受生物系統啟發，神經形態計算能比傳統架構更高效地處理海量數據和復雜任務。作為神經形態計算的基本單元，人工突觸器件需要精確模擬突觸特性并構建神經網絡計算系統。然而，現有大多數多功能突觸器件結構復雜且缺乏可調性，難以構建更智能的計算系統。鑒于此，香港中文大學（深圳）Min Zhang等采用氧化銦鎵鋅作為溝道、聚酰亞胺與Al2O3復合層作為介電層，實現了具有記憶調控和神經形態計算能力的柔性可塑性調節突觸晶體管(TST)。
本文要點：
（1）該器件通過調節刺激幅度可實現從短時程可塑性到長時程可塑性的新穎轉變，模擬了人類在不同場景下的動態記憶與遺忘行為。
（2）構建的神經網絡系統具有低非線性和寬范圍電導變化特性，在經典數據集上實現了94.1%的識別率。還開發了用于4位編碼的儲備計算系統，在不犧牲識別精度的情況下顯著降低了計算復雜度和網絡規模。這些器件與系統為構建更智能、更高效的計算系統奠定了基礎。
S. Zhang, J. Zhu, R. Qiu, D. Liu, Q. Ren, M. Zhang, Flexible Tunable-Plasticity Synaptic Transistors for Mimicking Dynamic Cognition and Reservoir Computing. Adv. Mater. 2025, 2418418.
https://doi.org/10.1002/adma.202418418
