【会员论文】AFM丨光电器件新突破！西电郝跃院士、张进成教授团队：氧化镓光电突触打开神经形态计算新路径

        由西安电子科技大学郝跃院士、张进成教授的研究团队在学术期刊 Advanced Functional Materials 发布了一篇名为Recent Breakthroughs in Gallium Oxide-Based Optoelectronic Devices for Neuromorphic Computing（基于氧化镓的光电子器件在类脑计算领域的最新突破）的文章。

        随着人工智能（AI）和物联网（IoT）技术的爆发式增长，全球数据量呈现海量化趋势，这对传统计算机架构提出了严峻挑战。传统的冯 · 诺依曼架构由于计算单元与存储单元在物理上的分离，导致了严重的“存储墙”与“功耗墙”效应，极大地限制了实时处理复杂任务的效率。在此背景下，受生物大脑启发的类脑计算应运而生。类脑系统凭借其存算一体、超低能耗及高度并行的特性，被公认为突破计算瓶颈的关键途径。而在硬件层面，开发能够高度模拟生物突触塑性的高性能电子器件是实现类脑系统的基石。氧化镓作为一种新兴的超宽禁带半导体材料，凭借其高达 4.9 eV 的禁带宽度、卓越的热稳定性以及天然的缺陷态可调控性，在光电神经突触器件领域展现出独特的研究价值。该团队通过深入探索发现，利用 Ga₂O₃ 内部的氧空位等缺陷态，可以精准调节电导率，从而完美复现生物突触的信息传递与学习功能，为下一代感算一体化芯片的研发提供了重要的材料平台和理论支撑。

        本文系统总结了Ga₂O₃基三种主要器件架构的突触功能实现策略。忆阻器采用垂直“金属/活性层/金属”结构，氧空位电荷俘获/释放以及导电细丝形成/断裂共同实现多级电阻态和突触权重调节。光电探测器利用Ga₂O₃的日盲紫外探测能力和持续光电导效应，模拟兴奋性突触后电流的时变衰减特性。光电晶体管引入独立栅极，通过电场效应调控栅氧化层/沟道界面的能带弯曲和电荷俘获行为，结合氧空位迁移，实现对突触权重的精确、连续调制。特别地，a-Si:H/a-Ga₂O₃异质结晶体管在245 nm和455 nm光脉冲下分别产生抑制性和兴奋性突触后电流，在电脉冲下也表现出双向调节能力，并通过光电协同模式模拟了生物的多感官整合功能（如视觉-触觉协同增强学习）。器件成功模拟了短时可塑性到长时可塑性的动态转变、脉冲时序/幅度/频率依赖的精细编码、以及跨物种生物行为（人脑褪黑素分泌、蜜蜂联想学习、斑马鱼趋光性）。

        Ga₂O₃中丰富的氧空位缺陷态是突触可塑性的物理基础。在光/电脉冲刺激下，载流子被缺陷态捕获或从缺陷态释放，形成瞬态或持久的电导变化。在Ag/Ga₂O₃/Pt忆阻器中，UV光产生电子-空穴对，氧空位俘获电子，导致器件电导骤升，模拟兴奋性突触后电流；光脉冲结束后，浅能级陷阱中的电子缓慢脱阱，电流逐渐衰减，模拟短时记忆。通过增加光脉冲数量或宽度，深能级陷阱逐渐填充，电导从短时可塑性转变为长时增强，模拟记忆巩固过程。在a-Si:H/a-Ga₂O₃晶体管中，455 nm光激发a-Si:H产生电子-空穴对，电子注入Ga₂O₃通道产生EPSC；245 nm光被Ga₂O₃吸收，光生空穴被界面陷阱捕获形成正电荷积累，排斥沟道空穴产生IPSC。电脉冲通过栅压调控a-Si:H/SiO₂界面的电荷俘获，也实现EPSC/IPSC。光电协同模式下，光信号预激活增强电信号的响应，模拟视觉-触觉协同学习。这些物理过程通过双指数衰减函数拟合PPF指数，提取了快/慢时间常数（分别对应浅/深陷阱的载流子脱阱过程），与生物突触的神经递质降解和再摄取动力学高度一致。

        Ga₂O₃基突触器件已在多个神经形态计算应用中展示出优异性能。在信息安全领域，基于GaOₓ光电探测器的12×12阵列实现了密码验证功能：通过时序光脉冲刺激数字像素，电流衰减曲线可用于判断密码正确性；结合负电脉冲擦除，有效防止痕迹破解。基于a-GaOₓ光子突触阵列和忆阻器阵列构建的储层计算系统，在指纹识别中采用双特征策略实现100%识别准确率，且在15%噪声下仍保持>90%准确率。在图像预处理方面，InGaO薄膜神经形态视觉传感器利用不同光强下电流衰减速率差异，实现了图像记忆、运动识别和噪声滤波：输入含30%和50%噪声的“G”图像后，输出图像噪声分别降至6%和13%。基于非晶Ga₂O₃的64×64 X射线传感器阵列，通过调节X射线照射时间增强图像对比度，预处理的“E”字母图像输入CNN后识别效率显著提升。在图像识别方面，基于2D β-Ga₂O₃纳米片的忆阻晶体管在MNIST手写数字识别中达到96%准确率；基于YOLO-v5神经形态网络的行人/车辆识别系统在白天对人和狗的识别准确率超过90%。Sn掺杂Ga₂O₃光子突触器件在10次光增强和电抑制循环后，实现97.3%的图像识别准确率，即使在20%噪声下仍保持80%准确率。在动态目标跟踪方面，基于β-Ga₂O₃单晶各向异性的偏振敏感光突触，在90%高斯噪声下仍能清晰分辨导弹轨迹，运动模式识别准确率>90.8%。Ga₂O₃/In₂Se₃铁电光突触传感器阵列用于火焰检测，可区分四种火焰蔓延方向，峰值识别准确率98.67%，响应时间仅59 ms，暗电流低至0.47 pA@1 V，探测率高达4.91×10¹⁷ Jones。在图像分类方面，MoS₂/β-Ga₂O₃/MLG浮栅存储器件构建的VGG-8网络在CIFAR-10数据集上经247个训练周期后分类准确率达90%；Zn₂SnO₄/Ga₂O₃异质结光子忆阻器在90%噪声下仍保持58%的分类准确率。与其它氧化物（HfO₂、TaOₓ、IGZO）和钙钛矿、MoS₂等材料相比，Ga₂O₃在日盲紫外选择性、高温稳定性、光电协同调制能力和抗干扰性方面具有独特优势，其能耗低至3.44×10⁻³ pJ·μm⁻²（电抑制）和<10 fJ/突触事件。

        基于Ga₂O₃的光电子器件在类脑计算领域展现出巨大的潜力，通过光、电以及光电协同模式，能够全面模拟人类神经突触的功能特性 。该团队认为，其核心优势在于能够通过内在的物理过程实现与生物突触的高度功能等效，而无需复杂的外部电路控制 。这不仅简化了类脑系统的架构，还赋予了其生物级的适应性和集成能力 。光电协同作用为构建高效信息处理能力的类脑系统提供了灵活的多模态解决方案 。

        该研究得到了国家自然科学基金、中国博士后科学基金以及陕西省自然科学基金等多个项目的资助支持。

图1. 用于神经形态计算的氧化镓光电器件框架：材料特性、光电器件突触、生物突触及神经形态计算

图2. 神经元突触及多种突触可塑性行为。（a）人类神经元突触示意图；双模（电/光）突触可塑性行为：（b）短时可塑性（ STP ），（c）长时增强（ LTP ），（d）长时抑制（ LTD ），（e）脉冲时间依赖可塑性（ STDP ），（f）脉冲幅度依赖响应，（g）脉冲间隔依赖响应，（h）多脉冲响应，（i）光电协同可塑性。

图3. Ga₂O₃ 光电器件。（a） Ag/Ga₂O₃/Pt 忆阻器结构示意图；（b）不同限流电流（ Icc ）下的典型 I–V 曲线；（c）忆阻器保持特性；（d） Ga₂O₃ 光探测器结构示意图；（e）光电流与光强关系曲线；（f）光谱响应特性曲线；（g） Ga₂O₃ 晶体管结构示意图；（h）晶体管转移特性曲线；（i）输出特性曲线。

图4. Ga₂O₃ 光电突触特性。（a）光突触与忆阻器类比示意图；（b）单脉冲光诱导 EPSC；（c）双脉冲 EPSC；（d）PPF 指数与脉冲间隔 Δt 的双指数拟合；（e）不同脉冲宽度下 EPSC；（f）不同脉冲数量下 EPSC 变化；（g） a-Si:H/a-Ga₂O₃ 光晶体管响应机制；（h）245 nm 光诱导 IPSC；（i）对应能带图；（j）−90 V 电刺激下 EPSC；（k）−120 V 下 IPSC；（l）电模式能带图；（m）光电协同 STDP。

图5. 生物突触可塑性模拟。（a）连续光刺激下多级 EPSC；（b）“学习-遗忘-再学习”示意图；（c）五周期重复过程；（d）学习/遗忘与脉冲数量/衰减时间关系；（e）基于突触阵列的成像系统示意；（f）连续 UV 脉冲后的输出图像；（g）旋转飞轮视觉残留示意；（h）“水壶”对应 EPSC；（i）“鱼”对应 EPSC；（j）20 mHz 旋转频率下 EPSC。

图6. 生物行为模拟。（a）522 nm 与 405 nm 光照下 PSC 变化；（b）褪黑素调控示意；（c）斑马鱼视觉系统及趋光行为；（d）颜色依赖行为模拟结果；（e）蜜蜂视觉与颜色处理；（f）UV 光诱导 EPSC；（g）电刺激诱导 EPSC（UR）；（h）光电协同建立条件反射；（i）仅 UV 刺激触发 UR。

图7. 神经形态计算在信息安全与生物识别中的应用。（a）用于密码输入的 3×43 \times 43×4 像素阵列，对应数字（ 0–90–90–9 ）及符号（“*” 和 “#”）；（b）在不同时刻顺序光脉冲激励下，“4, 2, 6, 9” 像素的电流变化；（c）错误密码 “4, 2, 6, 9” 的电流输出；（d）对应的二维映射；（e）在不同时刻顺序光脉冲激励下，“0, 5, 1, 9” 像素的电流变化；（f）正确密码 “0, 5, 1, 9” 的电流输出；（g）对应的二维映射；（h）指纹识别系统示意图；（i）单特征与双特征识别在训练过程中的精度演化；（j）模拟与硬件实验中 40×540 \times 540×5 权重的统计分布直方图；（k）随机噪声对储备计算（ RC ）系统中指纹识别精度的影响。

图8. 神经形态计算在图像预处理中的应用。(a) 视网膜功能与神经形态视觉系统（ NVS，Neuromorphic Vision System ）的示意图。(b) 神经形态视觉系统（ NVS ）在图像存储与运动识别功能方面的示意图及实验结果。(c) 神经形态视觉系统（ NVS ）的噪声滤除功能示意图。(d) 神经形态视觉系统（ NVS ）对含噪图像进行预处理的效果。

图9. 神经形态计算在图像识别中的应用。（a）面向智能车辆的神经形态识别系统示意图；（b） YOLO-v5 神经形态网络结构；（c） β-Ga₂O₃ 忆阻晶体管的长时增强（ LTP ）与长时抑制（ LTD ）行为；（d–g）系统对白天/夜晚人类与狗的识别精度；（h）连续训练脉冲下的光增强与电抑制行为；（i） Ga₂O₃:Sn 神经形态视觉系统示意；（j）学习过程中的图像演化；（k）识别精度随训练轮次变化；（l）弱光条件下性能对比；（m）不同噪声水平下识别精度演化。

图10. 基于 Ga₂O₃ 光电突触器件在复杂场景中的动态目标跟踪应用。（a）基于偏振敏感 Ga₂O₃ 突触的空中目标运动检测示意；（b）不同偏振条件下导弹轨迹三帧图像；（c）不同噪声水平（10%、60%、90% 高斯噪声）下的运动轨迹识别；（d） Ga₂O₃/In₂Se₃ 铁电光电突触器件结构；（e）火焰检测系统示意；（f）集成器件原型；（g）火焰点燃/熄灭过程的响应数据；（h）火焰扩散方向识别结果；（i）时空映射传感阵列示意；（j）火焰传播方向识别精度随训练轮次变化。

DOI：

doi.org/10.1002/adfm.75385