近年来，大数据、互联网和人工智能的快速发展，对数据处理的速度和效率有了更高的要求。人类大脑是最复杂的计算系统之一，可以通过密集协调的突触和神经元网络同时存储、整合和处理大量的数据信息，兼具高速和低功耗的优势。受人脑的启发，人工突触器件应运而生，因具有同时处理和记忆数据的能力而受到广泛关注，有望成为下一代神经形态计算系统中的核心元器件。 

　　GaN基纳米柱具有表面体积比大、稳定性高和能带连续可调等优势，但是其能否作为一种理想材料制备人工突触器件，用于低功耗地模拟生物突触特性，是值得研究的问题。在前期纳米柱相关研究工作的基础上（Journal of Alloys and Compounds 2023, 966: 171498；Optics Express, 2023, 31: 8128；Nano Energy 2022, 100: 107437），最近中国科学院苏州纳米所陆书龙团队成功研发了一种基于GaN基纳米柱/石墨烯异质结的人工突触器件。实验证明，在光刺激下该器件能够有效模拟神经突触特性，包括记忆特性、动态的“学习-遗忘”特性和光强依赖特性，可以实现从短期记忆（STM）到长期记忆特性（LTM）的转变（图1）。  

　　图1. 基于GaN基纳米柱阵列的人工突触器件的构建及其突触性能表征  

　　上述研究成果以Realize low-power artificial photonic synapse based on (Al,Ga)N nanowire/graphene heterojunction for neuromorphic computing为题发表于APL Photonics，第一作者是中国科学院苏州纳米所博士生周敏。 

　　在上述纳米柱阵列的基础上，该团队提取了单根GaN纳米柱，实现了人工突触器件的制备，并与器件电导性能相结合，构建神经网络模拟对数字图像的识别，识别准确率可在30个训练周期后高达 93%（图2）。由于单根GaN纳米柱的体积极小，单次脉冲能耗可低至 2.72 10^-12 J，这有助于研发低功耗的神经网络计算系统。相关研究成果以Light-stimulated low-power artificial synapse based on a single GaN nanowire for neuromorphic computing为题发表于Photonics Research，并被选为Editors' Pick。共同第一作者是中国科学院苏州纳米所博士生周敏和副研究员赵宇坤。 

　　图2. 基于单根GaN纳米柱的人工突触器件的结构示意图、扫描电子显微镜（SEM）图片及其数字图像识别功能  　　  

　　上述论文的通讯作者为中国科学院苏州纳米所赵宇坤副研究员和陆书龙研究员，相关研究工作得到了国家自然科学基金面上项目、中国科学院从0到1原始创新项目等科研项目的资助，同时也得到了中国科学院苏州纳米所纳米真空互联实验站（Nano-X）、纳米加工平台和测试分析平台的支持。 

　　论文1　　论文2