CRPS 综述︱沈国震团队评述光电人工突触器件研究进展

撰文︱李   营

责编︱王思珍

编辑︱杨彬伟

生物神经形态系统对处理信息表现出高度的连通性。光电突触以人脑为灵感，将突触与光学传感功能结合起来，以高效节能的方式实现视觉信息处理和复杂的学习与记忆，有望为克服冯·诺依曼瓶颈铺平道路[1−4]。与已被广泛研究的由电信号调节的神经形态器件相比，光电突触器件具有低串扰、高抗干扰、低功耗等显着特点，更适合超高速计算[5−7]。近年来，多种半导体材料已被用来构建光电突触器件，并且研究人员已制备了不同类型的光电突触器件来模拟突触功能，但光电突触器件的发展仍处于初步阶段。因此，深入了解目前光电突触器件的研究进展并分析现阶段所面临的问题，对其进一步发展具有重要意义。

2022年8月28日，中国科学院半导体研究所/北京理工大学沈国震团队受邀在Cell Reports Physical Science发表了专题综述“Advances in optoelectronic artificial synapses”文章系统总结了现有光刺激人工突触的工作机制，包括氧空位的电离和解离、通过异质结形成的势垒捕获和释放载流子、在半导体和介电层界面捕获和释放载流子以及相变。然后作者全面概述了不同材料体系的进展，包括二维材料、有机材料、金属卤化物和金属氧化物；概述了各种突触器件的现有应用场景。最后文章从材料和器件两方面简要讨论了光电人工突触当前发展的挑战，并提出了可行性途径。第一作者为中科院半导体研究所博士后李营博士，通讯作者为沈国震教授。

第一部分：突触的概念和关键参数

本文首先描述了突触的基本概念和突触在信息传递过程中的关键参数（图1）。该部分描述了在人类神经网络的信息传递中起重要作用的突触可塑性：兴奋性突触后电流（EPSCs）和抑制性突触后电流（IPSCs）。根据突触保留时间的不同，突触可塑性可分为短期可塑性和长期可塑性[8,9]。作者从突触中短期可塑性到长期可塑性转变的几种途径作为切入点，并且介绍了模拟峰值速率依赖性可塑性（SRDP）、尖峰数依赖性可塑性（SNDP）、尖峰强度依赖性可塑性（SADP）对人工突触装置发展的重要作用。

图1 生物突触示意图

（图源：John et al., Adv. Mater.,2018）

第二部分：光电突触的工作原理分类

光电人工突触依赖于光脉冲的电导调制。就材料而言，电导调制通常是由持续光电导（PPC）引起的，PPC是指材料的电阻（或电导）在光照去除后无法恢复到其原始值的现象[10,11]。PPC效应可以由多种机制引起，例如离子迁移、缺陷诱导的载流子俘获或光激发相变等[12−16]。本文系统总结了不同材料体系中光刺激人工突触器件的原理，包括氧空位的电离和解离、通过异质结形成的势垒捕获和释放载流子、在半导体和介电层界面捕获和释放载流子，以及光诱导相变。

第三部分：不同材料体系的光电突触的研究进展

作者详细概括了二维材料、有机材料、金属卤化物和金属氧化物的研究进展，并举例说明了光电人工突触器件的应用场景。利用双光脉冲刺激器件，模拟了双脉冲易化功能[17,18]；通过增加光脉冲数和光脉冲频率以及光强，模拟了短期可塑性到长期可塑性的转变[19,20]；利用光电突触器件的感存能力，实现了对图案的记忆[21,22]；通过创建人工神经形态网络，模拟了对图案的高精度识别能力和物体分类能力[23,24]；通过设计器件结构，模拟了人眼的视觉自适应能力[25]；验证了巴普洛夫的狗的实验[26]；利用器件对不同光照波长和光强度的响应能力，模拟了逻辑运算功能和颜色识别能力[27,28]。

图2 光电突触器件的器件结构和应用

（图源： Li and Shen, Cell Reports Physical Science,2022）

第四部分：总结与展望

最后，该综述也对光电突触器件现有的问题进行了总结并对未来的发展与应用进行了展望。在材料方面，由于大多数材料对光信号的响应较弱，器件需要较大的工作面积，器件尺寸始终在微米级以上，不利于器件集成；另外，大多数金属卤化物及有机材料的稳定性差，不能采用传统光刻法制备器件，使有效面积较大。在器件方面，目前大多数人工突触器件的电导权重变化为非线性且不对称，严重影响了神经形态计算的准确性。另外，电刺激仍然是现有光电突触实现双向权值更新的必要条件，限制了器件的处理速度、带宽和集成密度。除此之外，全光突触器件的发展仍存在难点。对于提高突触权重更新的对称性和线性而言，通过设计混合突触装置，分别使用两种不同的材料选择性地实现光电突触中电导的增强和抑制过程可能增加突触权重更新的对称性和线性。另外，调整半导体材料和突触器件电极之间的介电层的厚度来调节电子和氧空位的迁移速度可能也是一种有效办法。该综述为光电突触的研究提供一个全面的视角，将为光刺激突触器件的发展提供重要线索和启示。

原文链接：https://doi.org/10.1016/j.xcrp.2022.101037基金支持：国家自然科学基金（61888102、61625404），中国博士后科学基金项目（BX2021290、2022M713065）。

通讯作者沈国震教授

（照片提供自北京理工大学柔性电子器件与智造研究所）

实验室及通讯作者简介（上下滑动阅读） 

沈国震，北京理工大学特聘教授，国家杰出青年科学基金获得者。长期从事低维半导体材料及相关柔性电子器件的研究。以第一完成人身份获北京市科学技术二等奖、中国材料研究学会科学技术一等奖等。现任英国皇家化学会会士、中国材料研究学会理事。发表SCI收录论文300余篇，获引用超过2万5千次，H-index为84。

沈国震实验室长期招聘博士后，具体研究领域与申请方式请访问：https://m.x-mol.com/groups/iFlex，欢迎各位有志青年加入。往期文章精选优质科研培训课程推荐会议/论坛预告欢迎加入“逻辑神经科学”【1】人才招聘︱“ 逻辑神经科学 ”诚聘文章解读/撰写岗位 ( 网络兼职, 在线办公)

参考文献（上下滑动阅读） 

[1] Huang, W., Xia, X., Zhu, C., Steichen, P., Quan, W., Mao, W., Yang, J., Chu, L., and Li, X. (2021). Memristive artificial synapses for neuromorphic computing. Nano-Micro Lett. 13, 85.

[2] Hu, Y., Dai, M., Feng, W., Zhang, X., Gao, F., Zhang, S., Tan, B., Zhang, J., Shuai, Y., Fu, Y., and Hu, P. (2021). Ultralow power optical synapses based on MoS2 layers by indium induced surface charge doping for biomimetic eyes. Adv. Mater. 33, 2104960.

[3] Yang, J.T., Ge, C., Du, J.Y., Huang, H.Y., He, M., Wang, C., Lu, H.B., Yang, G.Z., and Jin, K.J. (2018). Artificial synapses emulated by an electrolyte-gated tungsten-oxide transistor. Adv. Mater. 30, 1801548.

[4] Zhou, F., Zhou, Z., Chen, J., Choy, T.H., Wang, J., Zhang, N., Lin, Z., Yu, S., Kang, J., Wong, H.S.P., and Chai, Y. (2019). Optoelectronic resistive random access memory for neuromorphic vision sensors. Nat. Nanotechnol. 14, 776–782.

[5] Luo, Z.D., Xia, X., Yang, M.M., Wilson, N.R., Gruverman, A., and Alexe, M. (2020). Artificial optoelectronic synapses based on ferroelectric field-effect enabled 2D transition metal dichalcogenide memristive transistors. ACS Nano 14, 746–754.

[6] John, R.A., Liu, F., Chien, N.A., Kulkarni, M.R., Zhu, C., Fu, Q., Basu, A., Liu, Z., and Mathews, N. (2018). Synergistic gating of electroionophotoactive 2D chalcogenide neuristors: coexistence of hebbian and homeostatic synaptic metaplasticity. Adv. Mater. 30, 1800220.

[7] Kumar, M., Lim, J., Kim, S., and Seo, H. (2020). Environment-adaptable photonic-electronic-coupled neuromorphic angular visual system. ACS Nano 14, 14108–14117.

[8] Song, S., Miller, K.D., and Abbott, L.F. (2000). Competitive hebbian learning through spiketiming-dependent synaptic plasticity. Nat. Neurosci. 3, 919–926.

[9] Zucker, R.S., and Regehr, W.G. (2002). Short-term synaptic plasticity. Annu. Rev. Physiol. 64, 355–405.

[10] Liu, K., Sakurai, M., Aono, M., and Shen, D. (2015). Ultrahigh-gain single SnO2 microrod photoconductor on flexible substrate with fast recovery speed. Adv. Funct. Mater. 25, 3157–3163.

[11] Biswas, C., Güneş, F., Duong, D.L., Lim, S.C., Jeong, M.S., Pribat, D., and Lee, Y.H. (2011). Negative and positive persistent photoconductance in graphene. Nano Lett. 11, 4682–4687.

[12] Lee, M., Lee, W., Choi, S., Jo, J., Kim, J., Park, S.K., Kim, Y. (2017). Brain-inspired Photonic Neuromorphic Devices using Photodynamic Amorphous Oxide Semiconductors and their Persistent Photoconductivity. Adv. Mater. 29, 1700951.

[13] Li, N., He, C.L., Wang, Q.Q., Tang, J.S., Zhang, Q.T., Shen, C., Tang, J., Huang, H.Y., Wang, S.P., Li, J.W., Huang, B.Y., Wei, Z., Guo, Y.T., Yuan, J.H., Yang, W., Yang, R., Shi, D.X., Zhang, G.Y. (2022). Gate-Tunable Large-Scale Flexible Monolayer MoS2 Devices for Photodetectors and Optoelectronic Synapses. Nano Res. 15, 5418−5424.

[14] Wang, J.X., Chen, Y., Kong, L., Fu, Y., Gao, Y.L., Sun, J. (2018). Deep-Ultraviolet-Triggered Neuromorphic Functions in In-Zn-O Phototransistors. Appl. Phys. Lett. 113, 151101.

[15] Tan, H.W., Liu, G., Yang, H.L., Yi, X.H., Pan, L., Shang, J., Long, S.B., Liu, M., Wu, Y.H., Li, R.W. (2017). Light-Gated Memristor with Integrated Logic and Memory Functions. ACS Nano 11, 11298−11305.

[16] Ji, W., Zhou, H., Ye, Y., Zhao, J., Xiao, Y., Lei, S., Cheng, B. (2019). Trap-Related Nonvolatile Negative Photoconductivity in a Single Ag@Al2O3 Hybrid Nanorod for a Photomemory with Light-Writing and Bias-Erasing. Adv. Optical Mater. 7, 1901154.

[17] Zhu, Q.B., Li, B., Yang, D.D., Liu, C., Feng, S., Chen, M.L., Sun, Y., Tian, Y.N., Su, X., Wang, X.M., Qiu, S., Li, Q.W., Li, X.M., Zeng, H.B., Cheng, H.M., Sun, D.M. (2021). A Flexible Ultrasensitive Optoelectronic Sensor Array for Neuromorphic Vision Systems. Nat. Commun. 12, 1798.

[18] Yang, C., Chen, T., Verma, D., Li, L., Liu, B., Chang, W., Lai, C. (2020). Bidirectional All-Optical Synapses Based on a 2D Bi2O2Se/Graphene Hybrid Structure for Multifunctional Optoelectronics. Adv. Funct. Mater. 30, 2001598.

[19] Wang, Y. Lv, Z.Y., Chen, Z.P., Zhou, Y., Zhou, L., Chen, X.L., Han, S. (2018). Photonic Synapses Based on Inorganic Perovskite Quantum Dots for Neuromorphic Computing. Adv. Mater. 30, 1802883.

[20] Wang, W., Gao, S., Li, Y., Yue, W.J., Kan, H., Zhang, C.W., Lou, Z., Wang, L.L., Shen, G.Z. (2021). Artificial Optoelectronic Synapses Based on TiNxO2−x/MoS2 Heterojunction for Neuromorphic Computing and Visual System. Adv. Funct. Mater. 31, 2101201.

[21] Shi, J.L., Jie, J.S., Deng, W., Luo, G., Fang, X.C., Xiao, Y.L., Zhang, Y.J., Zhang, X.J., Zhang, X.H. (2022). A Fully Solution-Printed Photosynaptic Transistor Array with Ultralow Energy Consumption for Artificial-Vision Neural Networks. Adv. Mater. 34, 2200380.

[22] Gao, S., Liu, G., Yang, H.L., Hu, C., Chen, Q.L., Gong, G.D., Xue, W.H., Yi, X.H., Shang, J., Li, R.W. (2019). An Oxide Schottky Junction Artificial Optoelectronic Synapse. ACS Nano 13, 2634−2642.

[23] Li, H.L., Jiang, X.T., Ye, W.B., Zhang, H., Zhou, L., Zhang, F., She, D.H., Zhou, Y., Han, S.T. (2019). Fully Photon Modulated Heterostructure for Neuromorphic Computing. Nano Energy 65, 104000.

[24] Mennel, L., Symonowicz, J., Wachter, S., Polyushkin, D., Molina-Mendoza, A., Mueller, T. (2020). Ultrafast Machine Vision with 2D Material Neural Network Image Sensors. Nature 579, 62−66.

[25] Liao, F., Zhou, Z., Kim, B., Chen, J., Wang, J., Wan, T., Zhou, Y., Hoang, A., Wang, C., Kang, J., Ahn, J., Chai, Y. (2022). Bioinspired In-Sensor Visual Adaptation for Accurate Perception. Nat. Electron. 5, 84−91.

[26] Guo, F., Song, M.L., Wong, M., Ding, R., Lo, W.F., Pang, S., Jie, W.J., Hao, J.H. (2021). Multifunctional Optoelectronic Synapse Based on Ferroelectric Van der Waals Heterostructure for Emulating the Entire Human Visual System. Adv. Funct. Mater. 32, 2108014.

[27] Zhang Z.C., Li, Y., Wang, J.J., Qi, D.H., Yao, B.W., Yu, M.X., Chen, X.D., Lu, T.B. (2021). Synthesis of Wafer-Scale Graphdiyne/Graphene Heterostructure for Scalable Neuromorphic Computing and Artificial Visual Systems. Nano Res. 14, 4591−4600.

[28] Huang, X., Li, Q. Y., Shi, W., Liu, K., Zhang, Y. P., Liu, Y. W., Wei, X. F., Zhao, Z. Y., Guo, Y. L., Liu, Y. Q. (2021). Dual-Mode Learning of Ambipolar Synaptic Phototransistor Based on 2D Perovskite/Organic Heterojunction for Flexible Color Recognizable Visual System. Small 17, 2102820.

本文完