基于ZnSiSnO/SnO p-n结的全光控人工突触器件：突破冯·诺依曼瓶颈的神经形态计算新策略

本文创新性地开发了基于非晶ZnSiSnO/SnO p-n结的全光控人工突触器件，通过可见光调制实现兴奋性(EPSC)和抑制性(IPSC)突触行为，模拟学习-遗忘-再学习、痛觉-快感等生物神经机制。该器件兼容微电子工艺，在自动驾驶边缘检测和人工神经网络(ANNs)图像识别中实现93.7%准确率，为突破冯·诺依曼瓶颈(Von Neumann bottleneck)提供了高带宽、低功耗的神经形态计算硬件解决方案。

　　

亮点

我们展示了一种全光控人工突触器件，突破了传统电脉冲器件的局限。基于非晶ZnSiSnO/SnO p-n结结构，该器件通过635nm和400nm光分别诱导兴奋性突触后电流(EPSC)和抑制性突触后电流(IPSC)，并实现从短时程可塑性(STP)到长时程可塑性(LTP)的转换。

器件制备

采用脉冲激光沉积(PLD)技术在Si衬底上依次生长100nm SnO和50nm ZnSiSnO薄膜。SnO在200°C真空条件下沉积，ZnSiSnO在室温下制备以抑制氧空位(V_O)形成，最后通过光刻工艺制作叉指电极。

全光控突触器件的基础功能与结构

如图1a所示，该器件模拟生物神经信号传导：传感器（如眼睛）将光刺激转化为动作电位，通过突触权重变化形成记忆。器件的p-n结结构使光生载流子在可见光波段产生差异化响应——635nm光激发电子-空穴对分离导致EPSC，而400nm光促使载流子复合引发IPSC。

结论

该器件成功模拟了生物神经的复杂行为，包括噪声耐受性和痛觉-快感机制。在自动驾驶系统中通过高通滤波实现道路边缘检测，并在784×128×10结构的神经网络中，对MNIST手写数字和Fashion-MNIST服装图像的识别准确率分别达93.7%和78.3%。此外，通过设置输入/调制光信号实现了"AND"、"OR"、"NAND"等光逻辑运算。