用于神经形态计算的具有超高识别率的有机异质结突触器件

 背景介绍

传统的冯·诺依曼结构存在能耗高、解决与现实世界交互问题的局限性等问题，冯·诺依曼瓶颈限制了其发展。受人脑并行计算的启发，神经形态计算被提出来解决冯·诺依曼瓶颈。并行的神经形态计算结构，可以更好地与自然环境交互，这为从材料和器件到算法和应用程序的整个计算架构提供了创新的机会。

开发可以模拟突触和神经元功能的神经形态器件是实现高效神经形态计算系统的关键因素。目前，忆阻器和铁电器件等各种器件可以很好地模拟突触的功能。同时，为了实现神经形态计算，许多材料已被用于这些突触器件中，如二维材料、钙钛矿、相变材料。然而，这些器件和材料中一些器件的性能可能在重复弯曲后发生退化。有机材料具有较低的杨氏模量、优异的柔韧性以及可拉伸性，使其适用于柔性突触器件。由于这些特性和在可穿戴设备应用中的潜力，有机半导体材料在神经形态计算领域受到了广泛关注。基于有机异质结晶体管的突触器件可以同时实现不同的功能，更好地实现神经形态计算系统。这项工作提出了一种基于C8-BTBT和C10-DNTT有机异质结沟道的柔性神经突触器件，为人工突出的应用提供了可能性。

研究方法

器件在柔性的云母衬底上通过等离子体增强化学气相沉底、原子层沉积、真空热蒸发等的实验方法制备。通过检测器件在电信号以及光信号激下的突触后电流证实该有机异质结神经形态器件可以实现多种突触行为。同时将该器件运用在构建的人工神经网络中实现对图像的识别。

成果简介

该有机异质结神经形态器件能够获得比C8-BTBT或C10-DNTT单沟道晶体管更高的开关比，并且其存储窗口可以达到22.5V。该器件可以在电脉冲和光脉冲的调制下实现EPSC、IPSC、PPF、STM到LTM的转变以及LTP/LTD等突触行为。同时，该器件可以在光电双重调制下实现LTP/LTD的突触行为。此外，该器件被用于构建的人工神经网络，在没有噪声的情况下，经过1000个训练周期后，识别率接近100%。即使在有50%噪声的情况下，其对图像的识别率也可以达到60%以上。

图文导读

在电脉冲信号的调制下该有机异质结神经形态器件能够实现各种突触行为并且在不同弯折半径以及反复多次弯折后其电学性能没有明显的变化并且仍能实现LTP/LTD的突触行为。除此之外该器件能够在光电双调制下实现LTP/LTD过程。在构建的人工神经网络中通过多次训练后该器件能够在未施加噪声的情况下图像识别率接近100%，在施加噪声后识别率会有所下降但是在50%噪声的情况下图像的识别率仍能达到60%以上。这证明了该器件具有良好的突触功能，在神经形态计算领域具有应用潜力。

文章信息

Hu X, Meng J, Feng T, et al. Organic heterojunction synaptic device with ultra high recognition rate for neuromorphic computing. Nano Research, 2024.