基于有机光电突触晶体管的储池计算网络

随着人工智能技术的快速发展,兼具高能效智能感知和计算的光电神经形态受到了广泛的关注.为了增强神经形态器件对不同应用场景的普适性,构建突触塑性能够灵活可调制的神经形态器件和电路至关重要.本文设计了一种基于非对称电极结构的有机突触晶体管,并利用液相制备的大面积有机超薄半导体作为光感知和计算材料.该光电突触晶体管表现出典型的光刺激后突触电流(excitatory postsynaptic potential,EPSC)、双脉冲易化(paired-pulse facilitation,PPF)和脉冲强度依赖塑性(spike-amplitude-dependent plasticity,SADP),可以实现高能效的图像降噪预处理.为了进一步满足储池计算对于突触塑性可调性和网络非线性的要求,我们制备有机n型晶体管,设计了一个基于p型和n型晶体管的突触模拟电路.该突触电路可实现从短程塑性(short-term synaptic plasticity,STP)到长程塑性(long-term synaptic plasticity,LTP)的高度可调性,以及可配置的双脉冲易化特性,显著增强了突触晶体管的电流非线性度.基于有机突触模拟电路,我们构建了降噪预处理融合的储池计算系统,该储池神经网络对于去噪后的MNIST手写数据集表现出85%的识别准确率.此工作表明,有机光电突触晶体管有效的降噪功能和突触模拟电路的灵活调制能力对实现多模态、多尺度、高准确率和低功耗神经网络具有重要的意义.