近日，中国科学院苏州纳米所姚建、王琦男和张勇的研究成果以「Ultra-low power carbon nanotube/porphyrin synaptic arrays for persistent photoconductivity and neuromorphic computing」为题发表在Nature Communications上。中国科学院苏州纳米所博士生姚建，博士后王琦男和张勇为论文共同第一作者。西交利物浦大学赵春教授和中国科学院苏州纳米所康黎星研究员、李清文研究员为共同通讯作者。
近年来，模仿人类视网膜功能的光电器件在神经形态计算领域引起了广泛关注。这些器件具备更高的信息处理能力和更低的能耗。神经形态器件旨在整合感知、存储和计算，为基于冯·诺依曼架构的高延迟和高功耗计算与存储提供理想的替代方案。然而，实现这一目标仍面临多重挑战，其中关键问题之一是将光信号转换为非易失性电信号以进行存储。在材料层面，这一转换现象被称为持久光电导（PPC）。持久光电导在模拟光刺激下神经突触行为的神经形态器件中发挥着至关重要的作用，是实现高效、低能耗神经形态器件的关键因素之一。然而，开发具有宽温度范围和超低功耗的持久光电导仍然是神经形态计算领域内的重大挑战。之前的研究通常需要额外的栅极电压和较低的温度才能实现持久光电导，这不仅增加了能量消耗，也限制了持久光电导在更广泛温度范围内的应用。
针对上述问题，中国科学院苏州纳米所康黎星研究员团队使用锌（II）-内消旋四苯基卟啉（ZnTPP）和单壁碳纳米管（SWCNT）制造了一个简单的异质结。通过利用异质结界面处的强结合能和独特的能带结构，异质结在极宽的温度范围（77 K–400 K）内实现了PPC。值得注意的是，它具有长达 2×10⁴ s 的非易失性存储能力，无需额外的栅极电压和低温条件。每个突触事件的最低能量消耗低至 6.5 aJ。此外，研究者还成功地证明了利用这种异质结制造柔性晶圆级阵列的可行性，并将其应用于极端温度下的自动驾驶，取得了高达 94.5% 的准确率。这种可调且稳定的 PPC 功能为超低功耗神经形态计算带来了新的解决方案。
图1 晶圆级突触阵列的设计和制造
图2 SWCNT/ZnTPP 光电晶体管的可重构编程能力和突触特性
图3 不同温度下自动驾驶的仿真模拟
中国科学院苏州纳米所博士生姚建，博士后王琦男和张勇为论文共同第一作者。西交利物浦大学赵春教授和中国科学院苏州纳米所康黎星研究员、李清文研究员为共同通讯作者。
该研究获得了国家自然科学基金、江苏省重点研发计划等项目的支持，以及中国科学院苏州纳米所纳米真空互联实验站和纳米加工平台的技术支持。
论文链接：
https://doi.org/10.1038/s41467-024-50490-y
