本實驗室提出一前瞻顯示技術的AI優化演算法，並運用數位IC之邏輯設計技巧於FPGA開發板上實現，用以提升顯示器畫面品質。在OLED相關顯示技術中，主動矩陣有機發光二極體(AMOLED)被廣泛關注。AMOLED具有輕薄、高對比度、廣視角等優點，使其應用範圍廣泛，如圖一所示。然而，由於TFT和OLED元件隨著操作會逐漸老化，面板將出現烙印(burn-in)現象和不均勻(mura)現象，此外一些諸如溫度、寄生電容、光串擾(crosstalk)等非理想效應，亦會導致顯示畫面品質下降。儘管AMOLED畫素補償電路具有一定的補償功能，但其效果仍有限。因此結合AI技術之外部補償機制成為一展新方向，藉由以實際面板量測之亮度資料訓練後的AI模型，直接預測面板衰減後之亮度，再透過外部IC產生的補償值回饋至畫素電路中，將複雜的非理想效應透過深度學習解決，以提升面板的均勻性，並解決OLED顯示器烙印問題。而為實驗此方法於顯示器上之可行性，透過RTL code於FPGA開發版上之撰寫，實現補償之外部IC，並與面板串接成一完整系統用於成果驗證。

在近年來，高畫面品質之AMOLED顯示器已成為市場上的主流，然而AMOLED畫素補償電路所產生之驅動電流雖能對TFT和OLED特性老化以及元件之間的特性變異進行初步的補償，但補償效果有限，以現行常見的7T1C畫素補償電路(圖二)為例，將會遇到下述幾項問題:

1. TFT出廠時因製程差異而產生電特性變異，使得各畫素之補償效果不同進而使得畫面產生 mura 現象。
2. TFT隨著使用時間的推移而老化產生之臨界電壓飄移，使各畫素承受之偏壓時間、偏壓大小以及溫度的影響不同，使圖像產生 burn-in 現象。
3. OLED隨著使用時間的上升而老化導致之開啟電壓增加以及發光效率下降，將會使得驅動電晶體對於驅動電流的控制能力下降，並造成各個像素點無法達到預期之亮度，使輸出圖像產生 burn-in 現象。

圖2、7T1C畫素補償電路

欲改善上述之問題，本實驗室開發之外部補償演算法描述如下：

1. 建立AMOLED老化實驗與deburn-in的AI補償演算法

為獲取AMOLED面板的老化趨勢，對面板進行分區並施加不同程度的偏壓，以相機進行長時間量測，建立不同灰階下之亮度衰減資料(圖三)。並提出一亮度衰減fitting方程式，與其他常見的亮度預測差異在於除了考慮OLED的老化，同時將TFT的臨界電壓飄移納入考量，使其趨勢可更貼近實際面板。此外，對量測資料進行擬合，以增加所需資料量並減少亮度的量測誤差，再結合所建立之AI模型進行訓練，建立出亮度衰減的預測方法，最後針對預測亮度進行適當的補償，完成deburn-in補償機制，減緩面板的老化問題，提升顯示器的使用壽命。



圖3、AMOLED老化實驗平台



圖4、Neuron Network 架構

2. 建立AMOLED量測平台及demura外部補償機制

透過AMOLED量測平台及相機獲取圖像之亮度資料(圖五)，並採用回歸模型進行分析，為面板因製程差異所引起的mura現象建立外部補償機制。且由於人眼的感受度相對於高灰階，低灰階的變化更為敏感，因此所提出之補償演算法亦針對此點進行修正，將更多資源投注在低灰階誤差的補償修正，以創造更適合人眼體感的顯示器畫面。為驗證補償效果，透過將補償後所推得之校正電壓寫入面板，並重新量測校正後之面板亮度，可發現mura現象有相當幅度的改善，提升畫面均勻性，證明此補償演算法的可行性。



圖5、AMOLED量測平台

3. 以FPGA驗證數位IC外部補償之可行性

所建立之外部補償機制將透過FPGA來實現數位IC的功能，並整合面板之時序控制器(TCON)和資料電壓IC，將補償電壓透過資料電壓IC輸入至畫素電路之驅動電晶體閘極端，以解決面板的mura及burn-in問題。所開發之新式Demura與Deburn-in外部補償機制，將彌補TFT製程先天之缺陷，解決實際應用上所遇到之問題，最終使AMOLED畫素所產生之亮度不受TFT與OLED元件特性變異之影響，從而實現高畫面品質之AMOLED顯示器。



圖6、RTL演算法流程圖