← 返回
储能系统技术 储能系统 GaN器件 深度学习 ★ 5.0

基于生物材料介电层的有机滞回反相器用于人工神经元电路

Organic Hysteretic Inverter with Biomaterial Dielectric for Artificial Neuronal Circuit

作者 Chong Qian · Xu Gao · Zhong-Da Zhang · Zi-Yi Yin · Ya-Nan Zhong · Jian-Long Xu
期刊 IEEE Electron Device Letters
出版日期 2025年9月
技术分类 储能系统技术
技术标签 储能系统 GaN器件 深度学习
相关度评分 ★★★★★ 5.0 / 5.0
关键词 人工神经元 有机滞后反相器 DNA - CTMA 漏电流积分触发神经元 神经形态计算硬件
语言:

中文摘要

受人类大脑启发,人工神经元的开发对于实现脉冲神经网络至关重要,该网络通过离散的脉冲传输利用时空处理能力。在这项工作中,我们展示了一种具有类似反相施密特触发器功能的有机滞后反相器,其中 p 型和 n 型有机薄膜晶体管(OTFT)均采用与十六烷基三甲基氯化铵复合的脱氧核糖核酸(DNA - CTMA)这种生物材料作为栅极电介质。DNA - CTMA 介电层的极化特性赋予了反相器稳定的记忆窗口,该窗口被充分利用以构建一个电子漏电积分发放(LIF)神经元,该神经元能够对输入电流脉冲进行积分并产生输出电压脉冲。我们的方法表明了利用有机半导体和生物材料构建柔性且生物相容的神经形态计算硬件的可行性。

English Abstract

Inspired by the human brain, the development of artificial neurons is crucial for realizing spiking neural networks that leverage spatiotemporal processing through discrete spike transmissions. In this work, we demonstrate an organic hysteretic inverter featuring as an inverting Schmitt-trigger-like unit, in which both the p -type and n-type organic thin-film transistors (OTFTs) are based on a biomaterial gate dielectric of deoxyribonucleic acid complexed with cetyltrimethylammonium (DNA-CTMA). The polarization merit of the DNA-CTMA dielectric layer empowers the inverter with a stable memory window, which is fully utilized to initiate an electronic leaky integrate-and-fire (LIF) neuron that is capable of integrating input current spikes and firing output voltage spikes. Our approach indicates the feasibility to harness organic semiconductors and biomaterials for constructing flexible and biocompatible neuromorphic computing hardware.
S

SunView 深度解读

从阳光电源的业务视角来看,这项基于生物材料介电层的有机滞后逆变器研究虽然聚焦于神经形态计算,但其底层技术原理对我司在智能逆变器和储能系统控制领域具有前瞻性启示意义。

该研究展示的施密特触发器式滞后特性与我司光伏逆变器中的电压稳定控制、储能系统的充放电管理存在技术关联。其利用DNA-CTMA介电层实现的稳定记忆窗口,本质上是一种低功耗的状态保持机制,这与我司储能变流器(PCS)中电池管理系统对状态记忆的需求具有相似性。特别是其展示的漏电积分发放(LIF)神经元功能,可为我司开发更智能的最大功率点追踪(MPPT)算法和电网自适应控制提供新思路。

然而,必须客观指出,该技术目前仍处于基础研究阶段,距离工业应用存在显著距离。有机薄膜晶体管在功率处理能力、温度稳定性、长期可靠性等方面远无法满足我司产品在户外极端环境下连续运行25年以上的严苛要求。生物材料的环境敏感性和大规模制造一致性也是重大挑战。

尽管如此,该研究所代表的神经形态计算范式值得我司技术预研团队关注。其低功耗、并行处理特性可能在未来应用于分布式能源管理系统的边缘计算节点,或用于智能微网中的快速响应控制单元。建议将此类技术纳入长期技术雷达监测,关注其在柔性电子和生物兼容性方面的演进,为我司在可穿戴能源设备或医疗级储能产品的未来布局储备技术认知。