近年来，基于存算一体人工神经网络的人工智能（AI）得到飞速发展，基于神经网络的大规模阵列和计算模型带来了更高的算力。然而当前的人工神经网络仍和真正的生物神经系统在能效和功能性上仍相差甚远，后者的多模态感知-存储-计算一体架构使其成为实时信息感知、处理和反馈一体化的智能系统，具备条件反射等更为智能而复杂的功能。因此，开发仿生学习硬件是加快AI系统发展的迫切需要，其关键难点在于硬件模拟外周神经的感受器以及中枢神经的突触和神经元。然而，常用多模块集成策略在材料和器件架构上的异质性使其在加工兼容性、电导匹配和集成密度等方面受到限制，不适合于微型化AI系统的构建。因此，使用单一器件同时实现多模态感知和存算功能是实现均质化、高集成度、高兼容性及生物相容性的硬件系统的重要手段。然而，高性能感知性能（易失性）和存算性能（非易失性）之间存在本质矛盾——感知功能需要低离子传输势垒以实现离子快速穿梭，存算功能需要高离子传输势垒以实现离子的长期存储。

为了克服上述矛盾，实现均质化多模态感-存-算一体硬件，西安交大金属材料强度国家重点实验室马伟教授课题组和香港大学电气与电子工程系王中锐教授课题组等单位合作，设计了一种沟道高度结晶的，全贯穿垂直结构的有机电化学晶体管（OECTs），这种器件基于离子-电子混合导体材料，其具有高度结晶和高深宽比的沟道。通过改变栅压大小可选择性控制离子注入势垒不同的非晶/晶态相区，同时通过栅极界面过程控制，使器件可在易失性/非易失性模式间切换，并表现出优异综合性能（图1）。作为人工感受器，其具有高开关比，和增益性能，65 mv/dec的低亚阈值斜率，可实现对多种高频微弱电生理信号的实时感知。同时，该器件还可对、光、热、化学等信号进行多模态感知，大大拓展了信息维度。作为非易失性人工突触，其具有远高于现有各类忆阻器，＞10-bit（1024）的模拟电导状态数量，超低编程随机性（△G _DS ² /σ ² ≈179）。在32倍动态范围内，具有大于10000秒的电导状态保持时间和低电导漂移。最后，研究人员设计了基于上述器件的均质化脉冲神经网络硬件和储蓄池计算系统，展示了图像分类、条件反射、实时心脏疾病诊断等实际应用，对微型化边缘计算AI系统的发展具有重要意义。

图1 (a) OECT同时作为人工感受器和突触用于信息实时处理; (b)传感特性; (c)存算特性; (d)用于构建均质化神经网络的均质化OECT阵列; (e)感存算一体神经网络用于心脏疾病诊断。

相关研究结果以《单一电化学晶体管用于多模态感知，存储与处理》(An organic electrochemical transistor for multi-modal sensing, memory and processing)为题在线发表在《自然-电子学》(Nature Electronics)上，西安交大材料学院博士生王世杰和香港大学电气与电子工程系博士生陈曦为文章共同第一作者，马伟教授和香港大学王中锐教授为共同通讯作者。西安交通大学金属材料强度国家重点实验室为第一通讯单位。文章合作者还包括西安交通大学马恩教授，张伟教授和李桃教授，西安科技大学的李宇翔教授。《自然-电子学》期刊同时还发表了由美国桑迪亚国家实验室A. Alec Talin教授署名的题为《一种随需应变的有机器件》(An organic device with volatility on demand)的专题评述文章，评论认为“精确可调的突触和传感组合行为，在发展具有生物神经网络的感知和学习多功能模拟电路中价值巨大，使用该器件构成神经网络阵列可以最大限度地减少模数转换和信息传输所带来的能耗和延迟。同时该器件本征柔性、环境稳定性和低成本在脑机接口领域也具备良好的应用前景”。

文章链接： https://www.nature.com/articles/s41928-023-00950-y