Advanced Functional Materials:具有多种突触可塑性的双模式光电神经突触器件

由于基于传统的冯·诺依曼架构的计算的发展面临着高功耗等瓶颈问题,新型计算如神经形态计算正受到人们越来越多的关注。在生物神经系统中,信号的传递都是通过神经突触实现的,因此模拟生物神经突触的神经突触器件成为了发展神经形态计算所必需的核心器件。生物神经系统中的信号主要是电信号,所以早期的研究人员主要研究电刺激-电输出的电子神经突触器件。然而,光电集成特别是硅基光电集成的发展表明,神经形态计算将来若能建立在光电集成的人工神经网络之上,其性能将比只依赖于电集成的更加卓越。这导致近年来研究人员考虑到将光引入神经突触器件中,制备光电神经突触器件,进而构建光电集成的人工神经网络。目前的光电神经突触器件一般具有两端或三端结构和一种特定突触可塑性。两端光电神经突触器件结构简单,便于高密度集成。而三端光电神经突触器件能够通过调节多个输入端来实现复杂的功能。因此,如果一个光电神经突触器件能够整合以上两种器件的优势,那么光电集成的人工神经网络将大为简化,并且能模拟复杂的生物神经网络的功能。

近日,浙江大学硅材料国家重点实验室杨德仁院士团队的皮孝东教授研究组利用典型的低维硅材料硅纳米晶体(Si NCs)与有机半导体材料有机聚(3-己基噻吩)(P3HT)构建了异质结构,基于该异质结构对光生载流子的调控,制备出了具有多种突触可塑性的双模式光电神经突触器件。

当器件在三端晶体管工作模式时,该器件展现出具有光波长选择性的长程可塑性,即对连续紫外光(375 nm)刺激的响应越来越弱,呈现出抑制(Depression)效应;而对连续可见光(532 nm)刺激的响应却逐渐增大,呈现出增强(Potentiation)效应。以具有光波长选择性的长程可塑性为权重更新策略而构建的接受光刺激的人工神经网络,能用于美国国家标准与技术研究所(MNIST)手写数字数据集的分类,只需要50次训练循环就可以达到90.4%的准确率。

当器件转换为两端金属-氧化物-半导体(MOS)工作模式时,随着光刺激频率的增大,器件展现了抑制到增强的转变,实现了尖峰频率可塑性(SRDP)。器件的SRDP曲线随着经历过的历史活动的变化而移动,表现出再可塑性(Metaplasticity)。该再可塑性可以用于模拟图像边缘检测。

本文第一作者为浙江大学材料科学与工程学院,硅材料国家重点实验室博士生王越,皮孝东教授为论文通讯作者。以上工作得到国家自然科学基金和国家重点研发计划项目等项目资助。

论文信息:

Dual-Modal Optoelectronic Synaptic Devices with Versatile Synaptic Plasticity

Yue Wang, Yiyue Zhu, Yayao Li, Yiqiang Zhang, Deren Yang, Xiaodong Pi*

Advanced Functional Materials

DOI: 10.1002/adfm.202107973

原文链接:https://onlinelibrary.wiley.com/doi/10.1002/adfm.202107973