Opbygning af ultrafølsomme og ultratynde fototransistorer og fotoniske synapser ved hjælp af hybride overbygninger

Organisk-uorganisk halogenid perovskit kvanteprikker (PQD'er) udgør en attraktiv klasse af materialer til optoelektroniske applikationer. Deres ladningstransportegenskaber er, imidlertid, ringere sammenlignet med materialer som grafen. Omvendt grafen indeholder en ladningsgenereringseffektivitet, der er for lav til applikationer inden for optoelektronik. I en ny rapport, Basudev Pradhan og et forskerhold ved Nanoscience Technology Center, og afdelingerne for optik og fotonik, Materials Science Engineering, Fysik og kemi ved University of Central Florida, OS., Udviklede en ultratynd fotontransistor og fotoniske synapser ved hjælp af grafen-PQD (graphene-perovskite quantum dot; G-PQD) overbygninger. For at forberede overbygningerne dyrkede de PQD'er direkte fra et grafengitter. Fototransistorer lavet af G-QPD'er udviste fremragende responsivitet og specifik detektivitet. De lysassisterede hukommelseseffekter af overbygningerne tillod fotonisk synaptisk adfærd til neuromorfisk databehandling, hvilket holdet demonstrerede gennem ansigtsgenkendelsesapplikationer ved hjælp af maskinlæring. Pradhan et al. forventer, at G-PQD-overbygningen vil styrke nye retninger for at udvikle højeffektive optoelektroniske enheder.

Grafen er opstået som et drømmemateriale til elektronik og optoelektronik på grund af dets brede spektrale båndbredde, fremragende transportegenskaber med høj mobilitet, exceptionel stabilitet og enestående fleksibilitet. Materialeforskere har udviklet mange kompositter og enheder til anvendelse i energihøst, opbevaring, fotodetektorer og transistorer. Imidlertid, et enkelt lag grafen kan kun absorbere 2,3 procent af indfaldende synligt lys, kritisk hæmmer deres brug i optoelektroniske og fotoniske enheder. I modsætning, organisk-uorganiske PQD'er er steget som attraktive materialer til applikationer inden for optoelektronik på grund af deres unikke egenskaber, selvom deres ladningstransport forbliver ringere sammenlignet med grafen.

Dyrkning af PQD'er fra et grafengitter

Pradhan et al. udforsket den stærke fotogenereringseffektivitet af methylammoniumblybromid-PQD'er i dette arbejde ved at dyrke PQD'er fra gitteret af enkeltlagsgrafen ved hjælp af en defektmedieret proces. Da PQD'er kan absorbere lys og generere ladningsbærere, begrundelsen hjalp med at designe de hybride overbygninger. Holdet implementerede de tynde overbygninger i en fototransistorgeometri for at producere en fotoresponsivitet på 1,4 × 10 ⁸ AW ^-1 og en specifik detektivitet på 4,72 x 10 ¹⁵ Jones ved 430 nm; hvilket var langt den bedste lydhørhed og detektivitet, der er registreret på tværs af lignende enheder til dato.

Arbejdet er meget lovende med at udvikle ekstremt effektive optoelektroniske materialer til højhastighedskommunikation, sansning, ultrafølsomme kameraer, billedbehandling og skærme i høj opløsning. Opførselen af ​​grafen-PQD (G-PQD) overbygninger i form af en fotonisk synapse er også kritisk for mønstergenkendelse. Resultaterne understøtter udviklingen af ​​en hardwareenhed til neuromorfisk arkitektur, der efterligner den menneskelige hjerne – til en række spændende applikationer. Pradhan et al. brugte ligand-assisteret genfældning (LARP) til at producere PQD'er med et meget højt fotoluminescens kvanteudbytte, og kontrollerede størrelsen og morfologien af ​​PQD-produkterne. Holdet initierede vækst af PQD'er direkte på de aktive steder i grafenmonolagene for at danne overbygningerne. Under processen, de tilføjede et antiopløsningsmiddel toluen på et grafenlag befugtet med perovskit-prækursorer for at starte podning, og dannede perovskitembryoner på grafenarket, der kræves til PQD-krystaldannelse.

Udvikling af højsensitiv, ultratynde fototransistorer

Holdet analyserede det nyligt syntetiserede hybridmateriale (grafen PQD'er) ved hjælp af transmissionselektronmikroskopi (TEM) for at verificere binding mellem PQD'erne og grafenlagene. De bemærkede tilstedeværelsen af ​​to forskellige G-PQD'er, der absorberede synlig bølgelængde ved 434 nm og 451 nm, angiver deres potentiale til at danne højtydende fototransistorer, der detekterer ved blå belysning. Pradhan et al. testede materialets fotofysiske egenskaber i forhold til den exciterede tilstandsdynamik i G-PQD-overbygningen ved hjælp af tidskorreleret enkeltfotontælling (TCSPC) og observerede en gennemsnitlig fluorescens-henfaldstid på 749 ns. Overbygningen viste øget følsomhed og en forbedret fotostrøm sammenlignet med tidligere rapporterede fotomodstande. Enheden kunne også fungere som en lysaktiveret kontakt under hvidt lys, og fotostrømmen steg hurtigt inden for en responstid på 0,45 sekunder efter at have tændt lyset. Længere svartider resulterede på grund af mere komplekse faktorer.

Anvendelser af neuromorfe fotoniske synapser under ansigtsgenkendelse.

Siden traditionel von Neumann-arkitektur eller Princeton-arkitektur; en computerarkitektur udviklet af matematiker og fysiker John von Neumann er både tids- og strømkrævende til datatransport i øjeblikket. De eksisterende grænser for ydeevne og skalerbarhed mellem hukommelsen og processoren omtales populært som von Neumann-flaskehalsen. Enheden havde forårsaget store ulemper i datacentrerede anvendelser af billedgenkendelse i realtid, dataklassificering og naturlig sprogbehandling. Neuromorphic computing er derfor en fremvoksende – overlegen platform, der kan udkonkurrere von Neumann-arkitekturen. I opsætningen synapsen kan typisk fungere som en kommunikationskanal mellem to neuroner.

I dette tilfælde, G-PQD-overbygningen fungerede som en kunstig fotonisk synapse; hvor det præsynaptiske signal var baseret på de eksterne lysstimuli i form af optiske impulser og det postsynaptiske signal var strømmen opnået over G-PQD-kanalen for at holde drænkilden og gatespændingen fast. Den indlejrede optiske information, Detektionsbearbejdning og tilbageholdelsesevner af G-PQD synaptiske enheder dannede en potentiel kandidat til menneskelig visuel hukommelse inden for områder med mønstergenkendelse. Pradhan et al. konstrueret et spiking neuralt netværk til at udføre uovervåget maskinlæring og ansigtsgenkendelse ved hjælp af Python. Holdet brugte fire portrætter af mennesker til at træne det neurale netværk og viste, at en øget brug af outputneuroner sammen med længere træningstid kunne opnå højere frekvenser af ansigtsgenkendelse.

På denne måde Basudev Pradhan og kolleger udviklede ekstremt tynde overbygninger baseret på hybridmaterialer af PQD'er dyrket fra et grafengitter ved hjælp af en defektmedieret krystalvækstteknik. De opnåede stærkt forbedret ladningsoverførsel på grund af de kombinerede π-elektronskyer af PQD'er og grafen. De resulterende enheder udviste høj ydeevne for fototransistorer og fotoniske synapser, som holdet yderligere validerede ved hjælp af simuleringer. Holdet har til hensigt at udvide deres tilgang til andre 2-D materialer, herunder overgangsmetal dichalcogenider og andre heterostrukturer. Arbejdet vil åbne døren til en ny klasse af højtydende overbygningsmaterialer, der er velegnet til flere elektroniske og optoelektroniske applikationer, gavnlig for ansigtsgenkendelse og neuromorfisk databehandling.

© 2020 Science X Network