近年來，大數據、互聯網和人工智能的快速發展，對數據處理的速度和效率有了更高的要求。人類大腦是最復雜的計算系統之一，可以通過密集協調的突觸和神經元網絡同時存儲、整合和處理大量的數據信息，兼具高速和低功耗的優勢。受人腦的啟發，人工突觸器件應運而生，因具有同時處理和記憶數據的能力而受到廣泛關注，有望成為下一代神經形態計算系統中的核心元器件。 

　　GaN基納米柱具有表面體積比大、穩定性高和能帶連續可調等優勢，但是其能否作為一種理想材料制備人工突觸器件，用于低功耗地模擬生物突觸特性，是值得研究的問題。在前期納米柱相關研究工作的基礎上（Journal of Alloys and Compounds 2023, 966: 171498；Optics Express, 2023, 31: 8128；Nano Energy 2022, 100: 107437），最近中國科學院蘇州納米所陸書龍團隊成功研發了一種基于GaN基納米柱/石墨烯異質結的人工突觸器件。實驗證明，在光刺激下該器件能夠有效模擬神經突觸特性，包括記憶特性、動態的“學習-遺忘”特性和光強依賴特性，可以實現從短期記憶（STM）到長期記憶特性（LTM）的轉變（圖1）。 

　　圖1. 基于GaN基納米柱陣列的人工突觸器件的構建及其突觸性能表征 

　　上述研究成果以Realize low-power artificial photonic synapse based on (Al,Ga)N nanowire/graphene heterojunction for neuromorphic computing為題發表于APL Photonics，第一作者是中國科學院蘇州納米所博士生周敏。 

　　在上述納米柱陣列的基礎上，該團隊提取了單根GaN納米柱，實現了人工突觸器件的制備，并與器件電導性能相結合，構建神經網絡模擬對數字圖像的識別，識別準確率可在30個訓練周期后高達 93%（圖2）。由于單根GaN納米柱的體積極小，單次脈沖能耗可低至 2.72×10^-12 J，這有助于研發低功耗的神經網絡計算系統。相關研究成果以Light-stimulated low-power artificial synapse based on a single GaN nanowire for neuromorphic computing為題發表于Photonics Research，并被選為Editors' Pick。共同第一作者是中國科學院蘇州納米所博士生周敏和副研究員趙宇坤。 

　　圖2. 基于單根GaN納米柱的人工突觸器件的結構示意圖、掃描電子顯微鏡（SEM）圖片及其數字圖像識別功能 　　  

　　上述論文的通訊作者為中國科學院蘇州納米所趙宇坤副研究員和陸書龍研究員，相關研究工作得到了國家自然科學基金面上項目、中國科學院從0到1原始創新項目等科研項目的資助，同時也得到了中國科學院蘇州納米所納米真空互聯實驗站（Nano-X）、納米加工平臺和測試分析平臺的支持。 

　　論文1　　論文2