大家好，今天为大家分享一篇2026年5月5日发表在Advanced Functional Materials的文献，题目为"Perception-Computation-Protection Integrated Opto-Thermal Neuromorphic Devices Based on Hydrogen-Terminated Diamond"。本文的第一作者是Zhenfeng Zhang，本文的通讯作者是Chongxin Shan和Xun Yang。
摘要
神经形态器件借鉴了生物神经系统的运行原理，在提升实时处理能力和适应性的同时，展现了在系统层面实现高能效运行的潜力。金刚石凭借其超宽带隙、高热导率以及优异的化学和辐射稳定性，为多功能神经形态电子学提供了一个坚固的平台。在此，研究人员展示了一种基于氢终端金刚石（HTD）的光热双模神经形态器件，该器件在单一设备中集成了环境感知、突触计算和自适应自我保护功能，凸显了金刚石作为在恶劣环境下实现神经形态功能的材料平台的潜力。器件表面的二维空穴气（2DHG）和缺陷介导的载流子俘获效应，共同实现了持续性光电导和温度依赖性输运，从而产生了多种生物突触行为，如配对脉冲易化、短时到长时记忆转换等。基于该器件的神经网络模拟，在手写数字识别任务中实现了92.4%的准确率。同时，其固有的温敏电导特性使得器件能够在高达200°C的温度下进行实时热感知和自适应状态调节，建立了一个集成的“感知-计算-保护”回路。这些结果凸显了金刚石作为一种在极端条件下用于神经形态电子学的坚固多功能平台所具有的内在材料优势。
研究背景与器件机理
传统的冯·诺依曼计算架构因内存与处理器分离而面临“内存墙”和“功耗墙”瓶颈。神经形态计算通过模拟生物神经突触，将存储与计算融为一体，为高能效的信息处理提供了新的途径。然而，多数神经形态器件在高温、辐射等极端环境下可靠性会下降。金刚石以其优异的物理化学性质，成为构建能在严苛环境中稳定工作的神经形态器件的理想材料。
本研究利用氢终端金刚石（HTD）来构建器件。如图1所示，通过氢等离子体处理，金刚石表面形成C-H键，其具有负电子亲和势。这会促使电子从金刚石转移到表面吸附物，导致近表面区域形成高迁移率的二维空穴气（2DHG），构成导电通道。这一通道对光和热都很敏感。光照可以激发载流子，同时材料中的缺陷态会俘获电子，导致光电流缓慢衰减，形成持续性光电导（PPC），这为模拟突触的非易失性权重调整提供了物理基础。同时，温度变化会影响载流子的输运：适度升温能加速缺陷态中被俘获电子的释放，增强电导；但温度过高（>200°C）则会导致C-H键断裂，破坏2DHG，降低电导。这种光热耦合效应使得单一器件能够同时实现环境感知、信息计算和过热自我保护，构成了一个“感知-计算-保护”的一体化架构。
图1. HTD神经形态器件工作机理示意图(a) MPCVD系统中金刚石表面的氢等离子体处理示意图。(b) 氢终端诱导的近表面空穴积累机制。(c) HTD神经形态器件的能带图，展示了光激发产生载流子以及缺陷态俘获电子的过程。(d) 热激发促进俘获电子从缺陷态向导带跃迁的过程。(e) 热诱导的C-H键断裂导致金刚石表面氢终端覆盖度降低。(f) 集成HTD神经形态器件的概念示意图，突出其自适应的神经形态-温度双模传感功能。
器件的神经形态功能模拟
研究人员基于HTD构建了光电晶体管，并系统研究了其对光脉冲刺激的响应，以模拟生物突触的可塑性。
图2. HTD神经形态器件的突触行为模拟(a) 大脑中神经元和突触的示意图。(b) HTD神经形态器件结构示意图。(c) 器件在不同波长光照下的兴奋性突触后电流（EPSC）响应。(d) 配对脉冲易化（PPF）效应，其指数随脉冲间隔的缩短而增大，模拟了短时记忆。(e) 器件对不同频率光脉冲的响应，频率越高，电流越大，表明其具有编码时间信息的能力。(f, g) 通过增加光脉冲的持续时间或数量，器件的残余电流显著增加，实现了从短时记忆（STM）到长时记忆（LTM）的过渡。(h) 器件的“学习-遗忘-再学习”过程，第二次学习（再学习）所需时间更短，且记忆保持水平更高，这与心理学中的艾宾浩斯遗忘曲线规律相符。
如图2所示，器件展示了多种关键的突触功能。当施加两个连续的光脉冲时，第二个脉冲引起的电流峰值高于第一个，即配对脉冲易化（PPF）效应，这是短时记忆的典型特征（图2d）。通过增加光脉冲的频率、持续时间或数量，突触后电流（EPSC）的幅度和光照停止后的残余电流均会增加，这模拟了从短时记忆到长时记忆的转变过程（图2e-g）。此外，器件还成功模拟了艾宾浩斯遗忘曲线：经过“学习-遗忘”后，第二次“再学习”达到相同电导水平所需的时间显著缩短，且记忆保持水平更高（图2h），这源于缺陷态中未完全释放的被俘获载流子。
器件的温度响应与多模调控
金刚石的优异热稳定性是其在极端环境下应用的核心优势。研究表明，该器件在-243°C至200°C的宽温区内均能稳定工作。
图3. HTD神经形态器件的温度特性与门控调节(a, b) 器件在低温区（-243°C至37°C）表现出稳定的电学特性和良好的可重复性。(c, d) 在高温区（25°C至300°C），器件电流随温度呈现先增后减的非单调关系。在200°C以下，响应具有良好的可逆性；超过200°C后，由于氢终端脱附，性能发生不可逆衰退，这为器件设定了工作上限和过热保护阈值。(e) 在25°C至200°C范围内，器件的光电流随温度升高而线性下降，实现了光热耦合响应。(f, g) 引入栅极电压可以主动调控器件的“遗忘”过程。施加-10V的负栅压可以加速光电流的衰减，使器件在约7秒内恢复初始状态，实现了电学可控的擦除功能。
如图3所示，在低温区（-243°C至37°C），器件电流随温度升高而平稳增加。在高温区，电流随温度变化呈现非单调行为：在200°C以下，热激发占主导，电流随温度升高而增加；当温度超过200°C，氢终端开始脱附，导致电导率不可逆地下降。这一特性使得200°C成为器件稳定工作的临界点，也为实现过温保护提供了依据。此外，通过引入栅极电压，可以主动调控器件的记忆状态。施加负栅压可以加速光电流的衰减，实现对记忆的快速“擦除”（图3f），为器件增加了电学调控的维度。
神经形态计算应用与阵列演示
为验证器件的实际计算能力，研究人员进行了神经网络模拟和阵列级别的功能演示。
图4. 基于HTD器件的神经网络模拟与联想学习(a, b) 用于MNIST手写数字识别的784x300x10三层全连接人工神经网络（ANN）示意图。(c, d) 器件的电导在模拟突触权重增强（LTP）和抑制（LTD）过程中表现出多级、准线性的变化，为高精度的计算提供了硬件基础。(e, f) 经过20个周期的训练，网络的平均损失持续下降，手写数字识别准确率达到了92.4%，接近理想软件模型的性能。(g) 巴甫洛夫条件反射模拟实验。单独的365 nm光脉冲（条件刺激）不产生响应，而266 nm光脉冲（非条件刺激）可产生强响应。经过两种脉冲的配对训练后，单独施加365 nm光脉冲也能触发强响应，成功模拟了联想学习。
通过将HTD器件的电导状态映射为神经网络中的突触权重，研究人员构建了一个三层神经网络，并用其进行MNIST手写数字识别任务。如图4所示，经过20个周期的训练，识别准确率达到92.4%，证明了该器件作为突触硬件的有效性。此外，研究还通过结合两种不同波长的光脉冲，成功模拟了经典的巴甫洛夫条件反射实验，展示了器件实现联想学习的能力。
图5. HTD神经形态器件阵列的图像记忆功能(a) 人类视觉系统处理光信号的通路示意图。(b) 采用氧终端隔离技术制备的7x7 HTD神经形态器件阵列。(c, d) 在室温下，阵列能够记忆光照形成的“+”字形图案，并在光照移除后逐渐“遗忘”。(e, f) 在200°C的高温下，阵列同样能够稳定地执行相同的图像记忆和遗忘功能，验证了其在高温环境下的工作鲁棒性。
最后，研究人员制备了7x7的HTD器件阵列，并通过氧终端技术实现了像素间的有效隔离。如图5所示，该阵列不仅能在室温下实现对光学图案的记忆和遗忘，在200°C的高温环境下依然能够稳定地执行相同的功能。这充分证明了基于金刚石的神经形态器件在恶劣环境中进行图像感知和处理的巨大潜力。
总结与展望
本文成功研制了一种基于氢终端金刚石（HTD）的光热双模神经形态器件，其核心创新点与未来展望如下：
创新点：
- 1. 新颖的材料平台： 首次将氢终端金刚石应用于神经形态计算，利用其本征的物理化学优势，为开发能在极端环境下工作的智能器件开辟了新路径。
- 2. “感知-计算-保护”一体化： 在单个器件上实现了环境温度感知、光学信息处理（计算）和高温自适应保护功能的集成，为构建高度自主的智能电子系统提供了新思路。
- 3. 光热双模协同调控： 器件的突触行为可由光信号触发，同时受环境温度的调制，展现了多物理场耦合在神经形态器件设计中的应用潜力。
- 4. 优异的高温性能： 器件可在高达200°C的温度下稳定执行神经形态计算任务，远超传统半导体材料的工作范围，满足了航空航天、深地探测等领域的苛刻要求。
未来展望：
- 1. 提升工作温度上限： 未来可通过探索更稳定的表面终端技术（如氟终端）或钝化层，进一步提高器件的工作温度和长期稳定性。
- 2. 拓展多模态感知： 可利用金刚石对化学物质、辐射等敏感的特性，开发能够响应更复杂环境刺激的多模态神经形态传感器。
- 3. 大规模集成与算法优化： 攻克更大规模器件阵列的制备技术，并结合与硬件特性匹配的脉冲神经网络算法，是实现更复杂端侧智能计算的关键。
- 4. 深化机理研究： 通过缺陷工程精确调控金刚石材料的缺陷种类与浓度，有望实现对器件记忆和遗忘特性的精细定制，从而优化其计算性能。
10个月宝宝每天需要喝多少奶粉？
