Advanced Functional Materials:具有“记忆回溯”功能的全无机钙钛矿纳米光电突触

得益于神经形态计算,尤其是人工神经网络的开发,近年来人工智能蓬勃发展。然而,当前的人工智能仍然基于传统的冯·诺依曼计算机,每次计算往往伴随着巨量的能源消耗,同时随着数据量爆炸增长,冯·诺依曼计算机已经越来越难以支撑神经形态计算所需的巨大算力。因此,构筑全新的计算架构对于推动神经形态计算乃至人工智能的发展尤为重要。人脑的神经信息活动具有卓越的特性,例如大规模并行,分布式存储和处理,自组织,自学习以及低功耗。生物学研究表明,人脑的这些出色功能主要得益于神经系统中具有计算和存储功能的生物突触。基于神经突触器件构筑新颖的计算架构来实现神经形态计算被认为是一条极具潜力的道路。近年来,基于神经突触器件以实现神经形态计算的研究受到了学术界广泛的关注,各种类型的神经突触器件不断被开发,这种全新计算架构的优越性也被逐渐论证。

视觉感知是人类获取超过80%外部信息的方式,通过突触存储视觉信号,并进行神经形态计算具有重要意义。近日,福州大学物理与信息工程学院的李福山课题组设计并制备了一种基于全无机钙钛矿纳米片的光电突触器件,耦合了光传感和突触可塑性功能,实现了光电输入信号的智能化处理。器件成功模拟了典型的生物突触功能,如成对脉冲促进(PPF),短期可塑性(STP),长期可塑性(LTP),短期记忆(STM)与长期记忆(LTM)之间的转换等。重点研究了光电刺激协同作用下的器件响应,以此来模拟人类的“经验-学习行为”。更重要的是,研究者以小规模突触阵列演示了独特的“记忆回溯”功能,即使经过“遗忘”处理,该功能也可以挖掘出前期所记忆的信息。这个功能有助于获取时间维度上的光电信息,助益于未来光电神经形态计算的开发。根据这些结果,基于全无机钙钛矿纳米片的光电突触器件在人工智能领域,尤其是与视觉相关的人工智能领域具有良好的应用潜力。

研究者相信,这项工作将进一步引发学术界关于智能钙钛矿光电突触器件的研究,为器件层面实现神经形态计算提供新的思路。相关结果以“Optoelectronic Perovskite Synapses for Neuromorphic Computing”为题发表在期刊Advanced Functional Materials (DOI: 10.1002/adfm.201908901)上。