En el campo de la tecnología, la detección de fotones en el infrarrojo cercano (NIR) y el reconocimiento de objetos son habilidades fundamentales para identificar objetivos en diversas condiciones climáticas. Sin embargo, los sistemas tradicionales de detección NIR, que dependen de fotodetectores y algoritmos de computación, a menudo resultan ineficientes en términos energéticos. En este contexto, un nuevo enfoque que incorpora neuronas sensoriales artificiales se presenta como una solución innovadora.
Un equipo de investigación, encabezado por el Dr. Wang Jiahong del Instituto de Tecnología Avanzada de Shenzhen, ha desarrollado un modelo de neurona sensorial artificial que utiliza una heteroestructura de carburo de vanadio/óxido (V2C/V2O5-x) mediante un proceso de conversión topquímica. Este avance permite una respuesta en el infrarrojo cercano con múltiples colores y un reconocimiento de objetos de alta precisión, incluso en escenarios complejos.
Detalles del avance tecnológico
La investigación se centra en la creación de una heteroestructura de V2C/V2O5-x que combina una interfaz de fusión natural. Este desarrollo se alcanzó mediante un control preciso de la conversión oxidativa suave de V2CTx. La integración de V2C, un material metálico, con V2O5-x, enriquecido en vacantes dieléctricas, otorga a la heteroestructura la capacidad de respuesta NIR y la habilidad de cambiar la resistencia de forma volátil.
Propiedades de la neurona sensorial artificial
El memristor de V2C/V2O5-x muestra características volátiles robustas, con coeficientes de variación de apenas 1.62% y 1.7% para los voltajes de ajuste y reinicio, respectivamente. La tensión umbral de este dispositivo puede ser modulada eficientemente mediante la densidad de potencia y la longitud de onda de la luz NIR. Este comportamiento revela una relación directa entre la longitud de onda y el voltaje de activación, lo que permite un control fotoeléctrico ajustable del memristor a través de la modulación de parámetros fotónicos.
El Dr. Wang explica: «Nuestra programabilidad fotoeléctrica permite la discriminación infrarroja de múltiples colores mediante firmas de voltaje umbral características, lo que facilita la codificación de las distintas respuestas de longitud de onda en la neurona sensorial artificial para el reconocimiento de objetos en el infrarrojo cercano».
Aplicaciones y resultados de la investigación
Gracias a las características modulables del memristor y al uso del modelo de algoritmo YOLOv7, se logró una arquitectura de red neuronal artificial que alcanzó una precisión promedio de reconocimiento del 89.6% para vehículos y del 85.9% para personas utilizando el conjunto de datos FLIR. Estos resultados son no solo prometedores, sino que también abren nuevas posibilidades para el uso de sistemas autónomos y robótica.
Impacto en sistemas autónomos
La investigación indica que este sistema neuromórfico basado en memristores tiene un potencial significativo para mejorar la eficiencia y precisión en la detección y reconocimiento de objetos. Esto podría impactar considerablemente en diversas aplicaciones, como vehículos autónomos, sistemas de vigilancia y entornos inteligentes donde la identificación precisa de objetos es crucial.
A medida que la tecnología avanza, la integración de estas neuronas sensoriales artificiales podría ser un paso importante hacia la creación de sistemas más inteligentes y adaptativos, capaces de operar eficazmente en condiciones desafiantes. Este avance subraya la importancia de la investigación en materiales avanzados y su aplicación en el desarrollo de tecnologías futuras.
