隨著物聯網、人工智能和大數據等領域的不斷髮展，對複雜信息的處理和存儲提出了新的挑戰。在傳統的馮·諾依曼計算機中，數據在處理器和存儲器之間不斷傳輸，這需要消耗大量能量，並限制了計算機的運行速度。模擬人腦處理信息的方式，開發神經形態計算，是突破馮·諾依曼瓶頸，實現高效運算的潛在途徑。相比於電學信號，光學信號具有低串擾，高帶寬，高傳輸速度等優勢，並且光電神經突觸器件可以感知外界光線的變化，模擬人類視覺功能。構築新型光電神經突觸器件將有力促進高效能神經形態計算的發展。
中國科學院北京納米能源與系統研究所潘曹峰團隊綜述了近期光電神經突觸器件的發展現狀，梳理歸納了此類器件結構設計，工作機制以及在人工視覺系統領域的應用。光電神經突觸器件從電學突觸器件發展而來，利用光電半導體材料作為有源層，依賴對光生載流子的輸運和複合過程的調製實現突觸特性。從器件結構角度可以分為兩端器件，三端器件以及與電學神經突觸器件集成的系統。目前，主要依靠三種機制實現其突觸特性，包括依賴缺陷態或異質結實現對光生載流子捕獲和釋放過程的調控，光誘導的價態轉變機制以及氧化物半導體中的持續光電導效應。光電神經突觸器件集成了信號傳感和運算功能，通過構建突觸網絡可以實現對人類視覺的模擬。利用器件的短程和長程可塑性已經實現圖像的識別和存儲。更重要的是，光電神經突觸器件集成有圖像預處理功能，可以精簡冗餘數據並降低系統功耗，實現圖像實時識別以及動態特徵捕捉，這對無人駕駛、工業製造等領域具有重要的意義。此外，作者還對光電神經突觸器件目前所面臨的問題和挑戰進行了簡單評述，包括光電突觸器件評價標準的建立，光抑制型突觸器件的製備，以及複雜學習記憶功能的模擬等方面。
光電神經突觸器件為人工神經網絡提供了重要的硬件基礎。相信隨著對材料科學、信息科學、神經科學等相關領域的深入研究，新型光電神經突觸器件的發展將為實現高效能神經形態計算帶來新的契機。相關論文在線發表在Small Structures (DOI:10.1002/sstr.202000029)上。
來源：materialsviewschina
閱讀更多 產業前沿 的文章
