Neuromorf fotonik/elektronik är framtiden för intelligenta datorer med ultralåg energi och artificiell intelligens (AI). Under de senaste åren, inspirerade av den mänskliga hjärnan, har artificiella neuromorfa enheter väckt stor uppmärksamhet, särskilt när det gäller att simulera visuell perception och minneslagring. På grund av dess fördelar med hög bandbredd, hög interferensimmunitet, ultrasnabb signalöverföring och lägre energiförbrukning förväntas neuromorfa fotoniska enheter realisera realtidssvar på indata. Dessutom kan fotoniska synapser realisera en kontaktlös skrivstrategi, vilket bidrar till utvecklingen av trådlös kommunikation.

Användningen av lågdimensionella material ger en möjlighet att utveckla komplexa hjärnliknande system och minneslogikdatorer med låg effekt. Till exempel visar storskaliga, enhetliga och reproducerbara övergångsmetalldikalkogenider (TMDs) stor potential för miniatyrisering och biomimetiska enhetsapplikationer med låg effekt på grund av deras utmärkta laddningsfångande egenskaper och kompatibilitet med traditionella CMOS-processer. von Neumann-arkitekturen med diskret minne och processor leder till hög strömförbrukning och låg effektivitet hos traditionell datoranvändning. Därför kan sensor-minne fusion eller sensor-minne-processor integration neuromorfa arkitektursystem möta de alltmer växande kraven från big data och AI för låg strömförbrukning och högpresterande enheter. Konstgjorda synaptiska enheter är de viktigaste komponenterna i neuromorfa system. Prestandautvärderingen av synaptiska enheter kommer att hjälpa till att ytterligare tillämpa dem på mer komplexa artificiella neurala nätverk (ANN).

Kemisk ångavsättning (CVD)-odlade TMDs introducerar oundvikligen defekter eller föroreningar, visade en persistent photoconductivity (PPC) effekt. TMD:s fotoniska synapser som integrerar synaptiska egenskaper och optisk detektionskapacitet visar stora fördelar i neuromorfa system för visuell informationsuppfattning och bearbetning med låg effekt samt hjärnminne.

I en studie publicerad i Opto-Electronic Advances , forskargruppen för optisk detektion och avkänning (GODS) har rapporterat en treterminal fotonisk synaps baserad på de stora, enhetliga flerlagers MoS2-filmerna. Den rapporterade enheten realiserade ultrakort optisk pulsdetektering inom 5 μs och ultralåg strömförbrukning på cirka 40 aJ, vilket innebär att dess prestanda är mycket bättre än de nuvarande rapporterade egenskaperna hos fotoniska synapser. Dessutom är den flera storleksordningar lägre än motsvarande parametrar för biologiska synapser, vilket indikerar att den rapporterade fotoniska synapsen kan användas ytterligare för mer komplex ANN. Fotokonduktiviteten hos MoS2-kanal som odlas av CVD regleras av fotostimuleringssignal, vilket gör att enheten kan simulera kortsiktig synaptisk plasticitet (STP), långvarig synaptisk plasticitet (LTP), paired-pulse facilitation (PPF) och andra synaptiska egenskaper. Därför kan den rapporterade fotoniska synapsen simulera mänsklig visuell perception, och detektionsvåglängden kan utökas till nära infrarött ljus.

Som det viktigaste systemet för mänskligt lärande, kan visuella perceptionssystem ta emot 80% av inlärningsinformationen utifrån. Med den kontinuerliga utvecklingen av AI finns det ett akut behov av visuellt perceptionssystem med låg effekt och hög känslighet som effektivt kan ta emot extern information. Dessutom, med hjälp av grindspänning, kan denna fotoniska synaps simulera den klassiska Pavlovska konditioneringen och regleringen av olika känslor på minnesförmåga. Till exempel förbättrar positiva känslor minnesförmågan och negativa känslor försvagar minnesförmågan. Dessutom antyder en betydande kontrast i styrkan hos STP och LTP baserat på den rapporterade fotoniska synapsen att den kan förbehandla ingångsljussignalen. Dessa resultat indikerar att fotostimuleringen och backgate-kontrollen effektivt kan reglera konduktiviteten hos MoS2-kanalskiktet genom att justera processer för infångning/avfångning av bärare. Dessutom förväntas den fotoniska synapsen som presenteras i denna artikel integrera avkännings-minne-förbearbetningsfunktioner, som kan användas för bilddetektering i realtid och lagring på plats, och ger också möjligheten att bryta von Neumanns flaskhals.

Neuromorf minnesenhet simulerar neuroner och synapser