复旦大学《Advanced Science》：用于高复杂度计算的大动态范围、多态VP异质结光电神经突触器件
图像识别、自动驾驶这类新兴的人工智能应用对海量数据处理的需求给冯·诺依曼架构带来了严峻挑战，由此催生了神经形态计算这一新型计算范式。人工突触作为神经形态计算的核心单元，其动态范围和电导多态决定了器件物理电导映射为神经网络权重的能力，对神经形态计算精度起着至关重要的影响。目前主流的突触器件在处理复杂度较高的任务时，受限于其较低的动态范围和较少的电导多态，计算精度相较于MNIST这类低复杂度图像时会受到更大程度的退化。因此，开发一种具有多电导态、大动态范围的突触器件对实现高复杂度，高精度神经形态计算具有重要意义。
针对这一问题，复旦大学周鹏/王水源团队通过利用新型二维磷烯—紫磷（VP）优异的光-物质相互作用，与硫化钼形成异质结构提出了一种具有大光暗比、高动态范围及多电导态的光电神经突触器件，并验证其在高复杂度神经形态计算中的潜能。相关成果以“An Optoelectronic Synapse Based on Two-Dimensional Violet Phosphorus Heterostructure”为题发表于顶级期刊《先进科学》（Advanced Science）。
研究团队首次把最近发现的，具有高稳定性的二维磷烯—VP进行了光电子器件应用。受益于VP的宽带隙、低暗电流、光-物质相互作用等优异特性，器件展现出高达106 的光暗比、超过60dB的大动态范围、128个可清晰分辨且不交叉的电导多态，展现出优越的光电突触性能。研究团队利用理论模型和仿真对器件的工作原理进行了分析，提出了利用II型异质结中的光致阈值漂移现象实现高光暗比的新策略。在此基础上，首次定义了图像复杂度，通过实验与神经网络仿真相结合，验证了VP异质结突触在不同复杂度图像识别任务中，电导多态和大动态范围对精度的影响。归功于大动态范围和电导多态带来的低电导-权重映射偏差，器件在MNIST与Fashion-MNIST两种识别任务中均取得了与理想情况极为相近的结果（偏差值分别为0.24%，0.3%），为高复杂度、高精度神经形态计算的发展提供了技术基础。
图1. VP异质结突触器件的结构和制备表征
图2. VP异质结突触器件的能带和有限元仿真分析
图3. VP异质结突触器件的短长时程可塑性（电导多态、大动态范围）
图4. VP异质结突触对MNIST(低复杂度)和Fashion-MNIST(高复杂度)图像进行分类
文章链接：网页链接
