隨著人工智能（AI）的飛速發(fā)展，傳統(tǒng)計(jì)算架構(gòu)面臨著巨大的能效和速度瓶頸 。模仿生物神經(jīng)系統(tǒng)的神經(jīng)形態(tài)計(jì)算，為解決這一挑戰(zhàn)提供了極具前景的方案 。作為神經(jīng)形態(tài)計(jì)算的硬件基礎(chǔ)，人工突觸器件的研發(fā)至關(guān)重要 。2025年7月30日，我院本科生陳秋江作為第一作者，在材料科學(xué)領(lǐng)域國際著名期刊《Materials Today》上發(fā)表了題為“All-optically controlled artificial synaptic device for neural behavior simulation and computer vision”的重要研究成果（https://doi.org/10.1016/j.mattod.2025.07.029）。此前，陳秋江同學(xué)在2024年以第一作者曾在《Journal of Materials Chemistry C》上發(fā)表“Artificial neurosynaptic device based on amorphous oxides for artificial neural network constructing”的論文（https://doi.org/10.1039/d4tc01244e）。上述研究工作均是在葉志鎮(zhèn)院士團(tuán)隊(duì)呂建國副研究員的指導(dǎo)下完成的，陳秋江為第一作者，呂建國為通訊作者。這不僅是學(xué)院在前沿交叉學(xué)科研究中取得的又一重要突破，也集中體現(xiàn)了我院在培養(yǎng)本科生科研創(chuàng)新能力方面的卓越成效。
為擺脫傳統(tǒng)神經(jīng)突觸器件對電學(xué)信號的依賴，研究團(tuán)隊(duì)設(shè)計(jì)了一種非晶ZnSiSnO/SnO基p-n異質(zhì)結(jié)，巧妙地利用了材料對不同波長光子的差異化吸收與響應(yīng)機(jī)制：在635 nm紅光照射下，光生載流子濃度增加，產(chǎn)生興奮性突觸后電流（EPSC），模擬突觸的短程/長程可塑性增強(qiáng)（STP/LTP）；在400 nm藍(lán)光照射下，能量更高的光子促使大量電子跨越異質(zhì)結(jié)勢壘，導(dǎo)致凈電流減小，從而模擬抑制性突觸后電流（IPSC）和突觸的短程/長程抑制（STD/LTD）過程。在這項(xiàng)工作中，利用不同波長的可見光實(shí)現(xiàn)了對突觸行為的興奮性和抑制性雙向調(diào)控，使得突觸權(quán)重的雙向調(diào)制完全在光學(xué)域內(nèi)完成，實(shí)現(xiàn)全光操控，是一種全光控人工突觸器件（圖1a）。
基于上述全光控人工突觸器件，通過構(gòu)建人工神經(jīng)網(wǎng)絡(luò)（ANN），該器件在手寫數(shù)字和服裝圖像識別任務(wù)中分別取得了高達(dá)93.7%和78.3%的識別準(zhǔn)確率。此外，該器件還能執(zhí)行“與”、“或”、“與非”等光學(xué)邏輯運(yùn)算 ，展示了其在構(gòu)建高效、低功耗、高帶寬的新型計(jì)算系統(tǒng)中的潛力。
該全光控人工突觸器件還能高度模擬生物神經(jīng)系統(tǒng)中的多種復(fù)雜行為，比如：展現(xiàn)出類腦的學(xué)習(xí)曲線，初次學(xué)習(xí)（14個脈沖）后遺忘過程耗時12.2秒，而二次學(xué)習(xí)僅需8個脈沖即可恢復(fù)，且記憶保持時間延長至15.7秒，驗(yàn)證了學(xué)習(xí)-遺忘-再學(xué)習(xí)機(jī)制效應(yīng)；通過分別利用藍(lán)光和紅光模擬負(fù)面與正面刺激，模擬疼痛-愉悅（Pain-Pleasure）機(jī)制，復(fù)現(xiàn)了生物體在持續(xù)激勵下的適應(yīng)性學(xué)習(xí)行為，為模擬更高級的類腦情感與決策提供了基礎(chǔ)；在隨機(jī)光噪聲的持續(xù)干擾下，器件的LTP/RESET循環(huán)依然能保持高度穩(wěn)定性，證明了其在非理想環(huán)境下的工作潛力噪聲容忍度。
全光控人工突觸器件還可應(yīng)用于計(jì)算機(jī)視覺領(lǐng)域。研究團(tuán)隊(duì)進(jìn)一步將器件功能與人工智能算法相結(jié)合，研究發(fā)現(xiàn)其對不同頻率光脈沖的響應(yīng)類似于一個高通濾波器，截止頻率為0.89 Hz。利用此特性，可有效提取交通標(biāo)志、車輛、車道線等關(guān)鍵輪廓信息，濾除圖像的背景等低頻信息，實(shí)現(xiàn)對自動駕駛交通場景的邊緣檢測（圖1b）。我們的研究為類腦芯片、光子計(jì)算和人工智能提供了關(guān)鍵材料和技術(shù)。
圖1 (a)生物神經(jīng)系統(tǒng)信號傳遞和ZnSiSnO/SnO基全光控神經(jīng)突觸器件示意圖；
(b)全光控神經(jīng)突觸器件在自動駕駛圖像識別中的應(yīng)用
