面向神经形态视觉系统的近红外有机光电化学突触晶体管：晶圆级光刻与多级存储新突破

《Nature Communications》：Near-infrared organic photoelectrochemical synaptic transistors by wafer-scale photolithography for neuromorphic visual system

本研究针对有机光电突触器件存在的编程非线性、存储容量有限及近红外响应不足等挑战，开发了基于体异质结结构的近红外有机光电化学晶体管（OPECT）阵列。通过晶圆级光刻工艺实现了高密度器件集成（1111 units/cm2），在1000 nm近红外光刺激下展现出超低非线性度（NL=-0.015）、宽动态范围（Gmax/Gmin=47.3）和34级非易失性存储能力。该器件成功应用于图像感知存储、噪声过滤和卷积神经网络计算，对手写数字识别准确率达93.29%，为神经形态视觉系统提供了创新解决方案。

　　

在人工智能蓬勃发展的今天，传统计算架构的“冯·诺依曼瓶颈”严重制约了数据处理效率。仿生视觉系统凭借其并行计算和超低功耗的优势，成为突破这一瓶颈的重要路径。然而，现有基于有机场效应晶体管（OFET）的光电突触器件仍面临高工作电压、明显编程非线性、有限存储记忆和响应波长受限等挑战，特别是对近红外（NIR）光的响应能力不足，限制了其在夜视成像、生物传感等领域的应用。

为解决这些问题，同济大学黄佳教授团队在《Nature Communications》上发表了最新研究成果，开发出基于晶圆级光刻的近红外有机光电化学突触晶体管（OPECT）阵列。该器件利用DPPDTT/COTIC-4F体异质结（BHJ）材料体系，通过光诱导电化学掺杂机制，实现了优异的突触性能和神经形态视觉计算功能。

研究团队采用光刻兼容工艺制备了高密度OPECT阵列，关键技术创新包括：通过优化半导体层旋涂和等离子刻蚀实现精确图案化；利用离子凝胶电解质层实现光控离子掺杂；构建三电极测试系统分析电化学阻抗谱（EIS）和循环伏安（CV）特性；集成LED阵列实现图像可视化功能；基于MNIST数据集开发卷积神经网络（CNN）分类算法验证计算性能。

OPECTs with multi-level linear conductance update capability

研究团队设计了一种平面三电极结构的OPECT器件，其中DPPDTT/COTIC-4F体异质结薄膜既作为光敏层又作为沟道材料。在高负栅压（V_GS=-1.2 V）和近红外光（1000 nm）照射下，光生电荷引发离子从离子凝胶向有机半导体基质中注入：阳离子渗透到栅电极上方的BHJ薄膜中稳定光生电子，而阴离子进入沟道增强其电导率。光照停止后，由于周围晶体的空间位阻和溶剂化效应，阴离子的脱掺杂过程受到抑制，从而产生非易失性光电响应。

器件表现出卓越的突触特性：连续施加120个近红外光脉冲后，电导状态从1.54 μS线性增加至361.15 μS，提升达234倍；实现了32个可区分的电导状态（G₃₂/G₁≈84.7），保留时间超过60秒；长时程增强/抑制（LTP/D）曲线显示出超低非线性度（NL=-0.015）和宽动态范围（G_max/G_min=47.3），性能优于传统OFET基突触器件。

The uniformity and photoconductance update performance of OPECTs array

通过光刻策略成功将器件通道尺寸缩小至微米级，制备出密度为1111 devices/cm²的晶圆级OPECT阵列。80个随机选择的器件显示出一致的转移特性和光电响应，阈值电压（V_Th）在暗态和光态下的标准偏差仅为工作电压范围的0.5%-1%，表明良好的阵列均匀性。

阵列器件表现出优异的模拟可编程性：连续施加600个光脉冲可实现从0.0337 μS到80.181 μS的线性电导更新（G_max/G_min>2379）；具备抗脉冲频率依赖性可塑性，在不同脉冲频率下ΔI_DS无显著变化；经过8次循环测试后LTP/D曲线仍保持一致性，显示出良好的操作稳定性。

The working mechanism of non-volatile optoelectronic synaptic behaviors

通过三电极系统深入研究了非易失性光电突触行为的形成机制。电化学阻抗谱显示光照后BHJ薄膜电容显著增加，导致沟道/离子凝胶界面电势降增大（|V_EC*|>|V_EC|）。开路电位（OCP）测试表明光照停止后电位可稳定维持300秒以上，有利于通过持续离子掺杂形成非易失性持久光电导。

位置选择性光照实验发现，照射栅极区域产生的ΔI_DS是照射沟道区域的7.9倍，证明栅极区域的BHJ薄膜在器件光电响应中起主导作用。二端器件对比实验进一步验证了BHJ/离子凝胶结构通过光诱导电化学掺杂过程对器件非易失性光电流性能的重要贡献。

Demonstration of image memorization and visualization

利用OPECT阵列的持久记忆效应，成功实现了近红外图案的识别与存储。通过“音符”掩模版投射近红外光（1000 nm，5 mW/cm²，20 s）后，即使光照停止600秒后图案仍清晰可见，显示出卓越的近红外光记忆能力。

基于器件的波长选择性，3×3阵列能够从紫外噪声（400 nm）中有效识别出近红外图案“H”。通过将OPECT阵列与LED阵列集成，利用LED的阈值电压开关特性滤除噪声，实现了“S、H、T、J、U”等图案的高对比度可视化，且图案亮度在60秒内保持不变。

Image processing and classification by OPECTs-based convolutional neural networks

基于OPECTs的线性电导编程能力，构建了可重构视觉神经网络用于高级信息处理。采用五个3×3卷积核进行图像轮廓提取，通过向量-矩阵乘法选择性增强或抑制特定像素信息。

构建了完整的CNN系统用于MNIST手写数字分类，包含前端卷积核特征提取和后端全连接神经网络分类。在添加高斯噪声（σ=0.3）的情况下，基于OPECT的CNN系统识别准确率达到89.37%，显著高于无预处理系统的83.01%。当噪声水平增至σ=0.6时，两者准确率差异进一步扩大至10.69%，证明了CNN核出色的预处理能力。

该研究通过晶圆级光刻工艺成功制备了近红外OPECT阵列，解决了有机光电突触器件在编程线性度、存储容量和近红外响应方面的关键难题。器件基于光诱导电化学掺杂机制实现了多级线性电导编程和长时程非易失存储，在图像感知、存储和可视化方面展现出卓越性能。通过构建OPECT基CNN系统，实现了对噪声手写数字的高精度识别，为未来神经形态传感计算提供了创新技术平台，推动了人工智能数据处理能力的发展。