纸基光电突触器件模拟人脑突触传递，可用于人体健康监测

具有感知和认知能力的可穿戴人工智能（AI）传感器在健康监测方面引起了人们的极大兴趣。开发功能高效、能耗与人脑相似的自供电人工智能传感器至关重要。物理储层计算（PRC）利用物理现象来模拟大脑功能，为节能架构提供新的解决方案。然而，使用PRC开发使用灵活的一次性传感器并能够以亚秒响应时间处理生物应用的光信号，仍然是一项挑战。近期，研究人员使用纳米纤维素和氧化锌（ZnO）纳米颗粒开发出一次性、柔性纸基光电器件，用于实现物理储层计算。

这种由东京理科大学（Tokyo University of Science，TUS）研究人员开发的柔性纸基传感器的功能与人脑类似。在人脑中，信息通过突触在神经元网络中传输。每个神经元独立处理信息的能力允许同时处理多个任务，使大脑比传统的计算系统更有效率。

为了模拟这种能力，研究人员设计了一种光电人工突触器件，该器件由位于10µm透明膜（材料成分是ZnO纳米颗粒和纳米纤维素）之上的金电极组成。该透明膜允许光通过，使人工突触器件能够处理表示各种生物信息的光学输入信号。

此外，纤维素纳米纤维赋予透明膜柔性，并且可以很容易通过焚烧处理。此外，ZnO纳米颗粒具有光响应性，并在暴露于脉冲紫外光和恒定电压时产生光电流。这种光电流模拟了人脑中突触传递的反应，使该器件能够解释和处理从光学传感器接收的生物信息。

值得注意的是，该器件可以区分4位输入光脉冲，并响应时间序列的光输入产生独特的电流，亚秒响应时间对监测健康信号至关重要。此外，当暴露于两个连续的光脉冲时，第二脉冲的电流响应更强。这一功能被称为后增强促进，有助于大脑的短期记忆过程，并提高模式识别能力。研究人员通过将MNIST图像（一个手写数字的数据集）转换为4位输入光脉冲，然后用这些脉冲照射薄膜并测量电流响应来测试这一点。使用这些数据作为输入，神经网络以88%的准确率识别手写数字。研究人员还通过重复弯曲和拉伸测试验证了该器件的耐用性，即使在1000次循环后也没有发现识别能力的损失，从而证明了其弹性和在人体健康监测应用中重复使用的潜力。

领导这项研究的东京理科大学副教授Takashi Ikuno说：“我们开发了一种由纳米纤维素和ZnO纳米颗粒组成的纸基光电突触器件，用于实现物理储层计算。这种器件在合适的时间尺度上表现出突触行为和认知任务，可用于人体健康监测。”

审核编辑：刘清