近年來，人工智能、大數(shù)據(jù)和物聯(lián)網(wǎng)對數(shù)據(jù)處理的速度和效率有更高的要求，而傳統(tǒng)計算系統(tǒng)由于存儲和計算結構的分離，其在處理數(shù)據(jù)密集型任務和人工智能任務時面臨著功耗和效率的瓶頸問題。人類大腦是最復雜的計算系統(tǒng)之一，可以通過密集協(xié)調的突觸和神經(jīng)元網(wǎng)絡同時存儲、整合和處理大量的數(shù)據(jù)信息，并且兼具高速和低功耗的優(yōu)勢。受人腦的啟發(fā)，人工突觸器件因具有同時處理和記憶數(shù)據(jù)的能力而受到廣泛關注，有望成為下一代神經(jīng)形態(tài)計算系統(tǒng)中的核心元器件。

GaN基納米柱具有表面體積比大、穩(wěn)定性高和能帶連續(xù)可調等優(yōu)勢，但是其能否作為一種理想材料制備低功耗的人工突觸器件，用于模擬生物突觸特性，是值得研究的問題。中國科學院蘇州納米技術與納米仿生研究所的陸書龍團隊成功研發(fā)了一種基于單根GaN納米柱的微型人工突觸器件。利用GaN單根納米柱的光響應特性和小尺寸優(yōu)勢，在光刺激下該器件能夠有效模擬神經(jīng)突觸特性，且具有低功耗的優(yōu)勢，有助于推動神經(jīng)形態(tài)計算系統(tǒng)的發(fā)展。相關研究成果發(fā)表于Photonics Research2023年第10期。

如圖1（a）所示，入射光、兩側電極和光生載流子分別模擬生物突觸中的動作電位、突觸前/后膜以及神經(jīng)遞質。如圖1（b）所示，器件的實物圖與設計結果相符合。該器件具有類神經(jīng)突觸特性，且單次脈沖功耗可低至 2.72×10-12J，這有助于研發(fā)低功耗的神經(jīng)網(wǎng)絡計算系統(tǒng)。同時，團隊構建神經(jīng)網(wǎng)絡模擬了對數(shù)字圖像的識別，在樣本庫里隨機抽取的20張圖片的識別結果顯示在圖1（c），而如圖1（d）所示，對整個樣本庫（10000張圖片）的識別準確率可在30個訓練周期后高達93%。



圖1（a）單根納米柱突觸器件的結構示意圖；（b）單根納米柱突觸器件的掃描電鏡（SEM）實物圖；（c）從MNIST數(shù)據(jù)庫中隨機抽取的數(shù)字的識別結果；（d）仿真模型中識別精度與訓練次數(shù)曲線 中國科學院蘇州納米技術與納米仿生研究所副研究員趙宇坤介紹：“超小尺寸的GaN基納米柱不僅可以降低功耗，而且穩(wěn)定性好。該工作展示的單根納米柱能夠模擬生物突觸的多種功能，包括尖峰依賴特性、光強依賴特性以及學習能力。因此，基于單根納米柱的人工突觸器件在神經(jīng)形態(tài)計算系統(tǒng)和人工智能領域都有巨大的應用潛力?！?/strong>