用于神经形态计算的掺 doping 波导突触：脉冲泵-信号方法探索

神经形态计算承诺通过使 AI 系统能够灵敏、准确地感知、响应并适应动态数据和用户交互来变革 AI 系统。然而，传统的硅基和混合电子技术受限于人工神经元，在灵活性、可扩展性和能源效率方面受到约束。本研究开创性地采用掺 doping 增益层波导突触用于生物仿生神经元，运用脉冲泵-信号机制提升神经形态计算。该方法针对当前技术在可扩展性和能源效率方面的挑战。我们提出了波导突触的增益动力学概念，展示了在各种泵-探测配置下，输入探测信号的非线性脉冲变换。我们的发现表明，脉冲�幅、周期以及掺 doping 密度和群动力学等材料特性对产生模拟神经行为的脉冲响应具有强烈影响，直接决定了计算逻辑的实现。通过利用异步脉冲泵技术与激发态离子密度的复杂相互作用，该方法产生的事件驱动响应模仿自然神经元功能。该增益增强环境支持短期记忆功能，以及异步脉冲生成、阈值运算和时间积分等关键特性，这些都是脑类神经网络范式的基础。