隨著人工智能（AI）的飛速發(fā)展，傳統(tǒng)計算架構面臨著巨大的能效和速度瓶頸 。模仿生物神經系統(tǒng)的神經形態(tài)計算，為解決這一挑戰(zhàn)提供了極具前景的方案 。作為神經形態(tài)計算的硬件基礎，人工突觸器件的研發(fā)至關重要 。2025年7月30日，我院本科生陳秋江作為第一作者，在材料科學領域國際著名期刊《Materials Today》上發(fā)表了題為“All-optically controlled artificial synaptic device for neural behavior simulation and computer vision”的重要研究成果（https://doi.org/10.1016/j.mattod.2025.07.029）。此前，陳秋江同學在2024年以第一作者曾在《Journal of Materials Chemistry C》上發(fā)表“Artificial neurosynaptic device based on amorphous oxides for artificial neural network constructing”的論文（https://doi.org/10.1039/d4tc01244e）。上述研究工作均是在葉志鎮(zhèn)院士團隊呂建國副研究員的指導下完成的，陳秋江為第一作者，呂建國為通訊作者。這不僅是學院在前沿交叉學科研究中取得的又一重要突破，也集中體現(xiàn)了我院在培養(yǎng)本科生科研創(chuàng)新能力方面的卓越成效。
為擺脫傳統(tǒng)神經突觸器件對電學信號的依賴，研究團隊設計了一種非晶ZnSiSnO/SnO基p-n異質結，巧妙地利用了材料對不同波長光子的差異化吸收與響應機制：在635 nm紅光照射下，光生載流子濃度增加，產生興奮性突觸后電流（EPSC），模擬突觸的短程/長程可塑性增強（STP/LTP）；在400 nm藍光照射下，能量更高的光子促使大量電子跨越異質結勢壘，導致凈電流減小，從而模擬抑制性突觸后電流（IPSC）和突觸的短程/長程抑制（STD/LTD）過程。在這項工作中，利用不同波長的可見光實現(xiàn)了對突觸行為的興奮性和抑制性雙向調控，使得突觸權重的雙向調制完全在光學域內完成，實現(xiàn)全光操控，是一種全光控人工突觸器件（圖1a）。
基于上述全光控人工突觸器件，通過構建人工神經網絡（ANN），該器件在手寫數(shù)字和服裝圖像識別任務中分別取得了高達93.7%和78.3%的識別準確率。此外，該器件還能執(zhí)行“與”、“或”、“與非”等光學邏輯運算 ，展示了其在構建高效、低功耗、高帶寬的新型計算系統(tǒng)中的潛力。
該全光控人工突觸器件還能高度模擬生物神經系統(tǒng)中的多種復雜行為，比如：展現(xiàn)出類腦的學習曲線，初次學習（14個脈沖）后遺忘過程耗時12.2秒，而二次學習僅需8個脈沖即可恢復，且記憶保持時間延長至15.7秒，驗證了學習-遺忘-再學習機制效應；通過分別利用藍光和紅光模擬負面與正面刺激，模擬疼痛-愉悅（Pain-Pleasure）機制，復現(xiàn)了生物體在持續(xù)激勵下的適應性學習行為，為模擬更高級的類腦情感與決策提供了基礎；在隨機光噪聲的持續(xù)干擾下，器件的LTP/RESET循環(huán)依然能保持高度穩(wěn)定性，證明了其在非理想環(huán)境下的工作潛力噪聲容忍度。
全光控人工突觸器件還可應用于計算機視覺領域。研究團隊進一步將器件功能與人工智能算法相結合，研究發(fā)現(xiàn)其對不同頻率光脈沖的響應類似于一個高通濾波器，截止頻率為0.89 Hz。利用此特性，可有效提取交通標志、車輛、車道線等關鍵輪廓信息，濾除圖像的背景等低頻信息，實現(xiàn)對自動駕駛交通場景的邊緣檢測（圖1b）。我們的研究為類腦芯片、光子計算和人工智能提供了關鍵材料和技術。
圖1 (a)生物神經系統(tǒng)信號傳遞和ZnSiSnO/SnO基全光控神經突觸器件示意圖；
(b)全光控神經突觸器件在自動駕駛圖像識別中的應用
