负持续光电导效应及其神经形态计算应用
摘要:随着人工智能的快速发展,传统冯·诺依曼架构在算力提升上面临瓶颈,难以满足深度学习等算法对高效、高速计算的需求。神经形态计算应运而生,其受人脑启发,采用数据处理与存储一体架构,具备高度并行性和超低功耗优势。负持续光电导(Negative persistent photoconductance,NPPC)效应是指半导体材料或器件电导在光照下降低,且停止光照后仍可较长时间保持的现象。基于NPPC效应的神经形态器件能够在光信号变化时灵活调节电导,从而实现更精准的信息感知和处理,在复杂交互环境中展现出显著优势,并有助于降低系统能耗,简化硬件架构,这些特性使其在神经形态计算领域具有重要的应用价值和发展潜力。本文从光电导效应的基本原理出发,梳理了NPPC效应的物理机制,包括电荷转移、缺陷捕获、电荷隧穿和极化切换。进一步从模拟突触和模拟神经元的角度系统分析了NPPC效应在神经形态计算中的应用,并展望了NPPC神经形态器件未来面临的机遇和挑战。





