Organiska-oorganiska halogenidperovskitkvantprickar (PQD) utgör en attraktiv materialklass för optoelektroniska applikationer. Deras lasttransportegenskaper är, dock, sämre än material som grafen. Omvänt, grafen innehåller en laddningsgenereringseffektivitet som är för låg för applikationer inom optoelektronik. I en ny rapport, Basudev Pradhan och ett forskargrupp vid Nanoscience Technology Center, och avdelningarna för optik och fotonik, Materialvetenskapsteknik, Fysik och kemi vid University of Central Florida, USA, Utvecklade en ultratunn fotontransistor och fotoniska synapser med hjälp av grafen-PQD (grafen-perovskit kvantpunkt; G-PQD) överbyggnader. För att förbereda överstrukturerna odlade de PQD direkt från ett grafengitter. Fototransistorer gjorda av G-QPD uppvisade utmärkt responsivitet och specifik detektivitet. De ljusassisterade minneeffekterna av överbyggnaderna tillät fotoniskt synaptiskt beteende för neuromorf beräkning, vilket teamet visade genom ansiktsigenkänningsprogram med hjälp av maskininlärning. Pradhan et al. förvänta dig att G-PQD-överbyggnaden kommer att stärka nya riktningar för att utveckla mycket effektiva optoelektroniska enheter.

Graphene har framträtt som ett drömmaterial för elektronik och optoelektronik på grund av dess breda spektralbandbredd, utmärkta transporttransportegenskaper med hög rörlighet, exceptionell stabilitet och enastående flexibilitet. Materialforskare har utvecklat många kompositer och anordningar för applikationer inom energihämtning, lagring, fotodetektorer och transistorer. Dock, ett enda lager grafen kan bara absorbera 2,3 procent av infallande synligt ljus, kritiskt hindrar deras användning i optoelektroniska och fotoniska enheter. I kontrast, organiska-oorganiska PQD har stigit som attraktiva material för applikationer inom optoelektronik på grund av deras unika egenskaper, även om deras laddningstransport förblir sämre jämfört med grafen.

Växande PQD från ett grafengitter

Pradhan et al. undersökte den starka fotogenereringseffektiviteten hos metylammonium-blybromid-PQD:er i detta arbete genom att odla PQD:er från gitteret med ettskikts grafen med hjälp av en defektförmedlad process. Eftersom PQD kan absorbera ljus och generera laddningsbärare, Motiveringen hjälpte till att designa hybridöverbyggnaderna. Teamet implementerade de tunna överbyggnaderna i en fototransistorgeometri för att producera en fotoresponsivitet på 1,4 × 10 ⁸ AW ^-1 och en specifik detektivitet på 4,72 x 10 ¹⁵ Jones vid 430 nm; vilket var den överlägset bästa responsivitet och detektivitet som registrerats på liknande enheter hittills.

Arbetet är mycket lovande att utveckla extremt effektiva optoelektroniska material för höghastighetskommunikation, avkänning, ultrakänsliga kameror, högupplöst bildbehandling och skärmar. Beteendet hos grafen-PQD (G-PQD) överstrukturer i form av en fotonisk synaps är också avgörande för mönsterigenkänning. Resultaten stöder utvecklingen av en hårdvaruenhet för neuromorf arkitektur som efterliknar den mänskliga hjärnan - för en rad spännande applikationer. Pradhan et al. använde ligandassisterad utfällning (LARP) för att producera PQD:er med ett mycket högt fotoluminescenskvantutbyte, och kontrollerade storleken och morfologin för PQD -produkterna. Teamet initierade tillväxt av PQD direkt på de aktiva platserna för grafenmonoskikten för att bilda överstrukturerna. Under processen, de tillsatte en antilösningsmedel toluen på ett grafenskikt som fuktades med perovskitprekursorer för att initiera sådd, och bildade perovskitembryon på grafenarket som krävs för PQD -kristallbildning.

Utvecklar mycket känslig, ultratunna fototransistorer

Teamet analyserade det nysyntetiserade hybridmaterialet (grafen PQD) med hjälp av transmissionselektronmikroskopi (TEM) för att verifiera bindningen mellan PQD:erna och grafenlagren. De noterade närvaron av två olika G-PQD som absorberade synlig våglängd vid 434 nm och 451 nm, indikerar deras potential att bilda högpresterande fototransistorer som detekteras vid blå belysning. Pradhan et al. testade materialets fotofysiska egenskaper i förhållande till dynamiken i exciterat tillstånd för G-PQD-överbyggnaden med hjälp av tidskorrelerad enkel fotonräkning (TCSPC) och observerade en genomsnittlig fluorescensförfallstid på 749 ns. Överbyggnaden visade ökad känslighet och en förbättrad fotoström jämfört med tidigare rapporterade fotoresistorer. Enheten kan också fungera som en ljusaktiverad strömbrytare under vitt ljus och fotoströmmen steg snabbt inom en svarstid på 0,45 sekunder efter att lampan släckts. Längre svarstider resulterade på grund av mer komplexa faktorer.

Tillämpningar av neuromorfa fotoniska synapser under ansiktsigenkänning.

Sedan traditionell von Neumann -arkitektur eller Princeton -arkitektur; en datorarkitektur som utvecklats av matematiker och fysiker John von Neumann är både tid- och energikrävande för datatransport för närvarande. De befintliga gränserna för prestanda och skalbarhet mellan minnet och processorn kallas populärt von Neumann -flaskhalsen. Enheten hade orsakat stora nackdelar med datacentriska tillämpningar av bildigenkänning i realtid, dataklassificering och bearbetning av naturligt språk. Neuromorf beräkning är därför en framväxande - överlägsen plattform som kan överträffa von Neumann -arkitekturen. I installationen, synapsen kan vanligtvis fungera som en kommunikationskanal mellan två neuroner.

I det här fallet, G-PQD-överbyggnaden fungerade som en artificiell fotonisk synaps; där den pre-synaptiska signalen baserades på de externa ljusstimuli i form av optiska pulser och den postsynaptiska signalen var strömmen som erhölls över G-PQD-kanalen för att hålla avloppskällan och grindspänningen fast. Den inbäddade optiska informationen, detekteringsbearbetning och retentionskapacitet hos G-PQD-synaptiska enheter bildade en potentiell kandidat för mänskligt visuellt minne inom områden för mönsterigenkänning. Pradhan et al. konstruerat ett piggt neuralt nätverk för att utföra oövervakad maskininlärning och ansiktsigenkänning med hjälp av Python. Teamet använde fyra porträtt av människor för att träna det neurala nätverket och visade att en ökad användning av utgångsneuroner tillsammans med längre träningstid kunde uppnå högre ansiktsigenkänning.

På det här sättet, Basudev Pradhan och kollegor utvecklade extremt tunna överbyggnader baserade på hybridmaterial av PQD som odlats från ett grafengitter med hjälp av en defektförmedlad kristalltillväxtteknik. De erhöll mycket förbättrad laddningsöverföring på grund av de kombinerade π-elektronmolnen av PQD:er och grafen. De resulterande enheterna uppvisade höga prestanda för fototransistorer och fotoniska synapser, som teamet ytterligare validerade med hjälp av simuleringar. Teamet avser att utvidga sin strategi till andra 2-D-material, inklusive övergångsmetall-dikalkogenider och andra heterostrukturer. Arbetet öppnar dörren till en ny klass av högpresterande överbyggnadsmaterial som lämpar sig för flera elektroniska och optoelektroniska applikationer, fördelaktigt för ansiktsigenkänning och neuromorf datorbearbetning.

© 2020 Science X Network