类型a：学术研究报告

作者及机构
本研究由Hang-Fei Li、Jiashun Liu、Suningyue Geng、Tao Sun、Ziyu Lv、Yongbiao Zhai、Ye Zhou和Su-Ting Han*共同完成。主要研究机构包括深圳大学电子与信息工程学院、香港理工大学应用生物与化学技术系及智能能源研究所、深圳大学微尺度光电子学研究所和深圳大学高等研究院。研究论文发表于《Advanced Materials》期刊，发表日期为2025年8月5日，DOI编号为10.1002/adma.202508342。

学术背景
本研究属于神经形态计算（neuromorphic computing）与光电子器件交叉领域，聚焦于开发一种基于二维-三维有机-无机杂化钙钛矿（2D-3D organic-inorganic hybrid perovskites, OHPs）的忆阻器（memristor），用于模拟生物神经元的动态响应特性。传统泄漏积分发放（Leaky Integrate-and-Fire, LIF）神经元因固定发放频率难以适应复杂动态环境，而现有可变频率LIF神经元通常依赖额外电路，增加了系统复杂性。因此，本研究旨在通过2D-3D钙钛矿忆阻器的可调衰减特性与波长选择性，开发一种光诱导敏化神经元（Light-Induced Sensitized Neuron, LISN），以实现无需复杂外部电路的动态频率调节，并应用于视觉信息处理。

研究流程
1. 器件制备与表征
- 材料合成：采用甲基铵碘化铅（MAPbI₃）作为3D钙钛矿基底，通过苯乙基碘化铵（PEAI）表面钝化形成2D-3D异质结构（Au/(PEA)₂PbI₄/MAPbI₃/ITO）。
- 结构分析：通过扫描电子显微镜（SEM）和原子力显微镜（AFM）证实2D钝化层提高了表面粗糙度（RMS从9.4 nm增至12.7 nm）。紫外光电子能谱（UPS）显示钝化后功函数增加0.5 eV，表明缺陷态密度降低。
- 光电特性：紫外-可见吸收光谱显示2D-3D OHPs在400-500 nm波段吸收增强，时间分辨荧光（TRPL）显示载流子寿命延长（Δτ_avg=13.4 ns），密度泛函理论（DFT）计算证实2D-3D界面的碘离子迁移能垒（1.71 eV）显著高于纯MAPbI₃（0.83 eV）。

1. 忆阻器性能测试

   • 电学特性：在0至3 V扫描电压下，忆阻器表现出非易失性电阻开关行为，循环稳定性良好。通过调节脉冲幅度和持续时间，实现了类似生物神经元的配对脉冲易化（Paired-Pulse Facilitation, PPF）行为，拟合时间常数（τ₁=18 ms，τ₂=219 ms）。
     
   • 光学响应：在458 nm激光照射下，忆阻器光电流随光强（1.06-5.32 mW/cm²）和脉冲持续时间增加而增强，波长选择性表现为458 nm响应最强。
     

2. LISN电路设计与应用

   • 神经元模拟：将忆阻器与电容（C_p=0.47 μF）和电阻（R_L=600 kΩ）串联，成功模拟了发放频率可调的敏化神经元行为。光强增加（1.06至5.32 mW/cm²）可缩短发放间隔，波长选择性（458 nm > 519 nm > 626 nm）与吸收光谱一致。
     
   • 视觉处理：通过RGB通道编码，LISN实现了图像颜色分割与增强，例如蓝色区域因458 nm响应最强而显著突出。
     
   • 神经网络集成：将LISN应用于敏化脉冲神经网络（Sensitized Spiking Neural Networks, SSNNs），在CIFAR-10数据集分类任务中，基于敏化LIF（SLIF）神经元的网络准确率优于传统LIF模型，归因于其对长时序依赖的增强处理能力。
     

主要结果
1. 材料特性：2D钝化层有效抑制离子迁移，提高器件稳定性（空气中>30天）和光响应性能。
2. 忆阻器行为：电脉冲和光脉冲均可调控导电态，PPF指数和频率依赖性模拟了生物突触可塑性。
3. LISN性能：发放频率动态可调，光强与波长选择性使其适用于视觉信息编码。
4. 应用验证：SSNNs在图像分类中准确率提升，证实了LISN在复杂时序任务中的优势。

结论与价值
本研究通过2D-3D钙钛矿忆阻器实现了光控敏化神经元，其核心贡献在于：
1. 科学价值：揭示了2D钝化层对离子迁移能垒的调控机制，为设计动态神经形态器件提供了新思路。
2. 应用价值：LISN无需复杂电路即可实现频率自适应，在低功耗视觉处理（如实时图像分割）和边缘计算中具有潜力。

研究亮点
1. 创新方法：首次将2D-3D钙钛矿异质结构用于神经元器件，结合光/电双模调控。
2. 性能优势：LISN的波长选择性与动态频率调节能力超越了传统LIF神经元。
3. 跨学科应用：推动了神经形态计算与光电器件的融合，为仿生视觉系统开发奠定了基础。

其他价值
研究还模拟了大脑的“学习-遗忘-再学习”行为（图2h），为类脑记忆模型提供了实验支持。