南京工业大学黄维院士&刘举庆教授团队!Small丨碳点杂化材料实现双向全光突触:一种用于神经形态计算与视觉的全光调控新策略

大家好，今天为大家分享一篇2026年4月9日发表在Small的文献，题目为"Bidirectional All-Optical Synapses for Neuromorphic Computing and Vision"。本文的第一作者是Zifan Li，通讯作者是Zhe Zhou, Wei Huang和Juqing Liu。

摘要

能够集成光子信号感知与处理的全光突触（All-Optical Synapses, AOS），是光计算和神经形态成像领域的一个变革性前沿。然而，目前大多数AOS仅限于单向的权重调制，通过纯光学路径实现兴奋和抑制两种输出仍然是一个挑战。

本研究报道了一种双光子介导策略，在一种兼具磷光和光热效应的碳点杂化（Carbon Dot Hybrid, CDH）“神经递质”中，成功实现了双向的神经可塑性。该调控过程利用紫外（UV）光和近红外（NIR）光进行操控，通过对激子释放和磷光发射叠加的可控调节，实现了神经光子信号的增强（兴奋）和抑制输出。基于这些特性，该CDH器件能够实现光逻辑运算，并构建了能够实时跟踪和识别光物体的神经视觉系统，其对运动轨迹、速度和方向等复杂参数的识别准确率高达97%。这项工作提供了一种新颖的全光调控方法，为全光计算和成像领域开创了基于磷光的创新范式。

研究亮点与图文解析

论文的核心是构建了一种双光子调控的双向全光神经形态系统。如下图所示，研究人员设计了一种由磷光碳点（PCDs）和光热碳点（PTCDs）组成的双层结构碳点杂化（CDH）薄膜，作为光信号的“神经递质”。其中，PCDs作为神经光子转换器，负责产生可读出的磷光信号；而PTCDs作为神经光子调节器，负责通过光热效应抑制信号。通过外部的紫外（UV）光和近红外（NIR）光照射，系统可以分别模拟生物神经突触的兴奋（增强）和抑制过程。

图1 双向全光神经形态系统。 该图展示了系统的测试方法以及CDH神经递质内部的双向神经光子过程。紫外光脉冲作为“兴奋”信号输入，激发PCDs产生磷光输出；而近红外光脉冲作为“抑制”信号输入，通过PTCDs的光热效应加热材料，从而淬灭磷光信号，实现信号抑制。

为了实现上述功能，材料本身的光学特性至关重要。研究人员对CDH材料进行了详细的表征。结果显示，PCDs具有长达531.9毫秒的磷光寿命，为其作为信息存储和处理载体提供了基础。更重要的是，其磷光强度表现出对激发光强度和环境温度的依赖性：更强的激发光能产生更强的磷光（图2b），而升高的温度则会导致磷光淬灭（图2c）。这一特性正是实现双向调控的关键。紫外光激发产生更多激子，增强磷光信号，模拟了突触的“增强”功能；而近红外光通过光热效应升高局部温度，促进非辐射跃迁，抑制磷光信号，从而模拟了突触的“抑制”功能（图2d）。

图2 CDH的表征与光学特性。 (a) PCDs的磷光衰减曲线和寿命。(b) 不同激发强度和(c) 不同温度下的磷光光谱。(d) CDH中磷光的双向可塑性，清晰展示了紫外光（UV）脉冲导致信号增强，而近红外光（NIR）脉冲导致信号抑制。

基于这种双向调控能力，该全光突触成功模拟了生物神经系统的多种基本可塑性行为。在紫外光激发下，系统表现出兴奋性突触行为，如双脉冲易化（PPF）、脉冲强度依赖可塑性（SIDP）和脉冲时序依赖可塑性（STDP）（图3a-c）。PPF现象表明，在短时间内连续施加两个光脉冲，第二个脉冲引起的信号响应会强于第一个，这与生物神经系统中的高频信息处理效率更高相符。

同样地，在近红外光调控下，系统也表现出全面的抑制性可塑性，包括双脉冲抑制（PPD）以及相应的SIDP和STDP行为（图3d-f）。这些结果证实，该全光突触能够像生物突触一样，根据输入光信号的强度、频率和时序进行有效的学习和记忆。

图3 双光子介导的神经光子行为。 (a-c) 展示了在紫外光激发下的兴奋性可塑性行为，包括PPF、SIDP和STDP。(d-f) 展示了在近红外光调控下的抑制性可塑性行为，包括PPD、SIDP和STDP。

除了模拟生物突触行为，该系统还能执行基本的逻辑计算。研究人员设计了一个包含两个光输入（A: 365 nm, B: 265 nm）的逻辑门。在没有近红外光调制时，任何一个输入都能使输出信号超过阈值，实现“或”（OR）逻辑。而在施加近红外光抑制突触权重后，只有当两个输入同时存在时，输出信号才能达到阈值，从而将逻辑功能动态切换为“与”（AND）逻辑。这种全光控的可重构逻辑门，为简化光子计算电路设计和提升数据处理能力提供了可能。

图4 光子数字逻辑计算。 (a) 动态切换“或”和“与”逻辑门的机理示意图。(b) 对应的真值表。(c) 全光控制下的“或”和“与”门操作模拟结果，展示了系统在近红外光调制前后逻辑功能的变化。

该全光突触最重要的应用潜力体现在神经形态计算与成像方面。系统展示了稳定的长时程增强（LTP）和长时程抑制（LTD）特性（图5a），这是实现神经网络学习的基础。研究团队通过模拟一个人工神经网络（ANN），在MNIST手写数字数据集上进行了测试，识别准确率接近90%（图5b）。

更进一步，研究人员构建了一个16x16的感知阵列，用于识别运动物体的复杂参数。通过训练，该网络能够高效地区分运动方向、旋转方式（顺时针/逆时针）、速度和加速度（图5d-k）。最终，在经过10个周期的训练后，系统对线性运动的识别准确率达到92%，对曲线运动的识别准确率更是高达97%（图5l）。这充分证明了该系统作为神经形态平台，在同步感知和处理复杂动态信息方面的巨大潜力。

图5 用于运动识别的神经形态成像。 (a) 突触的LTP/LTD特性曲线。(b) 神经网络在MNIST数据集上的识别准确率。(c) 用于运动识别的ANN示意图。(d-k) 训练后网络对不同运动参数（方向、旋转、速度、加速度）的权重图及其聚类结果，显示出良好的区分度。(l) 运动参数识别准确率随训练周期的提升，最终达到97%的高精度。

总结与展望

本文的创新点主要包括：

1. 1. 双光子双向调控策略： 首次提出并实现了一种利用紫外光（增强）和近红外光（抑制）协同调控的全光双向突触可塑性，突破了传统全光突触多为单向调制的局限。
2. 2. 新型碳点杂化材料： 设计了一种集磷光效应与光热效应于一体的碳点杂化（CDH）材料，巧妙地将信号产生与信号抑制功能集成于单一平台，结构简单且性能稳定。
3. 3. 多功能应用验证： 成功展示了该系统在可重构光逻辑计算和高性能神经视觉领域的应用，特别是实现了对运动物体多维度参数（轨迹、速度、方向）的高精度（97%）实时识别。
4. 4. 基于磷光的全光新范式： 建立了一种基于材料本征磷光特性的全光神经形态计算新范式，实现了光信号到神经形态信号的直接转换，无需光电转换步骤，简化了系统架构。

未来研究方向与改进：

• • 系统集成与微型化： 目前系统仍依赖外部光源和探测器，未来的研究可致力于将光源、CDH材料和探测器阵列集成到单一芯片上，以构建更紧凑、可扩展的光学神经网络硬件。
• • 性能优化： 进一步探索具有更高磷光量子产率和更快响应速度的材料体系，以降低器件能耗，提高处理速度，使其在实际应用中更具竞争力。
• • 拓展计算复杂性与学习机制： 在现有基础上，探索实现更复杂的深度神经网络架构，并研究如何利用材料的内在物理特性实现无监督学习等更高级的脑启发学习算法。