在当今技术飞速发展的时代，基于冯·诺依曼架构的传统计算机已无法满足海量数据的处理需求。这一瓶颈源于计算与存储的分离，从而导致大量能源消耗，并大幅降低大规模数据处理的效率[[1], [2], [3], [4]]。因此，迫切需要探索新的计算模型来突破这一瓶颈。神经形态计算因其低功耗、高并行性以及自适应学习能力等优势而备受关注[5,6]。在神经形态计算工程中，人工突触是实现类脑计算不可或缺的核心组件，它们负责模拟生物神经元之间的功能连接，对神经网络中的信息传递、权重调整及整合起着关键作用[7,8]。根据决定可塑性的物理机制，人工突触主要可分为两类：电子突触，通常利用电脉冲调节突触权重；以及光突触，通过光脉冲引发类似的突触效能变化[[9], [10], [11]]。
由于在结构与信息传递方式上与人工突触高度相似，忆阻器也引起了广泛关注[12]。尤其是模拟忆阻器，因其能够持续调节电导率，非常适合用于神经形态计算。这一特性不仅能准确模拟突触可塑性，还能保证计算精度[13]。早期的大部分人工突触器件都以电信号作为触发机制，但这类纯电触发的突触器件在大型、高密度集成应用中面临诸多挑战，如复杂的互连结构、严重的信号串扰以及不均匀的能耗分布，这些都阻碍了神经形态计算系统的进一步发展[9,14]。在此背景下，引入光信号刺激作为一种新型的非接触式触发方法，具有高带宽、高并行性、低功耗及高速等优点，为构建下一代大规模、高密度、低功耗、高速的神经形态计算系统提供了新的技术路径[15,16]。这从根本上改变了信息的传输和处理方式，极大拓展了人工突触及神经形态计算的设计空间与性能极限[17,18]。未来，光电集成系统极有可能成为主流，结合两者的优势，最终打造出在能效和功能上可媲美甚至超越人脑的人工智能硬件[19]。
HfO2是一种成熟的、与CMOS兼容的高介电常数介质材料，已被广泛研究。其宽带隙以及丰富的氧空位缺陷使其在忆阻器及光电人工突触领域具有巨大应用潜力[[20], [21], [22]]。通过对HfO2进行掺杂改性以进一步提升器件性能是一种常见的方法[23,24]。以往的研究大多致力于通过掺杂改善基于HfO2的忆阻器的电气性能，却忽视了掺杂也能提升器件的光学特性[25,26]。作为稀土元素，钆具有较大的离子半径，且能够稳定晶体相，这在掺杂过程中非常重要。它不仅能进一步提升基于HfO2的忆阻器的开关比，还能通过调控氧空位来提高器件的一致性[27,28]。利用钆独特的电子能级，它还为器件带来了新的光学特性，进而增强了光电协同效应及调控灵活性，为光电人工突触的研究提供了更多可能性[29]。此外，尽管已有基于异质结或二维材料的光电突触研究，但尚未对具有稀土掺杂、可实现双模调制的与CMOS兼容的HfO2基器件进行系统研究。在本研究中，我们通过向HfO2中掺入钆，实现了既具备更强阻变性能又能响应光刺激的可塑性，同时还展示了以往研究未涉及的混合电光逻辑门以及基于CNN的图像识别功能。
本研究采用与CMOS兼容的HfO2作为高介电常数材料，通过溶胶-凝胶法制备，并在≤650°C条件下进行退火处理，这一温度条件符合后端集成所需的热预算要求；而且钆掺杂不会引入任何不相容元素。从可扩展性角度来看，目前的膜厚度可通过旋涂法均匀沉积，非常适合用于忆阻器原型阵列的制备，而溶胶-凝胶法在材料成本、成分可调性以及小批量研究的便捷性方面具有独特优势。此外，基于氧空位导电纤维的阻变机制本身就具备纳米级的可扩展性，不受膜厚限制。
因此，本研究提出了以氟掺杂氧化锡（FTO）作为底电极的Gd:HfO2薄膜忆阻器。电流-电压曲线测试表明，Au/4%Gd:HfO2/FTO器件具有出色的连续阻变特性。此外，该器件能够有效模拟生物突触的特性，如短期/长期可塑性（STP/LTP）、成对脉冲增强效应（PPF）以及时序依赖性可塑性（STDP）。在365纳米紫外线的刺激下，该器件还表现出良好的非易失性特性。通过施加光脉冲，该器件能够有效模拟学习与遗忘行为。而且，通过调节光脉冲的功率强度、宽度及数量，还可以控制从短期记忆到长期记忆的转换过程。借助电信号与光信号的混合调控方式，设计了基于“或”和“与”逻辑的操作电路。最后，通过构建卷积神经网络，评估了Au/4%Gd:HfO2/FTO忆阻器在图像识别应用中的可靠性。上述研究结果表明，该器件在神经形态计算领域具有巨大的应用潜力。
