Publication

Event-Driven Spike Encoding via Asymmetric Schottky Junction Photodiodes for Bioinspired Vision Systems

2026

Résumé

Conventional frame-based vision systems inevitably generate large amounts of redundant data owing to the continuous capture of absolute light intensity. Here, we present a bioinspired vision system that converts dynamic self-powered photocurrents into sparse event-driven spikes using MoS2-based Schottky photodiodes with asymmetric electrodes integrated with a dual-branch differential circuit. These self-powered devices exhibit a high rectification ratio (>105), fast response time (

Source officielle

https://infoscience.epfl.ch/entities/publication/71e1b166-f98b-4d84-8cb4-52990eaa3332

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

2026

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/71e1b166-f98b-4d84-8cb4-52990eaa3332

À propos de ce résultat

Concepts associés (32)

Types of artificial neural networks

There are many types of artificial neural networks (ANN). Artificial neural networks are computational models inspired by biological neural networks, and are used to approximate functions that are generally unknown. Particularly, they are inspired by the behaviour of neurons and the electrical signals they convey between input (such as from the eyes or nerve endings in the hand), processing, and output from the brain (such as reacting to light, touch, or heat). The way neurons semantically communicate is an area of ongoing research.

Codage neuronal

Le codage neuronal désigne, en neurosciences, la relation hypothétique entre le stimulus et les réponses neuronales individuelles ou globales. C'est une théorie sur l'activité électrique du système nerveux, selon laquelle les informations, par exemple sensorielles, numériques ou analogiques, sont représentées dans le cerveau par des réseaux de neurones. Le codage neuronal est lié aux concepts du souvenir, de l'association et de la mémoire sensorielle.

Réseau de neurones à impulsions

Les réseaux de neurones à impulsions (SNNs : Spiking Neural Networks, en anglais) sont un raffinement des réseaux de neurones artificiels (ANNs : Artificial Neural Networks, en anglais) où l’échange entre neurones repose sur l’intégration des impulsions et la redescente de l’activation, à l’instar des neurones naturels. L’encodage est donc temporel et binaire. Le caractère binaire pose une difficulté de continuité au sens mathématique (cela empêche notamment l’utilisation des techniques de rétropropagation des coefficients - telle que la descente de gradient - utilisées classiquement dans les méthodes d'apprentissage).

Afficher plus

Publications associées (32)

Afficher plus

Event-Driven Spike Encoding via Asymmetric Schottky Junction Photodiodes for Bioinspired Vision Systems

Chattez avec Graph Search

Leveraging neural, muscular, and kinematic signals to enable augmented motor control without interfering with concurrent functions

Inference in spreading processes with neural-network priors

Thinking of Neural Networks like a Physicist: the Statistical Physics of Machine Learning