如何利用单根GaN纳米柱实现低功耗的微型人工突

近年来，人工智能、大数据和物联网对数据处理的速度和效率有更高的要求，而传统计算系统由于存储和计算结构的分离，其在处理数据密集型任务和人工智能任务时面临着功耗和效率的瓶颈问题。人类大脑是最复杂的计算系统之一，可以通过密集协调的突触和神经元网络同时存储、整合和处理大量的数据信息，并且兼具高速和低功耗的优势。受人脑的启发，人工突触器件因具有同时处理和记忆数据的能力而受到广泛关注，有望成为下一代神经形态计算系统中的核心元器件。

GaN基纳米柱具有表面体积比大、稳定性高和能带连续可调等优势，但是其能否作为一种理想材料制备低功耗的人工突触器件，用于模拟生物突触特性，是值得研究的问题。中国科学院苏州纳米技术与纳米仿生研究所的陆书龙团队成功研发了一种基于单根GaN纳米柱的微型人工突触器件。利用GaN单根纳米柱的光响应特性和小尺寸优势，在光刺激下该器件能够有效模拟神经突触特性，且具有低功耗的优势，有助于推动神经形态计算系统的发展。相关研究成果发表于Photonics Research2023年第10期。

如图1（a）所示，入射光、两侧电极和光生载流子分别模拟生物突触中的动作电位、突触前/后膜以及神经递质。如图1（b）所示，器件的实物图与设计结果相符合。该器件具有类神经突触特性，且单次脉冲功耗可低至 2.72×10-12J，这有助于研发低功耗的神经网络计算系统。同时，团队构建神经网络模拟了对数字图像的识别，在样本库里随机抽取的20张图片的识别结果显示在图1（c），而如图1（d）所示，对整个样本库（10000张图片）的识别准确率可在30个训练周期后高达93%。



图1（a）单根纳米柱突触器件的结构示意图；（b）单根纳米柱突触器件的扫描电镜（SEM）实物图；（c）从MNIST数据库中随机抽取的数字的识别结果；（d）仿真模型中识别精度与训练次数曲线 中国科学院苏州纳米技术与纳米仿生研究所副研究员赵宇坤介绍：“超小尺寸的GaN基纳米柱不仅可以降低功耗，而且稳定性好。该工作展示的单根纳米柱能够模拟生物突触的多种功能，包括尖峰依赖特性、光强依赖特性以及学习能力。因此，基于单根纳米柱的人工突触器件在神经形态计算系统和人工智能领域都有巨大的应用潜力。”

目前器件的功耗指标相比传统器件具有一定优势，后续团队将进一步降低器件的功耗，并且致力于推动此新型光电器件的应用进程。

审核编辑：刘清