武汉理工大学罗雯教授AFM:基于自供电MoS₂ P-N同质结晶体管的全集成感知-存储-计算系统

欢迎投稿。欢迎课题组投递宣传稿，发布招聘广告。

投稿邮箱：wedotech2025@163.com

投稿电话：16622153402（微信同号）

随着人工智能与边缘计算的发展，亟需高性能、高集成的光电设备，能够同时完成数据感知、存储与处理。传统光电探测器仅能实现光电转换，必须依赖额外的存储和计算单元，导致数据迁移效率低、功耗高、系统复杂。然而，光电检测要求快速载流子产生与输运，而存储与突触功能依赖长时载流子保留，二者机制相互矛盾。为解决这一难题，本文提出一种基于MoS₂ P-N同质结的双极型晶体管，通过紫外臭氧（UVO）掺杂实现可控P型掺杂，构建了界面干净的垂直同质结。该器件仅通过栅压极性切换，即可在自供电模式下分别实现快速光探测、非易失多级存储和突触可塑性，成功集成了感知、存储、计算三大功能，为低功耗边缘智能提供了全新平台。

武汉理工大学罗雯教授等研究团队展示了一种基于MoS₂ P-N同质结双极型晶体管的多功能器件，该同质结由本征MoS₂与通过紫外臭氧光化学掺杂制备的均匀P型MoS₂₋ₓOᵧ垂直堆叠而成。这种II型同质结具有栅压可调的双极性特性，源于氧掺杂调制的能带结构和界面电荷转移。开尔文探针力显微镜直接证实了结区存在内建电场和高效的光生电荷分离，确认了其II型能带对齐和自供电工作能力。只需切换栅压极性，器件即可可逆重构：在负栅压下，它作为快速、灵敏的自供电光电探测器；在正栅压下，它表现出自供电的持久光电导、非易失多级存储和突触可塑性。基于这些可重构功能，该平台集成了片上高对比度单像素成像、长期光信息存储以及光前端仿生视觉神经网络。这项工作从二维材料缺陷工程角度为脑启发感知与计算提供了一个高性能、紧凑、低功耗的平台。该文章以“All-In-One Sensing-Memory-Computing System Based on a Self-Powered MoS2 P-N Homojunction Transistor”为题发表在国际顶级期刊Advanced Functional Materials上。

UVO处理实现了可控、均匀的氧掺杂，形成了高质量、界面干净的垂直P-N同质结，为后续双极性行为奠定了基础。

图2-器件的双极性电学行为与忆阻特性：图2a为测量示意图。图2b对比了N-N同质结（本征+本征）与P-N同质结的转移特性曲线：N-N结仅显示N型行为（开关比≈10⁶），而P-N结表现出明显的双极性，空穴电流增至~10 nA，PMOS和NMOS开关比均超过10⁴。图2c为不同栅压下的能带图，解释了空穴/电子导通机制的切换。图2d展示了不同V_ds扫描范围下的双扫I_d-V_ds曲线，箭头指示扫描顺序，随着扫描范围增大（±5V至±20V），回滞窗口扩大，开关比达到10³。插图中显示了V_set和V_reset的变化趋势。此外，阻变行为还可通过栅压线性调制（图S17），开关比在1~10²间可调。器件在128次循环中保持稳定。

UVO掺杂成功将本征N型MoS₂转变为P型，形成的同质结具有栅压可调的双极性，且展现出非易失阻变存储特性，开关比达10³。

图3-通过KPFM和COMSOL仿真揭示了同质结的电荷输运机制：图3a为同质结在Au衬底上的AFM形貌。图3b显示暗态和不同功率532 nm激光下的表面电势图，暗态下P区和N区接触电势差达350 mV，证实了内建电场的存在。光照下，表面电势对比度降低。图3c提取的CPD线轮廓显示，随激光功率增加，电势整体升高。图3d计算得到表面光电压分布，平均SPV约65 mV，表明光生电荷的有效分离。图3e为光照前后的能带对齐示意图，证实为II型同质结。图3f的COMSOL光学吸收模拟显示，在~40 nm厚度处形成准法布里-珀罗腔，增强光吸收。图3g模拟了电子浓度分布，由于P区受主浓度远高于N区施主浓度，耗尽区主要向N区扩展。

KPFM直接可视化了内建电场和光生电荷分离，证实了II型能带对齐和自供电工作的物理基础。

图4-PMOS操作下（Vg=-8V）的光电探测性能：图4a为器件结构示意图。图4b显示不同光功率密度（0.18~2210 μW/cm²）下的Id-Vds曲线，暗态下整流比达82.1，光照下光电流随功率增加而增大，即使0.18 μW/cm²也能产生显著光电流。图4c表明器件在200-1200 nm宽谱范围内均有响应。图4d显示光电流随功率呈近线性关系（α=0.93-0.94），表明缺陷态少。图4e-f提取了不同偏压和自供电模式下的响应度R和探测率D*。偏压下最大R=451 A/W（500 nm, -1 V, 0.18 μW/cm²），最大D*=1.55×10¹⁴ Jones；自供电模式下R=0.94 A/W，D*=9.25×10¹² Jones。图4g展示了基于ASCII编码的可见光通信演示，成功传输“WHUT”信息。响应时间（上升307 ms，下降123 ms）也颇具竞争力。

该器件在自供电模式下仍具有出色的宽谱高灵敏探测能力，并成功实现了光通信和单像素成像应用。

图5-NMOS操作下（正栅压）自供电光子突触性能：图5a为生物视觉系统与人工突触器件对比示意图。图5b模拟了“学习-遗忘-再学习”行为：首次50个光脉冲后PSC上升，停止后缓慢衰减（遗忘）；再学习仅需20个脉冲即可恢复至先前水平。图5c-e分别展示了自供电状态下，PSC随光脉冲宽度、数量和强度的增加而增强，且弛豫时间延长，实现了STP向LTP的转变。图5f显示成对脉冲易化（PPF）指数随脉冲间隔增加从1.3降至1.0，符合指数衰减。图5g-h利用光（500 nm）和栅压（2 V）作为输入，实现了AND和OR布尔逻辑运算：两者同时为“1”时输出超过阈值（0.9 nA）为AND；任一为“1”时输出超阈值为OR。

自供电光子突触成功模拟了学习-遗忘、STP-LTP转换、PPF等关键突触可塑性，并实现了逻辑运算，为低功耗神经形态计算提供了新方案。

图6-感知-存储-计算集成应用：图6a：PMOS操作下，500 ms曝光后0.5 s和1 s时成像结果清晰，表明高灵敏快速成像能力。图6b：NMOS操作下，长时间等待后仍能读取存储的光信息，展示了长期存储能力。图6c构建了仿生视觉人工神经网络：首先利用器件对不同光功率的弛豫时间差异进行硬件级去噪（低强度背景噪声快速消失），然后利用光响应度差值（ΔR）作为卷积核参数进行3×3边缘增强卷积（与原始图像按0.5权重叠加），最后将处理后图像输入三层ANN。在MNIST数据集上，仅卷积处理后准确率提升，而同时经过去噪和卷积处理后，训练收敛更快，最终识别准确率达97.4%。即使在无源（自供电）状态下，该光学前端也表现出高识别性能。

该器件在同一芯片上集成了快速成像、长期存储和神经形态计算，并通过硬件级去噪与卷积预处理显著提升了图像识别准确率。

【文献总结】

本文通过双面UVO掺杂策略成功构建了垂直MoS₂ P-N双极型同质结晶体管，实现了感知、存储、计算三大功能在单一器件中的集成。UVO产生的氧自由基在硫空位处发生替位掺杂，形成致密Mo-O键网络，将本征N型MoS₂转变为均匀P型MoS₂₋ₓOᵧ，同时缩小了带隙。垂直堆叠形成的II型同质结具有原子级清洁界面和强内建电场，KPFM直接证实了光生电荷的高效分离。仅通过切换栅压极性，器件即可在三种模式下可逆重构：（1）负栅压PMOS模式：自供电宽谱快速光电探测，R达451 A/W，D*达1.55×10¹⁴ Jones，成功实现单像素成像和可见光通信；（2）正栅压NMOS模式：自供电光子突触，模拟学习-遗忘、STP-LTP转换、PPF及AND/OR逻辑运算；（3）非易失多级存储：开关比10³，>100个阻态。基于这些功能，该系统通过硬件级去噪和光学前端卷积预处理，在MNIST上达到97.4%识别准确率。该工作从缺陷工程角度为低功耗、高集成度神经形态感知与计算芯片提供了切实可行的路径。

文章信息：Wen Deng, Xin Yan, Han Xu,et al. All-In-One Sensing-Memory-Computing System Based on a Self-Powered MoS2 P-N Homojunction Transistor

https://doi.org/10.1002/adfm.75864