导读

人脑由大约1000亿个神经元组成，这些神经元通过发送电脉冲，并由突触进行信息的交换。神经形态计算是一种模仿大脑结构和功能的计算方式，通常涉及大量的处理单元（类似神经元）及其之间的连接（类似突触），旨在创建低功耗、高效率的计算系统（如图1）。神经形态计算的进步推动了具有自适应行为、动态响应和能效特征系统的发展。

在光电器件中，模拟神经元和突触功能，对于神经形态计算的发展具有重要意义。人工神经元可以通过使用具有可调电学性质或适应外部刺激的材料实现，并通过调节人工突触的电导或电容来模拟突触可塑性。

与电导突触相比，电容突触具有低静态功耗、潜在的3D堆叠能力以及更低的漏电流等优势，使其在构建下一代神经形态计算系统中拥有巨大的潜力。

近日，阿卜杜拉国王科技大学Nazek El-Atab教授的研究团队在此领域取得突破性进展，团队开发了一种基于二硒化铪（HfSe₂）的可重构金属氧化物半导体电容器（MOSCap）。这种器件不仅具有光电子突触特性，还能通过光刺激调整其电容及阈值电压，实现独立的学习行为，为模拟生物神经元功能提供了新的可能性。

该工作以“From Light Sensing to Adaptive Learning: Hafnium Diselenide Reconfigurable Memcapacitive Devices in Neuromorphic Computing”为题，发表在国际光学顶尖期刊《Light: Science & Applications》。

图1. 基于生物神经元结构的神经形态系统

创新研究

在这项研究中，团队采用逐层堆叠的方法开发了基于二硒化铪（HfSe₂）的可重构金属氧化物半导体电容器（MOSCaps），由氧化物材料将二维（2D）材料包裹起来作为电荷捕获层（CTL），并通过X射线衍射等方法对材料的结构和成分进行了表征（如图2）。

图2. HfSe₂器件结构表征

团队通过电学表征证明了其非易失性存储特性（如图3），以及通过光学表征揭示了其基于电荷捕获机制的光感能力（如图4）。

图3. 器件的电学特性

图4. 器件的光学特性

团队在该器件模拟神经突触功能方面表明，光脉冲可以增强突触连接（长时程增强，LTP），而电脉冲可以减弱突触连接（长时程抑制，LTD），通过使用MNIST数据集进行的模拟实验，证明了该突触模型在图像识别任务中的有效性（如图5）；并且，该器件不但能够执行单独的刺激相关学习，还能够对光刺激做出类似模拟信号的连续电容变化，可用来开发自适应神经元，并模仿学习行为（如图6）。

图5. 电容性突触行为

图6. 记忆电容的相关学习

最后，团队还展示了该器件在自适应LIF神经元模型在处理动态光信号和执行复杂任务（如系外行星检测）方面的潜力，同时也展示了记忆电容在实现这种自适应性中的关键作用（如图7）。

图7. 自适应LIF神经元与系外行星探测

总结与展望

团队开发了一种基于二硒化铪（HfSe₂）的光电MOS电荷捕获存储器，在电学和光学测试中都展现出其相应的可靠性，具有光电突触特征和记忆电容机制，并能够进行非易失性光学数据保留。这些特性使得该器件表现出了良好的类脑特性，为未来的神经形态计算和智能传感器设计提供了新的方向。（来源：LightScienceApplications微信公众号）

相关论文信息：https://doi.org/10.1038/s41377-024-01698-6