近日，南边科技年夜学深港微电子学院在洪宇、王中锐传授课题组于氮化镓感算一体器件和体系范畴取患上新进展，两边互助于学术期刊Device上发布研究类论文。

物联网（IoT）及人工智能（AI）的快速鼓起，促进了智能边沿传感生态体系的成长。此中，智能气体传感器遭到了极年夜存眷，并于情况监测、工业安全及医疗信息学等多种运用范畴揭示出巨年夜的潜力，智能气体传感器被指望具有能源效率高、小型化及计较友爱等特征，以满意智能边沿传感生态体系的需求。然而，传统的智能气体传感体系因为传感器准静态特征、处置惩罚器及内存的物理分散以和繁琐的练习算法，面对着硬件及软件的两重挑战。

于硬件方面，传统的智能气体传感体系是准静态的，缺少提取繁杂气体模式的空间或者时间特性的能力。是以，需要将气体传感器毗连到后端数字计较机举行旌旗灯号处置惩罚。因为传感、内存及处置惩罚组件之间的物理分散，这类要领不成防止地会因频仍的模数转换及数据传输而致使显著的能量及时间开消。此外，传统的气体传感机制依靠在基在电荷载流子互换及气体传感质料外貌传输的物理吸赞同化学反映，这需要较年夜的器件面积开消，于边沿体系的小型化运用方面存于挑战。于软件方面，使用梯度降落及偏差反向流传的传统及时进修要领于计较资源有限的智能边沿传感体系上是难以蒙受的。

图1. 基在GaN器件的智能气体传感体系。

针对于这些挑战问题，在洪宇、王中锐课题组经由过程器件-算法协同设计，立异性地使用GaN器件的衰减影象特征及栅极电压可调性联合储池计较，互助开发了基在GaN器件的智能气体传感体系（图1）。于硬件方面，采用基在GaN的高电子迁徙率晶体管（HEMTs）作为气体传感器，基在GaN气体传感器对于空间/时间气体模式体现出非线性动态相应并提取其特性，并经由过程调治传感器的栅极偏压来从头配置这类非线性，从而顺应差别的气体动态。此外，GaN HEMTs不仅可以作为气体传感器，还有可以作为旌旗灯号处置惩罚器及存储单位，这类传感器内（in-sensor）计较削减了频仍的模数转换需求，并防止了传感器、处置惩罚器及内存之间的物理分散，有益在提高体系效率、降低能耗。经由过程邦畿结构优化，可以将器件尺寸缩微至几个微米，削减边沿体系的占用空间。于算法方面，咱们采用储池计较（reservoir computing-RC）举行繁杂气体模式的及时边沿进修。RC体系包括一个由GaN HEMTs物理实现的贮备层，而只需要优化一个轻量级的单层读出映照，显著降低了练习繁杂。使用具备差别动态相应的多个GaN HEMTs来编码不异的时序气体模式，提高了RC体系的辨认能力，可以或许顺应差别气体前提下的多种使命。

于此事情中，团队试验性地展示了这类用在智能气体传感的传感器内贮备计较（RC）体系。所制备的GaN HEMTs器件于广泛的温度规模内体现出对于气体的靠得住电气相应及栅极电压可调的动态特征（图2）。随后，团队使用这些特征开发了一种基在GaN HEMTs的储池计较（RC）体系，用在进修繁杂的气体模式，并于两个示例中展示了其运用能力：气体MNIST模式分类辨认及年夜鼠缺血再灌注毁伤诊断（图3）。归功在GaN器件的栅极可调非线性动态相应，RC体系别离实现了92.33%及89.28%的正确率，优在不具有栅极可调非线性动态相应的体系（91.28%及71.42%）。此外，与两层全毗连神经收集比拟，该体系显著降低了99.84%及99.58%的练习成本。为了将所提出的要领扩大到更现实的运用中，咱们还有举行了繁杂气体混淆物辨认，并于总结了需要时间气体模式分类的潜于现实运用。

图2. GaN HEMTs器件的气体相应特征表征。

基在GaN HEMTs的传感器内RC体系不仅于低练习繁杂度及高能效的环境下实现了高精度分类，还有凸起了栅极电压可调动态相应对于体系进修机能的益处。与其他智能气体传感体系的比力，所提出的要领的重要长处包括：1.初次实现了用在时序气体旌旗灯号分类的in-sensor RC体系；2.使用栅极电压调制动态显著提高了机能；3.器件相应时间快（ 4s）且功耗低（~350nW）。这些发明为开发用在将来物联网运用的智能、高效及及时进修的气体传感器提供了有用的解决方案。

图3. GaN HEMTs储池计较（RC）体系运用：MNIST模式分类及缺血再灌注毁伤诊断。

该结果以 “In-sensor Reservoir Computing for Gas Pattern Recognition using Pt-AlGaN/GaN HEMTs” 为题发表在《Device》。中国香港年夜学拜候博士生蒋洋及南科年夜-港年夜结合造就博士生史书慧为论文配合第一作者，南边科技年夜学在洪宇传授、汪青研究传授、王中锐副传授为论文配合通信作者。研究事情获得国度天然科学基金、广东省、深圳市、中国香港基金撑持。

在洪宇课题组先容：

在洪宇传授，南边科技年夜学深港电子学院院长，国度青年特聘专家、广东省科技立异领甲士才，享受深圳市当局非凡津贴，英国工程技能学会会士(Fellow of IET)。重要研究第三/四代半导体等电子信息范畴，于半导体器件物理和制造范畴累计发表学术论文450余篇，此中SCI 论文200 余篇，包括IEDM、VLSI、EDL、APL等一流电子器件集会和期刊，总他引次数5900余次，H 影响因子为46。申请/授权21 项美国/欧洲专利以和80余项海内专利，此中近30项专利作价近700万举行产学研转化。作为项目卖力人，负担跨越1亿人平易近币国度/省/市/以和横向科研项目（包括新加坡主持项目）。乐成筹建南科年夜深港微电子学院（国度树模性微电子学院）、将来通讯集成电路教诲部工程研究中央、广东省GaN器件工程技能中央、广东省三维集成工程研究中央及深圳市第三代半导体重点试验室。今朝，于南边科技年夜学建有1200平米超净室，具有完备6英寸工艺线，拥有华南地域领先的宽禁带半导体器件及体系的设计/建造/封装/测试平台。

王中锐课题组先容：

王中锐博士，现任南科年夜深港微电子学院长聘副传授，国度优异青年基金（港澳）得到者，Clarivate高被引学者，致力在使用新型忆阻器件及III-V族半导体器件举行具备生物开导性的存内计较及感知计较。重点研究标的目的研究重要集中于基在新型存算架构的呆板进修及类脑计较。通信作者及第一作者论文发表于Nature Review Materials、Nature Materials、Nature Electronics（4篇）及Nature Machine Intelligence（2篇）等期刊，以和DAC, ICCAD, ICCV等集会。论文于Google Scholar上得到了近16,000次援用（h指数为41），并被40多家新闻媒体报导，包括IEEE Spectrum、Scientific American、Science Daily、Phys.org及ACM通信等。王中锐博士是IEEE电子器件学会纳米技能委员会的成员，并担当InfoMat、Materials Today Electronics、Frontiers in Neuroscience及APL Machine Learning等期刊的编纂委员会成员。

论文信息：

In-sensor Reservoir Computing for Gas Pattern Recognition using Pt-AlGaN/GaN HEMTs

Yang Jiang†, Shuhui Shi†, Shaocong Wang, Fangzhou Du, Peiran Wang, Ning Lin, Wennao Li, Yi Zhang, Leiwei He, Robert Sokolovskij, Jiaqi He, Mujun Li, Dingchen Wang, Xi Chen, Qing Wang*, Hongyu Yu*, and Zhongrui Wang* († These authors contributed equally)

Device 3, 100550 (2025)

DOI：10.1016/j.device.2024.100550

论文链接：https://www.cell.com/device/fulltext/S2666-9986(24)00472-1