【国际论文】Adv. Sci.丨沙特阿卜杜拉国王科技大学（KAUST）：面向神经形态计算的隐私增强型 κ-氧化镓光突触器件

        由沙特阿卜杜拉国王科技大学（KAUST）的研究团队在学术期刊Advanced Science发布了一篇名为Synaptic κ-Ga₂O₃ Photodetectors for Privacy-Enhancing Neuromorphic Computing（用于增强隐私的神经形态计算的突触式κ-Ga₂O₃光探测器）的文章。

        国际顶级期刊Advanced Science是跨学科的高品质开放获取期刊，涵盖材料科学、物理学与化学、医学与生命科学以及工程学领域的基礎与应用研究。(中科院一区TOP期刊，最新影响因子：14.1)。期刊致力于刊登原创性、创新性研究成果，强调研究的科学价值与潜在应用前景，鼓励前沿交叉学科研究和突破性技术方法的报道。Advanced Science 同时提供高效的同行评审与编辑流程，为科研人员提供高质量发表平台，是国际科研交流与知识传播的重要窗口。

        随着物联网（IoT）的快速扩张，分布式感测节点遍布智能基础设施、工业自动化和医疗监测等领域。传统以云为中心的计算架构在处理海量边缘数据时，面临高延迟、高能耗以及数据隐私安全等严峻挑战。现有边缘系统在硬件实现上存在功能碎片化的问题。感测、数据存储、计算和设备认证通常由物理上独立的组件完成，这增加了系统复杂度、功耗，并使其容易受到物理或网络攻击。此外，依赖软件的加密协议在面对大规模设备群时难以扩展，且一旦硬件被克隆或非法访问，安全性将大打折扣。受生物神经元和突触启发，神经形态器件能模拟时间相关的非线性行为（如短期增强、长期增强和塑性），支持直接在物理状态中编码和处理信息。光电突触器件将光学感测与突触塑性结合，能够无需复杂外围电路即可处理光刺激信号，非常适合边缘应用。作为超宽禁带半导体，κ-Ga₂O₃ 具有天然的日盲紫外（UV）灵敏度和可大规模生长的特性。更关键的是，该材料具有显著的持久光电导（PPC）效应，这种缺陷介导的载流子捕获与释放过程，自然地提供了存储功能和时间整合能力，能高度模拟生物突触行为。由于缺陷分布的随机性，即使是相同工艺制备的 κ-Ga₂O₃ 器件，其光电流响应动态也存在可重复但具有区分性的差异。这种器件间的微小差异可以作为硬件级的指纹，用于实现物理不可克隆功能（PUF）和设备身份验证。

        将传感、存储和计算功能集于一体的光电子器件，为构建智能且数据就近的边缘系统开辟了一条充满前景的道路。本文报道了一种基于 κ 相氧化镓（κ-Ga₂O₃）持久光导效应（PPC）的多功能金属-半导体-金属类脑光探测器，该器件可在单个器件单元内实现传感器内信息处理和长期状态保持。得益于显著的 PPC 效应，名义上相同的器件展现出可重复但具有器件特异性的时域光电流响应。通过利用这些响应，结合混合一维深度嵌入网络，实现了硬件级认证，其跨周期验证性能表现优异，曲线下面积（AUC）约为 0.97，等效误差率（EER）约为 9 %。除身份验证外，还利用硬件感知仿真框架评估了器件的神经形态推理能力，其中将实验提取的电导状态映射到具有 16 个离散级别的量化感知训练（QAT）人工神经网络（ANN）。该量化网络实现了 98.17 % 的准确率，随后被转换为泄漏积分-放电（LIF）脉冲神经网络（SNN），在受设备限制的运行条件下仍保持 96.80 % 的准确率。通过在设备层级进行感知、认证和推理，κ-Ga₂O₃ 突触光探测器为下一代边缘系统开辟了一条基于材料的路径，旨在实现紧凑、智能且增强隐私的光电硬件。

        ●在单个 κ-Ga₂O₃ 金属-半导体-金属（MSM）器件中实现了光学感测、长期状态保持和原位信息处理 。

        ●开发了基于 1D 深度嵌入网络的认证框架，利用器件特有的光电流响应实现了稳健的跨周期验证，曲线下面积（AUC）达到约 0.97，等错率（EER）仅为 9 % 左右 。

        ●在 16 级量化感知训练（QAT）的个人神经网络（ANN）中实现了 98.17 % 的识别准确率。

        ●在将其转换为漏电积分发放（LIF）脉冲神经网络（SNN）后，在器件约束操作下仍保持了 96.80 % 的高准确率。

        对基于 κ-Ga₂O₃ 的光电二极管（PDs）作为智能光电子系统中的多功能光突触器件进行了全面研究，内容涵盖薄膜生长、器件制备、光电子特性表征、基于人工智能的器件特征提取（用于硬件认证），以及针对神经形态推理的硬件感知评估。κ-Ga₂O₃ MSM 光电二极管表现出显著的光控和偏压控突触行为，在 260 nm 光照下 3 V 电压条件下，峰值光响应度达到 23.79 A W⁻¹，在相同条件下光电功率因子（PPF）为 116 %。利用光电流时域动力学中固有的缺陷介导变异性，将器件特异性响应特征作为物理熵源用于硬件级认证，并通过混合一维 EmbedNet 网络有效解析，在跨周期评估中获得约 0.97 的 AUC 值。与此同时，光电探测器（PDs）的多级、光可调导电状态被映射为模拟突触权重，并在硬件感知型 SNN 框架内进行评估。通过采用 QAT 和 LIF 神经元模型，在受设备限制的运行条件下，实现了 MNIST 手写数字识别，且具有较高的推理准确率，性能退化有限。通过在单一宽禁带材料平台上实现传感、存储、认证和推理的共定位，本研究确立了基于 κ-Ga₂O₃ 的突触光探测器作为一种有前景的构建模块，可用于开发面向下一代边缘智能应用的紧凑、智能且增强隐私的光电子硬件。

图1. 器件的设计理念、结构及 PPC 特性分析。器件功能分类示意图，包括紫外线传感、突触存储、器件认证和类脑计算。

图2. (a) 不同生长温度下 GaN/AlN/蓝宝石衬底上 κ-Ga₂O₃ 薄膜以及 GaN/AlN/蓝宝石衬底的 XRD 2θ–ω 扫描图。插图显示了 κ-Ga₂O₃ 样品的生长结构示意图。(b) κ-Ga₂O₃ 薄膜 (131) 和 (122) 晶面的 XRD φ 扫描图。(c) κ-Ga₂O₃/GaN/AlN/蓝宝石样品的截面透射扫描电子显微镜（STEM）图像及相应的 Al、Ga 和 O 元素能谱（EDS）映射图。(d) κ-Ga₂O₃/GaN 界面的 STEM 图像。(e) (d)中的放大图显示了原子排列，插图中给出了相应的模拟晶体结构。(f) κ-Ga₂O₃ 薄膜的原子力显微镜（AFM）图像。

图3. κ-Ga₂O₃ 在空穴注入（+5 V 偏压，上图）和电子注入（−5 V 偏压，下图）后的 KPFM 表面电位图。插图显示了沿紫色虚线方向的相应电位分布。

图4. (a) 测量系统示意图。(b) 基于 κ-Ga₂O₃ 的光探测器在暗态和 260 nm 光照下的 I–V 特性曲线，插图显示了该器件的 SEM 图像。(c) 光响应度随施加电压的变化，插图中显示了所制备的 κ-Ga₂O₃ 基光探测器的示意图。(d) 光电流由单个 260 nm 脉冲诱导产生，该脉冲持续时间为 5 s，功率密度为 1832 µW cm⁻²。(e) 在 1 V 施加电压下，由频率稳定为 4 Hz 的光脉冲触发光响应。图中插图显示，在不同施加电压下，峰值光电功率因子（PPF）保持稳定，其值在 110 % 至 116 % 之间。

图5. EmbedNet 及类脑光探测器的认证性能。（a）融合时序卷积特征与人工设计物理描述符的混合 EmbedNet 架构。（b）网络优化过程中的训练准确率和损失。(c) 身份验证系统的 ROC 曲线。(d) 身份验证指标汇总，包括 FAR、FRR、EER 和 AUC。(e) 同一测量周期内设备内及设备间样本的相似度距离分布。(f) 跨周期评估下的对应相似度距离分布。

图6. (a) ANN 和 SNN 的架构。 (b) ANN 的混淆矩阵。 (c) SNN 的混淆矩阵。 (d) 5 个训练周期内的训练准确率和损失。 (e) 差分光电二极管读出架构示意图。

DOI：

doi.org/10.1002/advs.75160