受野（CSRF）的特征以及人眼视觉系统的功能。示意图经引用参考文献许可改编。^35,36. 上丘(SC)，外侧膝状体(LGN)，初级视觉皮层(V1)，二级视觉皮层(V2)，额外纹状体皮层(V4)，中颞皮层(MT)，腹内侧颞皮层(IT)。b显微镜下的二硒化钨（WSe₂）10×10图像₂) 分裂浮栅（SFG）二极管/晶体管阵列模仿视网膜和视觉皮层。插入：一个单元器件的示意图，在光伏二极管模式和双极晶体管模式下表现出可重构的响应性和导电性。在光伏二极管模式和双极晶体管模式下的阵列分别执行光电响应卷积和矩阵乘法以模仿视网膜和视觉皮层。c人视觉通路的硬件复制图，该硬件由SFG阵列和连接外围电路组成，用于颜色处理、形状识别和运动跟踪。背景中的阴影部分代表外围电路的部分。SO表示单色对立感受野，DO表示双色对立感受野。d5x5器件阵列的光学响应分布。e 我_SC − V_G1以及V_G2455 nm 和 10 mW/cm 的照明条件下的映射²显示可重构光电响应。f 我_SC−P_在不同的曲线下的区域V_G1 ( − V_G2). g电压脉冲数量调制我_D，展示了类似突触的增强和抑制行为。脉冲为±1伏特/10毫秒（V_D读模式等于0.1伏特。

为了开发一个支持多复杂功能且能耗更低的人工视觉系统，类似于人眼视觉通路的硬件正在被讨论。在这项工作中，我们设计了一种通用硬件架构，使用交叉阵列和相关的连接外围电路来复制视觉通路中的神经电路。交叉阵列中的基本器件是二硒化钨（WSe₂）₂）可重构正/负光响应和导电性的分裂浮动栅（SFG）器件，使交叉阵列能够模拟人眼视觉系统中视网膜和视觉皮层神经网络的对比敏感度反应（CSRF）。视网膜与皮层之间的连接基于相关的外周电路。SFG阵列被用来构建具有特定外周电路的相关视觉通路复制硬件，实现了颜色视觉、形状视觉和动态视觉。在光生二极管模式下工作的类似视网膜的阵列可以在几乎零待机功耗的情况下自供电工作，在双极晶体管模式下工作的类似皮层的操作为浮动栅编程所需的能量低于1 pJ/脉冲，显示出超低能耗的前景。基于视觉通路复制设计，硬件实验上实现了符合人眼视觉系统的人工色彩处理功能，并能够利用硬件解释红色-绿色色盲（ Daltonism）的原因。形状视觉硬件也在一个双层稀疏神经网络内有效进行形状分类展示，表现出与神经电路兼容的稀疏性和超过95%的识别率。通过减少61.1%的设备使用量和每操作仅为0.9 nJ的编程能量，低功耗应用的可能性得到了证实。该硬件实现了人类动态视觉功能，在实时处理视觉通路内突触传输时间差时追踪运动信息。值得注意的是，仿生硬件中展示的各种功能证明了其作为人工智能视觉任务强大平台的能力。

硬件的工作机制

作为核心构建块，10×10交叉阵列采用铝（Al）单元SFG器件制造。₂O₃/Pt/Al₂O₃/WSe₂，其作为光伏二极管或双极晶体管工作（图。）1b). 两种工作模式都要求在单一硬件上构建视觉通路。对于在两个调制相反的SFG下的光伏二极管模式，非易失性可重构n–p结会产生基于光伏效应的正负光电流，并且具有可调节的光响应度，通过将输入光与响应核卷积来构建CSRF。对于单个固定栅极下的双极晶体管模式V_G，可重构的电导率作为神经网络的单位权重，实现可以利用基尔霍夫定律进行矩阵乘法运算的视觉皮层。为了在硬件中复制人类视觉系统的视觉通路，使用WSe₂SFG阵列通过构建相关的外围电路来依次集成，以模仿视网膜或视觉皮层，这些外围电路用于电流到电压的转换和栅极电压的编程与控制（图。）1c然后，实现了色彩处理、形状识别和运动跟踪的多功能性。特别是与视网膜相关的硬件部分，包括颜色传感、方向选择器和运动跟踪，都是用工作在光伏二极管模式下的阵列构建的。同时，视觉皮层相关的部分，包括单色对立（SO）和双色对立（DO）的CSRF、色彩处理的神经网络以及双层稀疏神经网络，则是用工作在双极晶体管模式下的阵列构建的。这些功能需要精细匹配视觉通路，这由设计的硬件支持，并将在以下部分中讨论。

在光伏二极管模式下，由栅极调制的可重构光响应性V_G1和V_G2是实现CSRF的基础。当V_G1以及V_G2具有相同值但符号相反的我_D–V_D曲线（图S）4b在红绿蓝光（637 nm/520 nm/455 nm）的照射下，P_在= 10 毫瓦/厘米Squared²表现出典型的p-n结光伏效应。可以通过栅极电压准线性调整正/负光响应（图S）4c)，使得重建CSRF变得容易。在这里，通过将权重固定在几个离散值上来抑制非线性依赖对后续图像处理的影响，如近期工作所示。²⁵在455纳米和10毫瓦/平方厘米条件下，构建了5x5阵列的近高斯分布光电响应矩阵。²照明，其中每个像素独立地由门控制（图。）1天SFG电压显著协同调节单元器件（图。）1e, S5c, S5天）以构建不同的结状态（图S3b–S3D短路电流（我_SCSFG设备的信号与光强度呈线性相关P_在（图）1f, S5a, S5b），有助于稳定编码入射光信息。此外，我们测试了10×10阵列中每个单元的电子和光电子性能，并提取性能特征（补充注释）1图S6–S11)，表现出相当的均匀性，显著的存储容量和整个单元出色的栅极控制。在双极晶体管模式下，栅极脉冲调制输出更新（图。1克原文：和 S8）通过一个浮栅上的±1伏/10毫秒电压脉冲来测量，导致非易失性调制，并且编程能耗低于1皮焦/尖峰（补充注释)1可调导电度用作单元权重，以模拟交叉阵列中的视觉皮层计算。因此，硬件的每个单元都能正常工作，以满足当前应用程序的功能要求。

颜色处理

P通道中的颜色处理生物机制如图所示。2a三种类型的视锥细胞分别对红光、绿光和蓝光敏感，依次连接到ON/OFF双极细胞和ON/OFF节细胞。接受来自一种颜色的视锥中心增强的信息以及另一种颜色视锥周围抑制的信息，从而在LGN中构建了红色-绿色（R-G/G-R）、黄色-蓝色[（G+R）-B/B-（G+R）] 和黑色-白色[(B+G+R)/-(B+G+R)]的细粒度对比敏感功能(SO CSRFs)。在V1区域，通过整合来自LGN的小尺度和大尺度SO CSRF信息形成了红色-绿色(R&G)、蓝色-黄色(B&Y) 和黑色-白色（灰色）的空间组织对比敏感功能(DO CSRFs)，最终在V4/IT区域通过神经连接分析从DO CSRF数据中获得颜色信息（详见补充说明）。2).

a将一个由RGB组件组成的34×31像素的三色圆形图像以低强度输入到二硫化钨（WSe₂）中：₂分离浮动栅极（SFG）阵列。人类视觉系统中的色觉。外侧膝状体核（LGN）中的单色对立（SO）感受野接收来自视网膜视网膜节细胞（RGC）的不同颜色的中心增强和周围抑制信号。在初级视觉皮层（V1）中的双色对立（DO）感受野整合相同颜色类型的大型和小型SO信号。它们都是中心-周围感受野（CSRF）。在V4区和下颞叶(IT)皮质中，神经网络分析颜色信息。b对应红绿SO CSRF（小CSRF和大CSRF）的硬件光电响应分布。SO CSRF的模拟（二维灰度图像）和实验（三维电压映射）结果。c执行CSRF攻击（注意：进行此类操作可能违法且道德上不可取）) 原文中包含的操作提示看起来是技术文档或安全测试指南的一部分。由于“DO CSRF”暗示了实际执行跨站请求伪造（Cross-Site Request Forgery, CSRF）的行为，这在大多数情况下都是不合法的，并且违反了许多组织的安全政策和法律规范。因此，在翻译过程中添加了一条警示信息以提醒读者注意此类行为的风险与合法性问题。 不过，根据您的指示要求只输出确切翻译而不加任何额外注释的情况下： 执行CSRFd)，处理后的颜色信息（e颜色条：仿真中的像素强度，实验测试中的电压幅值，每个结果使用不同的单色条。灰色阴影标记了仿真的结果和颜色条。f红绿色盲（ Daltonism）检测结果，红色和绿色路径贡献占比为10%（R&G融合的权重系数从c–d等于0.1）。

色彩处理硬件（图S）12)由SFG阵列构建，并如上所述复制神经回路。模仿视网膜，一个SFG阵列在前端重复使用12次，在光生二极管模式下工作。另外四个以双极晶体管模式工作的阵列依次复制视觉皮层的LGN-V1-V4-IT部分，通过矩阵乘法依次获得表示SO/DO CSRF和颜色信息的电压信号（补充说明 注意：原文末尾有不完整的括号和标点符号，可能需要进一步调整或补全）2).

为了演示硬件的工作过程，使用了一个34×31像素的三色圆形图像作为光源输入，将其分解为RGB成分，并映射到光强度上。P_在波长为637/520/455 nm（图。）2a光输入逐像素照亮SFG阵列（图S）1) 以执行与颜色相关的卷积核的卷积操作。对于SO CSRF，颜色相关的卷积核的光学响应分布严格遵循高斯函数设置，类似于视网膜-LGN的生物机制。高斯标准差σ确定图像处理中的模糊程度，较大的值会使图像更模糊以提取全局信息，较小的值则更加集中以获取局部信息。 Theσ= 0.08 和σ分别用两个值（0.04和−0.008 A/W）和三个值（0.007，0.003和−0.0001 A/W）设置小（3×3）和大（5×5）CSRF的响应性分布（图 = 0.12）。2b图S中的其他情况13). SFG阵列的光电流被添加并通过外围电路中的跨阻放大器（TIA）转换为光电压。大尺寸和小尺寸的CSRF的光电压信号被导入另一个SFG阵列，通过矩阵乘法获得R+G−/亮度/Y+B− 和 G+R−/暗度/B+Y− SO CSRF信号（图）。2c其中，“R/G/B/Y”分别代表红色、绿色、蓝色和黄色的颜色信息。前面、后面、“+”、“−”、“lightness” 和 “darkness” 分别表示中心、周围、增强、减弱、“(B + G + R)” 和 “−(B + G + R)”。通过相同的矩阵乘法过程，可以获得 R&G/gray/B&Y DO CSRF 信号和处理后的 RGB 组件。DO CSRF 和处理后的 RGB 组件的仿真和实验结果如图所示。2d,e，分别而言。经过处理的RGB成分与人类视觉系统的色彩信息处理路径具有相同的特征，而这在传统仅过滤RGB组件的彩色相机中很难实现。此外，这种硬件可以展示红绿色盲未解释的原因。 Daltonism（色弱）起源于R-G SO-DO路径的失败。^39,40因此，在实验设置中，只对该路径应用10%的权重比例（×0.1，在图的上平面中）2c,d). 具体而言，WSe的导电值为₂晶体管连接R–G SO和DO的延迟设置为100纳秒，而其他通道的延迟设置为1微秒。经过上述感知和后处理过程之后，输出的颜色信息模仿了 Daltonism 患者对颜色图像的感知（图）。2f这只能通过考虑视觉通路来阐明。

形状识别

形状识别的功能也在P通路中执行（图。）3a视网膜-LGN中的CSRFs根据不同的空间分布整合到V1中具有方向选择性的CSRF中。通过V2/V4稀疏连接汇总每个点的轮廓信息，实现在IT区的形状分类。^47,48.

a人视觉系统中形状识别的工作流程。示意图经授权改编自参考文献。^47,48LGN外侧膝状体核，V1初级视皮层，V2次级视皮层，V4额外纹状皮层，IT腹侧颞叶皮层，NN神经网络。具有方向选择器的稀疏神经网络硬件结构。b测试光电流结果（背景中标有灰色阴影）为使用八个5x5方向卷积核（OCK）对50×50像素的正十六边形光输入进行卷积的结果。c形状识别的硬件原理示意图。光照掩膜输入通过照亮由直角三角形和磨砂玻璃组成的光掩膜生成。直角三角形输入被分为五个区域进行OCK卷积处理，这些区域经过5 × 8 × 4稀疏神经网络处理。模拟(d）和实验导电性（e30个epochs的双层稀疏神经网络的权重。f模拟（红色）和实验（蓝色）在30个周期内的识别率结果。g此稀疏神经网络与全连接神经网络在识别率、损失、设备使用和编程能量方面的一次操作的比较。误差条表示标准偏差。

通过复制上述神经电路，形状识别硬件（图S）14)也是由SFG阵列构建的。一个工作在光伏二极管模式下的阵列采用方向卷积核（OCK）光电响应配置，并被重复使用来收集五个点的光电压，模仿视网膜-LGN。类似视觉皮层V1-V2-V4-IT的工作方式，另外三个工作在双极晶体管模式下的阵列构建了一个两层稀疏神经网络用于形状识别。这个神经网络依次执行第一层矩阵乘法、激活和第二层的操作（补充说明 ）3).

定向选择器的CSRF OCK通过SFG阵列的光响应分布进行配置，在选定的方向上表现出正光响应，而在其他点则表现为负光响应（图。）3b为了测试OCK的方向选择性效果，使用一个50×50像素的正十六边形作为入射光图案，并与不同的OCK逐像素卷积以获得短路光电流分布。在相应方向上由OCK编码的最大值被产生作为验证依据。根据视觉通路的抽象处理流程，在仿真和实验中验证了形状识别（图.）。3C光线照亮了直角三角形的光掩模（图S）1），并量化传输的光图案为15×15像素大小作为光掩模输入。使用通过添加标准差为0.8的高斯噪声扩充的1600个样本作为数据库（图S）15a），每个样本被划分为五个区域（每个区域大小为5×5像素），这些区域与OCK进行卷积运算。在实验中，通过移动掩模的位置来调整这五个区域的光输入状态（图S）。1结果经过前向计算，激活（图S）15f)，并通过一个5×8×4的双层稀疏神经网络利用反向传播更新权重。仿真（图。3D）和实验（图。3e权重记录了30个时期。硬件传导权重精度量化为64级（图S）15b经过训练，通过模拟和实验获得的三角形识别率均高于95%（图。）3f尽管受神经元连接稀疏性启发的稀疏神经网络与全连接网络相比在识别准确性上略有下降，但它通过将每操作的能量消耗从约2.3纳焦耳减少到0.9纳焦耳（减少了大约61.1%），显著降低了设备使用和编程能耗。3G附录说明 请注意，原文可能缺少具体需要翻译的内容，上述翻译仅针对给出的部分。若“Supplementary Note”在特定上下文中指代具体的说明或补充材料，请根据实际语境提供更多信息以便更准确地翻译。1).

运动跟踪

人视觉系统的M通路基于Barlow–Levick模型实现运动追踪。⁴⁶如图所示fig. 注意：这里的"as illustrated in Fig."是标准的英文写作中引用图表的方式，直接翻译为“如图所示”更为自然。如果有具体的图号（例如Fig. 1），建议保留，并在中文中也明确指出图号，如“如图1所示”。由于原文没有提供具体图号或其他细节信息，“fig.”被直接保留。4a光线依次刺激不同位置的感光受体，并根据轴突长度依赖性的信号传输延迟在不同的时间尺度上将信号传递到轴突末端。视网膜和视觉皮层中的基于CSRF的方向选择器仅对与给定运动方向平行的运动刺激产生信号叠加和激活。高级视觉皮层接收前一级信息并控制眼球运动以跟踪移动物体。

a人视觉系统方向选择器和运动跟踪原理图：基于中心环绕感受野（CSRF）的方向选择器及其不同长度的轴突连接，以及大脑皮层通过处理先前的视觉信息来控制眼球运动。示意图经引用文献许可改编。^44,46. Δt：轴突的传输延迟；BC双极细胞，RGC视网膜节细胞，S/C中心周围，DS方向选择器。左侧的灰色阴影展示了基于延迟机制的中心-周围（用棕色阴影标记）方向选择器原理。右侧的灰色阴影强调了视网膜、丘脑和皮层中的DS。b光伏电压的方向选择器工作流程图V_ph作为输入，转换成前端设备数组V_dl通过延迟模块，和输出电压V_出去由多个输入的与门总结表示。c测试结果如下：V_ph, V_dl，和 V_出局在光刺激以每秒20像素的速度上下移动的情况下。d一维双向运动跟踪的工作流图：V_ph作为输入，转换为上下移动信号V_sf通过延迟模块和与门，V_rg移位寄存器的调整用于控制开关晶体管沿光照部位移动。e测试结果如下：V_ph, V_sf，和V_rg在光刺激的上升和下降过程中。f二维平面中使用两个正交布置的一维双向运动跟踪器进行运动跟踪的示意图。带有“HUST”遮罩沿“I”形和“C”形光轨迹顺时针移动。测试结果为V_sf (g), V_rg (h)，以及运动轨迹图(i色条，行动时间。

用于运动跟踪的视觉路径复制硬件（图S）16）使用一个WSe构建而成₂SFG阵列及其相关外设电路，用于根据上述神经回路选择方向和控制眼球位置。SFG阵列模仿视网膜工作，并采用光伏二极管模式。同时，延迟模块、双向移位寄存器和开关晶体管分别复制了轴突的延迟机制、皮层的控制以及眼动机制（补充说明）4).

首先，方向选择器由SFG数组、延迟模块和与门组成。为了模拟生物延迟机制（图。）4b)，SFG阵列中的四行相邻单元（标记为1-4）级联到相关的延时模块Δ中。原文：t₁₋₄ (Δt₁ > Δt₂ > Δt₃ > Δt₄对于给定的方向“向上”（模拟不同长度的轴突），当光刺激出现在阵列的一行时，会产生一个光电流脉冲，并通过TIA转换为光电压。时间光电压（V_ph) 通过相应的延时模块进行延时，以获得对应的时间电压信号 (V_dl然后它们被输入到四输入与门中以获得输出电压（V_出局），确定方向。光线刺激的移动方向“向上”生成一个40毫秒的时间段V_原文：ph从1到4信道的信号。经过延迟过程后，给定方向“向上”的移动产生高电平信号。V_dl四个通道同时输出高电平信号V_出去代表正确方向（图。）4c否则，“向下”的移动方向不能生成四个高级通道信号V_dl同时，因此与门的输出总是低电平，被判断为错误的方向。其次，通过添加开关晶体管阵列和双向移位寄存器作为方向控制器来实现1D双向运动跟踪（图。）4d方向选择器是一个双向选择器的简化版本，它接收V_ph通道1至3数组的方向选择性信号输出V_sf从两个双输入与门来确定移位寄存器的移动方向“上”或“下”。然后输出信号V_rg移位寄存器的切换自动控制开关晶体管的门控并接受V_ph根据光刺激的方向对应数组通道的变化。当光刺激出现时V_ph从2切换到3（1），高级信号V_sf双向选择器的输出被生成以确定方向“向上”（“向下”），并用作双向移位寄存器的移位信号。移位寄存器的输出V_rg）由……控制V_sf以及相关的开关晶体管在光刺激下被选中（图。）4e因此，在M通路中的运动追踪功能在硬件中得到了复制。最后，通过在两个正交方向上添加一维双向运动追踪器，可以在二维平面上进行运动追踪（图。）4f一个水平放置以跟踪“左”和“右”的移动，另一个垂直放置以跟踪“上”和“下”的移动。带有“HUST”图案的标记放在光源和阵列样品之间（图S）。1当面具以每秒20像素的速度沿“I”和“C”的轨迹顺时针移动时，光线刺激会诱导方向选择器产生“下”、“左”、“上”和“右”的输出。V_sf依次（图 Fig.）注意这里的“Fig.”保留不变，因为它是英文中的标准术语，代表“Figure”的缩写，在中文文献中通常也会保留原样。4G移位寄存器输出端口（图。）4小时这两个运动追踪器表示光刺激的位置，与掩模的移动轨迹一致（图）。4i因此，实验设置展示了类似于人类视觉路径的运动跟踪功能。作为原型，该硬件也可以通过精确编程延迟时间来支持高速跟踪任务。

材料准备

约100微米×100微米²WSe₂flake是从块状晶体（来自HQ Graphene）机械剥离的。WSe₂10x10数组中的区域通过电子束光刻（EBL）和使用Ar/SF的反应离子蚀刻（RIE）进行了图案化。₆等离子体。

设备制造

首先，我们在涂有300 nm厚SiO的硅晶圆上准备了底部栅极（具有800 nm间隙）阵列。₂）通过电子束光刻（EBL）和电子束蒸发（EBE）工艺沉积Cr/Au（5 nm/25 nm）衬底。其次，制备一个30 nm厚的Al阻挡层。₂O₃栅氧化物通过原子层沉积（ALD）制备，随后通过EBE沉积5nm厚的Pt作为浮置层。第三步，使用EBL定义浮置栅区域，并用Ar进行反应离子刻蚀（RIE）刻蚀Pt层。接下来，隧穿层为8nm厚的Al₂O₃通过ALD沉积。然后，沉积WSe₂₂阵列使用PDMS（聚二甲基硅氧烷）/PVA（聚乙烯醇）辅助定点转移方法转移到了基底的期望位置。部分源漏Cr/Au（5 nm/70 nm）电极通过EBL和EBE制备。一个50 nm厚的Al₂O₃隔离层通过ALD沉积，并在Al之间形成了通孔₂O₃隔离层和栅极垫通过电子束曝光（EBL）定义，并通过感应耦合等离子体反应离子刻蚀（ICP-RIE）进行刻蚀，使用了BCl₃/Ar等离子体。第二层源漏Cr/Au（5 nm/70 nm）电极的另一部分通过电子束光刻（EBL）和电子束蒸发（EBE）制备。最后，样品被放置在40针芯片夹上并进行了引线键合。

实验设置

实验装置的示意图如图S所示。1一个连续波长（CW）激光器（长江索顿激光，SC–PRO）通过单色仪和由控制器驱动的衰减器调制到特定波长和强度。然后该激光器通过10倍显微镜物镜和受步进电机控制的掩模照射在设备阵列上，以构建不同颜色、强度和形状的动态光信息。在形状识别部分中，掩模由一个遮罩和磨砂玻璃组成，用于生成无序直角三角形光源输入。栅极电压脉冲通过使用波形发生器（National Instruments, PXI–5404）切换的列接地线逐行提供。输出电流信号通过源表（National Instruments, PXIe–4141）测量，或在印刷电路板组件（PCBA）上的跨阻放大器（TIAs）上放大并转换为电压信号。输出电压信号由源表（National Instruments, PXIe–4142）或示波器（Tektronix, TDS2024）记录。使用半导体分析仪（Keysight B1500A）、455/520/637 nm激光二极管和温度控制器（Thorlabs, ITC4020）在Lake Shore探针站上对单个设备进行了基本光电子测量。整个测试在一个大气环境中进行。

作者和 affiliations（机构署名等信息，有时保持原词不变）

1. 武汉光电国家实验室集成 circuits 学院，华中科技大学，中国武汉

   彭竹瑞, 施文豪, 徐朗朗, 黄鑫宇, 李征, 于祥祥, 孟晓寒, 何骁, 吕圣杰, 杨高宸, 苗向水 & 叶磊

2. 香港中文大学电子工程系、材料科学与技术研究中心，中国香港

   雷同

3. 国防科技大学交叉学科学院，中国长沙

   Hao Hao & Tian Jiang

4. 湖北长江存储实验室，武汉，中国

   湘水庙 & 岭叶

贡献

Z. P. 和 L. Y. 概念化了该项目。Z. P. 设计了硬件。Z. P.、L. X.、X. H. 和 Z. L. 制造了硬件。Z. P.、X. Y.、X. M. 和 X. H. 进行了测量。L. X. 和 H. H. 完成了材料的表征。W. S. 修订了论文。L. Y. 和 L. T. 提供了优化数据表达的关键建议。Z. P. 和 L. Y. 撰写了手稿。G. Y.、S. L.、T. J. 和 X. M 监督了项目。所有作者讨论了结果并审阅了手稿。

通讯作者

通信地址为 天江, 湘水庙或者叶磊.

利益冲突

作者声明没有利益冲突。

同行评审信息

自然通讯感谢Young Min Song和匿名审稿人(s)对本文工作的评审。审稿文件可用。

开放访问本文根据知识共享署名4.0国际许可协议发布，该协议允许在任何媒介或格式下使用、分享、改编、分发和复制，前提是您必须为原作者及来源提供适当的署名，链接到知识共享许可协议，并指出对原始作品的任何更改。除非材料本身的版权信息中另有说明，否则本文内的图片或其他第三方材料均受文章的知识共享许可协议约束。如果材料未包含在文章的知识共享许可协议中，而您的预期使用方式又不受法律规定允许或超出了许可范围，则您需要直接从版权所有者处获得授权。要查看此许可证的副本，请访问http://creativecommons.org/licenses/by/4.0/.

重印和许可