全碳異質結“光學神經元器件”

神經形態計算機—即模擬生物大腦制造出的芯片，在處理直覺信息和非結構化信息方面具有傳統的馮·諾依曼計算機架構無法比擬的優勢。人腦中有數以億計的神經元，不同的神經元之間又通過突觸連接，在這張龐大的神經網絡中，突觸作為網絡的“結點”扮演著最為重要的角色。作為類腦芯片的基礎，類突觸器件近年來獲得了廣泛關注并成為了該領域研究的焦點。然而，基于電激勵方式的傳統人工突觸器件的數據采集和神經元運算是分離的，同時多數突觸器件由于其耦合因子固定，導致其突觸權重不易調控，這與生物體中突觸的可塑性具有明顯差異。這些因素制約了類腦芯片向更高維度智能的實現。

圖1 光子神經元網絡概念示意圖

光子作為信息處理的載體，具有高速度、低功耗、優異并行性等優點，在光纖通信和光量子通信中已經廣泛使用。本世紀初，將光子引入神經網絡的嘗試就已經開始（光子神經元計劃，2008年）。近年來，隨著人工智能的發展，智能化芯片對視覺信號的感知和處理需求逐漸凸顯。能夠對光學激勵信號進行神經形態處理的基本單元– “光學突觸” （photonic synapses），是構建集成化光子神經網絡體系的一個不可或缺的重要支撐。

近期，南京大學電子科學與工程學院王楓秋教授課題組及研究團隊利用2D石墨烯和1D碳納米管構成的全碳異質結薄膜，成功實現了光激勵的新穎類突觸器件。該新穎光學突觸器件，能夠直接將光信號轉變成“神經形態”電信號進行神經元運算，實現了突觸功能的短時程可塑性，并利用背柵作為神經調節器，實現了突觸權重的連續靈活調控。其次，通過柵壓的調控實現了長時程可塑性的模擬，這使得類突觸器件的學習和記憶功能仿生更加靈活。該類突觸器件還具有時空相關的二維信號處理、并行運算功能，為實現更為復雜和模糊化的神經計算提供了一種技術途徑。特別是，器件能夠實現對多通道光激勵信號的邏輯運算（與／非／或非等操作）。以上功能使得該器件能夠有效模擬人的視覺神經系統（兼具感光功能和光信號處理的一個復雜的神經計算體系）。

圖2 石墨烯/碳納米管異質結構類突觸器件的短時程和長時程物理機制及測試結果，通過背柵調制終端可調制類突觸器件的可塑性

該工作以“A light-stimulated synaptic device based on graphene hybrid phototransistor”為題于2017年8月2日在線發表在二維材料研究領域知名期刊2D Materials(DOI: 10.1088/2053-1583/aa805e)。南京大學電子科學與工程學院博士生秦書超和王楓秋教授為論文的共同第一作者，王楓秋教授、王肖沐教授和張榮教授為該論文的共同通訊作者。相關工作得到了萬青教授、王欣然教授、徐永兵教授以及施毅教授的有力支持。本工作以南京大學電子科學與工程學院、人工微結構科學與技術協同創新中心為主要研究平臺，受到科技部、國家自然科學基金委、“青年千人計劃”、“江蘇省雙創團隊計劃”等項目的資助。

論文鏈接：A light-stimulated synaptic device based on graphene hybrid phototransistor（2D Materials 4, 035022 (2017),DOI: 10.1088/2053-1583/aa805e）

本文由秦書超博士投稿，材料人編輯部Allen整理。

材料牛網專注于跟蹤材料領域科技及行業進展，這里匯集了各大高校碩博生、一線科研人員以及行業從業者，如果您對于跟蹤材料領域科技進展，解讀高水平文章或是評述行業有興趣，點我加入編輯部大家庭。

歡迎大家到材料人宣傳科技成果并對文獻進行深入解讀，投稿郵箱tougao@cailiaoren.com。

投稿以及內容合作可加編輯微信：xiaofire-18，吳玫，我們會拉各位老師加入專家群。

儀器設備、試劑耗材、材料測試、數據分析，找材料人、上測試谷！