学校首页 
设为收藏
1研究背景
在探索人工智能的征途中，科学家们一直在寻找能够模拟人脑工作方式的技术。人脑以其卓越的能效比和并行处理能力，成为工程师们梦寐以求的计算模型。神经形态计算，作为一种新兴的计算范式，旨在通过模仿人脑的结构和功能来提升计算系统的性能。其中，人工突触作为连接神经元的关键组件，其研究和开发尤为关键。近年来，基于电双层（EDL）晶体管的人工突触因其在模拟神经突触可塑性方面的潜力而受到广泛关注。这类晶体管通过界面离子调制来模拟神经功能，为构建硬件级的神经形态计算机和人工智能系统提供了可能。在传统的冯·诺依曼计算架构中，运算和存储是分离的，这限制了处理数据密集型任务的效率。而神经形态计算设备则有望在软件层面解决这一瓶颈，实现更高效的数据处理。在众多研究中，三端子晶体管因其清晰的工作机制和可控的测试参数而备受青睐。这些晶体管可以采用多种材料构建，包括电极、通道和介电层。特别地，EDL晶体管因其在模拟突触间隙行为方面的相似性，被认为是模拟突触的理想候选者。这些晶体管已被用来模拟包括短期和长期可塑性在内的各种突触功能。尽管已有研究报道了使用n型通道的突触晶体管，但p型金属氧化物半导体在电气性能方面仍存在不足，这主要是由于它们固有的缺陷，如价带最大值（VBM）中的局域空穴传输路径和掺杂过程中的强自补偿效应。因此，寻找具有优异空穴传输性能和低温合成技术的p型半导体材料成为了研究的热点。在这些材料中，CuI因其高固有霍尔迁移率、显著的p型导电性和高掺杂能力而被认为是最有前景的候选材料之一。
2成果简介
3图文导读
图1 壳聚糖膜和Ni0.06Cu0.94I膜的SEM图像，以及Ni0.06Cu0.94I膜的XPS和XRD分析结果。这些图像和谱图证实了Ni2+成功掺杂到CuI中，且没有观察到与NiI2相关的明显衍射峰，表明Cu离子被轻微掺杂或替换。
图2 不同Ni掺杂浓度下CuI TFTs的转移特性，以及壳聚糖膜的频率-电容依赖性曲线。这些结果表明，适当的NiI2掺杂可以提高载流子密度和迁移率，从而改善器件的转移性能。
图3 Ni掺杂CuI突触晶体管的示意图和生物神经突触结构。图中还展示了通过单脉冲触发的EPSC，以及不同脉冲宽度和电压对EPSC的影响。
图4 连续两个电压脉冲引发的PPF现象，以及不同连续脉冲数对EPSC增益的影响。
图5 突触晶体管的学习-遗忘-再学习行为，以及通过增加电压脉冲数量从STP到LTP的转变。
图 6不同激光功率下Ni0.06Cu0.94I TFTs的Ids-Vds曲线，以及器件的动态稳定性测试结果。
4小结
文献：
https://doi.org/10.1063/5.0219857