近日，课题组在人工智能与全光神经形态计算领域取得重要进展，相关成果以“Bifunctional Photonic Synapse With Short-Term and Long-Term Plasticity for Neuromorphic Image Recognition”为题的研究论文发表在国际知名期刊《Laser & Photonics Reviews》上。论文共同第一作者为韩炎兵研究员与硕士研究生朱君豪，通讯作者为高晗研究员、董林教授和史志锋教授，郑州大学物理学院为论文完成单位。

  人工智能的核心依赖于神经形态计算，而突触器件的发展对于深化神经网络的物理基础及拓展人工智能解决各类任务的能力至关重要。近年来，随着新兴人工突触器件的不断涌现，光电突触取得了显著进展。然而，对于实际应用而言，目前绝大多数已报道的光子突触往往需要电学读出或依赖复杂的异质结构。更为关键的是，目前还没有任何技术能够在单层、全光平台中，提供一种将短期可塑性与长期记忆完美结合的材料级内建机制。如何开发出完全依赖光信号且具备多时间尺度记忆功能的人工突触，仍是该领域面临的重要挑战。

  针对这一问题，研究团队提出了一种基于Ti掺杂CaSb2O6的纯光子突触策略。该材料利用其固有的浅层和深层双功能陷阱，自然地将易失性与非易失性记忆（即短期和长期可塑性）进行了物理分离。通过双波长紫外光控制（275 nm激发与365 nm抑制/擦除），该突触成功诱导出了短期易化、依赖于脉冲数量的增强、强直后增强以及可擦除的存储等丰富的动力学行为。基于这些光物理特性，研究团队推导出了“Opto-Logistic”激活函数，并将其嵌入到搭载于微控制器上的轻量级神经网络中。该策略不仅成功应用于基于刺激频率和笔尖形状的高级防伪方案，还构建了一只能够自主分类蔬菜的人工智能“机器狗”，并且可以在储备池计算框架内实现针对新类别（如水果）的记忆擦除与重新训练。这一成果揭示了长余辉发光如何模拟生物突触物理学，不仅为开发可扩展的光子神经形态处理器提供了材料级的设计规则，也为其在系统级的应用奠定了基础。

该工作得到了国家自然科学基金、河南省青年人才支持计划等项目的支持。

文章链接：https://doi.org/10.1002/lpor.202503062