利用a-Ga2O3的神经形态深紫外信号处理

《Advanced Electronic Materials》：Neuromorphic Deep-Ultraviolet Signal Processing Using a-Ga2O3

　　

研究人员利用宽禁带薄膜非晶氧化镓（a-Ga₂O₃）上的横向金属-半导体-金属（MSM）光电探测器实现了神经形态信号处理（Neuromorphic Signal Processing）。在器件光电流中观察到的配对脉冲易化（Paired Pulse Facilitation, PPF）归因于a-Ga₂O₃中的电荷俘获与脱俘，并系统性地依赖于脉冲紫外-C（Ultraviolet-C, UVC）输入的幅度、持续时间和间隔。研究人员向器件输入了优化功率的四比特UVC二进制脉冲序列，这些序列在脉冲序列后测量产生了可分离的电输出电流（电导状态）。一个简单的电阻-电容（Resistor-Capacitor, RC）等效电路模型复制了神经形态器件的响应，该模型被用于单节点和多节点储层计算机（Reservoir Computer）中，并与之集成。研究人员利用从实测器件响应中提取并验证参数的RC模型进行了心电图（Electrocardiogram, ECG）分类的模拟。具有虚拟节点的单节点储层根据心跳类型实现了有限的分类精度，而复合多节点储层（由八个具有不同时间常数的RC子储层组成）则显著提升了分类能力，达到了约95%的平均准确率。这些结果突显了a-Ga₂O₃探测器作为人工突触在神经形态信号处理和时序模式识别（Temporal Pattern Recognition）中的潜力。

**论文解读文章**

**研究背景与问题**

深紫外（DUV）传感器在火焰探测、导弹探测和天文观测等领域已有应用，但新应用不断涌现。由于DUV在空气中被强烈吸收，传播距离仅数百米，因此DUV信号难以被拦截（除非接收器在视距内），这推动了DUV点对点隐蔽通信的研究。神经形态技术有望显著提升下一代计算效率，并在边缘计算中发挥关键作用——在传感器附近或内部处理检测信号，从而节省处理时间和能量。神经形态系统常依赖人工突触器件，用于结合信号处理与记忆。宽禁带（WBG）半导体因其低功耗特性而日益用于电/光刺激的人工突触，其深能级缺陷可产生持续光电导（PPC）和电荷俘获等行为，用于模拟突触可塑性。然而，主流WBG材料（如SiC、GaN、金刚石）存在难以抑制的固有缺陷和规模化生产障碍。氧化镓（Ga₂O₃）禁带宽度约4.9 eV，具有日盲紫外光敏性、热稳定性、抗辐射性和化学稳定性，且可通过多种低成本方法合成，其中等且可控的PPC已用于模拟突触行为。为此，研究人员开展了本研究，旨在利用非晶氧化镓（a-Ga₂O₃）薄膜制备DUV探测器，探索其神经形态信号处理能力，并通过储层计算实现时序信号分类。论文发表在《Advanced Electronic Materials》。

**主要技术方法**

关键方法包括：1）射频磁控溅射法在Si₃N₄/Si衬底上生长a-Ga₂O₃薄膜（厚度50–60 nm，XRD和XPS确认非晶态和化学计量比）；2）光刻法制备叉指Pt电极的MSM器件（电极间距20 μm，有源区0.23 mm²，PMMA封装）；3）UVC LED（255 nm）作为光源，双通道SMU进行脉冲驱动和光电流测量；4）基于NI Multisim构建RC等效电路模型，参数从实验数据拟合提取；5）储层计算模拟中使用掩码和脉宽调制（PWM）变换的心电图（ECG）信号，通过单节点或多节点储层进行分类。

**研究结果**

**2.1 a-Ga₂O₃深紫外光电探测器的突触特性**
通过测量器件对两个连续UVC脉冲（宽度30 ms，间隔5 ms）的光电流响应，观察到配对脉冲易化（PPF），即第二个脉冲响应（ΔI₂）大于第一个（ΔI₁）。配对脉冲指数（PPI = ΔI₂/ΔI₁）在间隔5 ms时达140%，且随间隔增大而非线性下降，表现出短时记忆特性。PPI随UVC功率增加而降低，因为低功率下陷阱填充不足，慢脱俘过程主导恢复，使基线电导升高；高功率下陷阱接近饱和，PPF减弱。慢恢复时间常数（τ_slow ≈ 36 ms）归因于a-Ga₂O₃中氧空位相关缺陷引起的电荷俘获/脱俘。此外，不同脉冲宽度和功率下的光电流响应显示，慢脱俘分量在长脉冲和高功率下趋于饱和。

**2.2 四比特输入二进制序列的非线性映射**
将四比特二进制光学序列（“0000”–“1111”，每比特30 ms，间隔15 ms）输入器件，以逻辑“1”对应不同UVC功率。在36 μW功率下，采样点SMP1处测得的输出电流（电导状态）可分离为16个不同状态，实现了时序模式识别。当功率升至108 μW时，部分状态变得不可分，这与PPI的光功率依赖性一致。

**2.3 模拟神经形态器件行为的RC等效模型**
设计了一个双RC支路电路模型：快支路模拟带间载流子产生与复合（时间常数~2 ms），慢支路模拟陷阱充放电（时间常数~36 ms）。模型再现了单脉冲响应、PPF行为以及四比特序列“1111”的响应，验证了与实验数据的一致性。

**2.4 时序信号分类的储层计算模拟**
使用编码的ECG信号（正常N、左束支阻滞L、房性早搏A、室性早搏V）作为输入。单节点RC储层（含5个虚拟节点）对A和V型心跳分类准确率较高（99.6%和97.8%），但对N和L型仅分别为48.2%和0.3%。为解决此问题，构建了复合多节点储层：八个并联的RC子储层（时间常数范围3.27–36.0 ms，通过改变慢支路电容实现），每个子储层代表不同陷阱密度的a-Ga₂O₃光突触。复合储层对所有四种心跳的平均分类准确率达95.4%，显著优于任何单一子储层或简单线性回归，归因于更高维度的特征空间和动态范围扩展。

**结论总结**

研究人员在高温射频溅射a-Ga₂O₃薄膜上制备的DUV探测器表现出人工突触行为，包括可控的配对脉冲易化，适合神经形态信号处理。通过限制UVC脉冲强度并最大化陷阱限制的响应/恢复，实现了最高140%的配对脉冲指数。四比特DUV二进制序列输入器件后产生可分离的突触后输出电流（电导状态），展示了时序模式识别。器件的突触行为通过等效电路建模，该电路阵列化并集成到储层中后，实现了对编码ECG的高精度分类（~95%）。这些结果表明，基于a-Ga₂O₃的低成本、低功耗、高鲁棒性光电探测器在神经形态和边缘计算应用中具有潜力。