氢键网络调控有机神经形态晶体管阵列性能及其在传感计算中的应用

来自国内的研究人员通过构建氢键网络调控有机突触晶体管的性能，设计新型LSSCA网络架构提升图像分类精度（达99%）。该研究解决了介电层/半导体界面电荷捕获失衡导致的迁移率（0.49→22 cm2 V?1 s?1）与可塑性（67→10,000 s）难以兼得的难题，单突触事件能耗仅24 aJ，为低功耗高精度神经形态应用提供新策略。

　　

这项突破性研究像给有机突触晶体管装上了"分子弹簧"——通过双聚合物介电层构建氢键网络（hydrogen bonding networks），巧妙优化了介电层/半导体界面特性。研究人员将载流子迁移率从蜗牛般的0.49 cm² V^?1 s^?1提升至猎豹般的22 cm² V^?1 s^?1，同时让突触可塑性持续时间从67秒延长至近3小时，而每次突触事件仅消耗24阿焦耳（aJ）能量，相当于单个神经元活动耗能的百万分之一。

更妙的是，团队开发的线性自注意力空间-通道联合注意力（LSSCA）架构，让脉冲神经网络（SNNs）在图像分类任务中准确率从76%飙升至99%，堪比专业放射科医生的诊断水平。这种"感知-记忆-计算"三位一体的器件，既能在安防监控中快速识别人脸，又能为自动驾驶系统提供实时环境分析，甚至有望在医疗影像诊断中实现AI辅助阅片。其低功耗特性更让它在智能穿戴设备和物联网（IoT）领域大显身手，堪称电子器件界的"节油冠军"。