基于多光谱光调制双向突触电路的大面积像素化光电神经形态器件

       仿生神经网络计算具有广范的应用前景，可以处理海量信息，用于智能任务等，比如基于深度学习的图像、声音、生物识别，以及机器人应用的人工感知系统。然而，基于传统冯·诺依曼架构的人工神经网络技术在实现高效节能的智能计算系统时必然存在局限性，这主要是由于核心计算处理器与存储单元的物理分离，而且它的串行处理架构与人脑中大量的并行信号处理有根本的不同。为了克服这些障碍，人们正在积极研究能够实现神经和突触功能的神经形态芯片。特别是基于互补金属氧化物半导体(CMOS)技术的仿生固态神经元已经被报道。同时，随着硅基半导体技术的规模缩小到纳米级，由于单个器件中带电载流子与电磁力之间的干扰或相互作用，摩尔定律的应用将达到极限。光电突触器件(OSDs)作为解决这一问题的一种可行办法，以光作为数据信号被认为是实现高密度集成、低功耗、高带宽、低串扰的下一代计算系统的有效途径。

       近日，来自韩国成均馆大学Yong-Hoon Kim和韩国中央大学的Sung Kyu Park研究团队提出了一种基于金属硫系/金属氧化物异质结构光电晶体管和光电分压器的全光驱动可扩展光电神经形态电路。为了实现波长选择性神经运算和基于硬件的模式识别，采用多光谱光调制双向突触电路作为单个像素，实现高精度、大面积的神经形态计算系统。异质结构界面光产生电荷的波长选择性控制使双向突触调制行为包括兴奋性和抑制性调制。更重要的是，一个7 × 7的神经形态像素电路阵列证明了实现高精度基于硬件的模式训练的可行性。在像素训练和模式识别仿真中，具有双向突触调制的神经形态电路阵列训练误差小，识别率高(高达97.65%)。相关研究工作发表在《Advanced Materials》上。（周玉宇）

       文章链接：DOI: 10.1002/adma.202105017