研究背景
随着物联网（IoT）的快速发展，数据生成的规模迅速增长，边缘计算逐渐成为研究热点。边缘计算将计算从中心数据中心转移到网络边缘，可以有效减少带宽需求、提高响应速度并降低功耗。然而，边缘设备在实现深度神经网络（DNN）时面临计算资源有限和功耗过高等挑战。这些限制使得在边缘环境中部署复杂的机器学习模型变得困难，尤其是在实时处理和响应的应用中。
为了解决这些问题，模糊逻辑系统（FLS）因其能够处理不确定信息的能力和简单的规则表示而受到关注。FLS能够灵活适应环境变化，并在工业控制、健康监测和非线性建模等领域得到了广泛应用。然而，现有模糊逻辑系统的硬件实现仍然面临着可重构隶属函数生成器（MFG）复杂度高和功耗大的问题。这一限制阻碍了FLS在智能网络中的广泛应用。
鉴于此，为了解决这些问题，美国南加利福尼亚大学（University of Southern California）Hefei Liu, Jiahui Ma等，中国科学院半导体所Jiangbin Wu等，美国西北大学Mark C. Hersam，香港大学Han Wang等携手在“Nature Electronics”期刊上发表了题为“A van der Waals interfacial junction transistor for reconfigurable fuzzy logic hardware”的最新论文。研究人员提出了一种基于多栅范德华界面结晶体管（vdW-IJT）的可重构MFG，这种器件由二硫化钼（MoS₂）/石墨烯异质结构组成，能够生成可调的高斯型和π型隶属函数。通过将这一生成器与外围电路集成，研究者成功创建了一个可用于非线性系统控制的模糊控制器硬件。这项研究不仅展示了模糊逻辑系统在边缘计算中的潜力，还通过将其与卷积神经网络结合，形成了模糊神经网络（FNN），在图像分割任务中显著提高了性能，特别是在处理小而重要对象的边界识别时。
研究亮点
1. 实验首次提出一种基于多栅范德华界面结晶体管的可重构隶属函数生成器（MFG），实现了对高斯型和π型隶属函数的可调生成。该生成器利用二硫化钼（MoS₂）/石墨烯异质结构，借助电荷转移效应有效调节通道中的掺杂水平，从而实现对隶属函数形状和参数的精确控制。
2. 实验通过将该MFG与CMOS电路集成，构建了一个完整的模糊逻辑系统硬件。该系统作为模糊比例积分微分（PID）控制器运行，能够生成适应不同控制需求的非线性控制曲面，展示出良好的可重构性和灵活性。
3. 结合深度学习，研究还将该模糊逻辑系统与三层卷积神经网络（CNN）相结合，形成了一种模糊神经网络（FNN），显著提升了图像分割性能。通过模糊模块的引入，该系统在处理小而关键对象的边界时表现出更高的准确性。
4. 实验结果显示，与传统的没有模糊层的CNN相比，FNN能够更有效地识别和勾画图像中的重要对象边界，为边缘计算中的图像处理任务提供了新的思路和解决方案。
图文解读
图1: 范德华van der Waals 界面结式晶体管interfacial junction transistor，vdW-IJT器件结构、PL光谱和电学特性。
图2:多栅极vdW-IJT器件结构和高度可调的电学特性。
图3:模糊PID控制器的硬件实现。
图4: 用于图像分割的模糊神经网络fuzzy neural network，FNN。
图5:传统CMOS方法之间的可重构隶属函数生成器membership function generator，MFG比较。
【科学启迪】
本文基于范德华异质结的横向接面晶体管（vdW-IJT）展现出的电流放大和分流特性，表明了低维材料在器件中的优越性能。集成模糊逻辑系统（FLS）与vdW-IJT的创新设计展示了非线性控制在复杂环境中的应用潜力。这一跨学科的结合不仅提升了控制系统的适应性，也为边缘计算和人工智能的发展提供了新的思路，推动了智能设备的普及。最后，本文通过多种表征手段深入解析了vdW-IJT的微观机理，为后续研究提供了扎实的理论基础。这种系统化的研究方法鼓励科学家在未来的工作中，继续采用多维度的实验与理论结合，推动新材料的开发和应用。
原文详情：
Liu, H., Wu, J., Ma, J. et al. A van der Waals interfacial junction transistor for reconfigurable fuzzy logic hardware. Nat Electron (2024). https://doi.org/10.1038/s41928-024-01256-3
学术QQ交流群
（加群方式：请备注：姓名-单位-研究方向)
(无备注请恕不通过，由管理员审核后入群）
功能器件群-2：176356631
