近年來，人工智能、大數據和物聯網對數據處理的速度和效率有更高的要求，而傳統計算系統由于存儲和計算結構的分離，其在處理數據密集型任務和人工智能任務時面臨著功耗和效率的瓶頸問題。人類大腦是最復雜的計算系統之一，可以通過密集協調的突觸和神經元網絡同時存儲、整合和處理大量的數據信息，并且兼具高速和低功耗的優勢。受人腦的啟發，人工突觸器件因具有同時處理和記憶數據的能力而受到廣泛關注，有望成為下一代神經形態計算系統中的核心元器件。

GaN基納米柱具有表面體積比大、穩定性高和能帶連續可調等優勢，但是其能否作為一種理想材料制備低功耗的人工突觸器件，用于模擬生物突觸特性，是值得研究的問題。中國科學院蘇州納米技術與納米仿生研究所的陸書龍團隊成功研發了一種基于單根GaN納米柱的微型人工突觸器件。利用GaN單根納米柱的光響應特性和小尺寸優勢，在光刺激下該器件能夠有效模擬神經突觸特性，且具有低功耗的優勢，有助于推動神經形態計算系統的發展。相關研究成果發表于Photonics Research2023年第10期。

如圖1（a）所示，入射光、兩側電極和光生載流子分別模擬生物突觸中的動作電位、突觸前/后膜以及神經遞質。如圖1（b）所示，器件的實物圖與設計結果相符合。該器件具有類神經突觸特性，且單次脈沖功耗可低至 2.72×10-12J，這有助于研發低功耗的神經網絡計算系統。同時，團隊構建神經網絡模擬了對數字圖像的識別，在樣本庫里隨機抽取的20張圖片的識別結果顯示在圖1（c），而如圖1（d）所示，對整個樣本庫（10000張圖片）的識別準確率可在30個訓練周期后高達93%。



圖1（a）單根納米柱突觸器件的結構示意圖；（b）單根納米柱突觸器件的掃描電鏡（SEM）實物圖；（c）從MNIST數據庫中隨機抽取的數字的識別結果；（d）仿真模型中識別精度與訓練次數曲線 中國科學院蘇州納米技術與納米仿生研究所副研究員趙宇坤介紹：“超小尺寸的GaN基納米柱不僅可以降低功耗，而且穩定性好。該工作展示的單根納米柱能夠模擬生物突觸的多種功能，包括尖峰依賴特性、光強依賴特性以及學習能力。因此，基于單根納米柱的人工突觸器件在神經形態計算系統和人工智能領域都有巨大的應用潛力。”

目前器件的功耗指標相比傳統器件具有一定優勢，后續團隊將進一步降低器件的功耗，并且致力于推動此新型光電器件的應用進程。

審核編輯：劉清