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%。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,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。
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。