中科院物理所在光致VO2非易失相变及智能光电传感应用方面取得新进展
|
半导体产业网讯：据中国科学院物理研究所官网消息，近日，中国科学院物理研究所/北京凝聚态物理国家研究中心光物理重点实验室金奎娟研究员和杨国桢院士领导的L03组致力于激光分子束外延方法制备功能氧化物薄膜、物态调控及器件应用的研究课题组在光致VO2非易失相变及智能光电传感应用方面取得新进展。本研究工作将传统红外光学材料VO2的应用拓展到了紫外智能光电传感领域，为近传感器计算/传感器内计算设计提供了新选择，以“Photo-induced non-volatile VO2 phase transition for neuromorphic ultraviolet sensors”为题发表在Nature Communications，被Nature Communications编辑推荐为“Featured Articles”，并被Nature Electronics编辑撰文以“Vanadium dioxide remembers the light”为题做了“Research Highlights”高亮报道。
据介绍，人工智能的快速发展为光电材料和器件物理研究带了新的挑战。随着物联网、智能制造、消费品等行业对智能光电传感器的需求井喷式增长，全球智能光电传感器市场规模预计将达到数千亿美元规模，新型的智能光电传感器已成为世界各国争相布局、抢占高地的重点领域。可见，神经形态智能光电传感相关研究是面向世界科技前沿、面向国家重大需求的重要方向，其中孕育着许多亟需解决的基础科学问题。
传统的人工智能视觉系统由于各功能组件在物理上的分离导致了数据访问的延迟以及相对较高的功耗。人类从外界获取信息的途径80%依赖于视觉，视网膜不仅可以探测到光刺激，并且可以进行初步的光信号处理，这种高效的视觉感知和认知学习过程启发了未来人工视觉系统的发展。在此背景下，集感知、存储、计算功能于一体的神经形态智能光电传感器件已经成为近年来的前沿研究热点。
中国科学院物理研究所/北京凝聚态物理国家研究中心光物理重点实验室金奎娟研究员和杨国桢院士领导的L03组致力于激光分子束外延方法制备功能氧化物薄膜、物态调控及器件应用的研究，该课题组葛琛副研究员围绕新型氧化物光电薄膜和智能光电传感物理的基本科学问题，探索开展了氧化物神经形态智能光电传感器件研究[Nano Energy 89, 106439, 2021]。最近，该团队提出了一种基于紫外光辐照/电解质调控VO2非易失相变的新型神经形态光电传感器，器件展现出了良好的线性度、保持特性、硅基兼容性，构建了人工神经网络并演示了图像识别等功能。
二氧化钒（VO2）是一种典型的强关联氧化物，存在多种同分异构相以及由于氧含量的细微差异导致的丰富VOx相，研究显示通过电场、光场、压力场等外场调控可以实现相与相之间转换。研究团队通过激光分子束外延方法生长了高质量的VO2/Al2O3薄膜，将其制备成光电晶体管结构并进行了光电测试。团队发现VO2薄膜在紫外光辐照下发生了非易失变化，而在可见光照射下只有瞬态的光电响应。加大紫外光辐照剂量甚至可以诱导VO2非易失相变，由绝缘单斜相向金属金红石相转变。系列表征结果表明了这主要由于紫外光辐照在VO2薄膜中产生了氧空位，而光子能量低于其氧空位激活能的可见光只产生瞬态的光电响应。在复位过程中，基于团队在电解质调控界面离子输运方向的前期研究基础[Adv. Mater. Inaterfaces 2, 1500407 (2015); Adv. Mater. 30, 1801548 (2018); Adv. Mater. 31, 1900379 (2019); Adv. Funct. Mater. 29, 1902702 (2019); Nano Energy 67, 104268 (2020)]，提出了利用电解质门控的方法将氧离子插入到氧缺失薄膜的方案。因此，通紫外光辐照和电解质调控VO2中氧的脱出/嵌入，可以实现对其电导的可逆非易失性调控，进而设计了智能紫外光电传感器件。 此外，研究团队在硅晶圆上通过磁控溅射技术生长了大面积VO2薄膜，并将其制备成神经形态传感器件阵列。通过随机抽取其中100个器件进行测试，结果证明了薄膜展现出了良好的均匀性。在硅晶圆上生长的VO2薄膜具有与外延生长的VO2薄膜类似的光致非易失相变特性和多态可逆调控特性，证明了该新原理器件具有大规模集成潜力。进一步研究表明，沟道电流非易失变化与紫外线照射剂量呈现近似线性的关系，这为将来应用打下了良好基础。近期，研究团队也证明了VO2在柔性智能光电传感器件应用的可能性[Adv. Funct. Mater. 2203074 (2022)]。 研究团队基于新型的VO2神经形态光电传感器件构建了人工神经网络并对标准的MNIST手写数字图像进行识别，该神经形态紫外光电传感器件可以对随机引入RGB高斯噪声的图像进行预处理，并选择性识别其中包含的紫外信息。对于包含RGB高斯噪声的图像，识别准确率仅达到24%。相比之下，利用基于VO2的神经形态光电传感器对紫外光信息进行预处理后，图像的识别准确率达到93%，与原始MNIST图像的识别准确率相同。 物理所李格博士生和解东港联培硕士生为共同第一作者，金奎娟研究员和葛琛副研究员为共同通讯作者。研究工作得到了国家重点研发计划、国家自然科学基金、中国科学院青促会等项目的资助。 原文链接： Figures：
|
