基于硅纳米晶体异质结的光电神经突触器研究.pdfVIP

吸收光谱等手段对器件进行表征，并用时域有限差分法（FDTD）进行器件在光

场下的仿真。根据器件产生光生电流的现象提出了器件的工作机理，利用该机理

实现了与现有光电神经突触器件相比而言大幅提高的器件光响应，以及大幅降低

的器件电功耗。表征了器件的重复性，并模拟了兴奋型突触后电流（EPSC）、双

脉冲易化（PPF）、脉冲数量依赖可塑性（SNDP）和脉冲频率依赖可塑性（SRDP）

等神经突触行为。展示了器件在不同的入射光波段下的工作情况。制备了基于Si

NCs/P3HT异质结的光电神经突触器件，展示了其在紫外激光刺激下的LTD行

为。

（2）用这两种器件搭建了光控制的神经网络。从两种器件的LTP/LTD曲线

中提取了非线性度，根据非线性度说明了光控制神经网络中器件电导的更新规

则。说明了神经网络的训练过程中正向计算和反向传播的原理，说明了光控制神

经突触器件充当网络权重更新的作用。展示了将神经网络用于MNIST数据集分

类任务时，在训练过程中网络准确率的变化，探究了器件存在的重复性问题对网

络最终训练效果的影响，并展示了训练过程中网络的感受野的变化。最终在测试

集上对网络进行测试，达到了90.2%的准确率，并通过混淆矩阵展示了网络的分

类效果。

关键词：硅纳米晶体，异质结，光电神经突触器件，神经网络

Abstract

Afterdecadesofdevelopment,artificialneuralnetworks(ArtificialNeural

Network,ANN)havenowdemonstratedexcellentresultsincomputervision,natural

languageprocessingandotherfields.However,theANNsbasedonthebackward

propagationalgorithmalsohavemanyproblems.Themostinfluentialonesare

undoubtedlytheexcessivecomputingpowerandthelongtimerequiredfortrainingthe

network.LimitedbyMooresLawandthevonNeumannbottleneck,itisdifficultto

solvethesetwoproblemsinmoderncomputerarchitecture.Inrecentyears,

neuromorphiccomputingthatcanefficientlyrunANNsisconsideredasolutiontothese

problems.Neuromorphiccomputingisinspiredbythehumanbrain,anditcansimulate

someofthefunctionsofthehumanbrain,suchaslearningandmemorizingwith

extremelylowpowerconsumption.Consideringthattheinformationtransmission

betweenneuronsinthehumanbrainbasicallydependsonthesynapsesinthebiological

system,itisveryimportanttoconstructartificialsynapticdevicesinneuromorphic

computing.Inaddition,inordertoovercomelimitedbandwidth,excessivepower

consum