在人工智能和大数据时代，我们手中的电子设备正面临前所未有的挑战。传统的冯·诺依曼计算架构中，存储器和处理器是分离的，数据在两者之间频繁“搬运”，不仅速度受限，功耗也居高不下。然而，人脑却是一种极高效的计算系统，其存储与计算一体存于神经元突触之间。同时，神经元拥有“全或无”的阈值决策机制（即只有输入信号足够强时，神经元才会“点火”）。受此启发，科学家们一直在努力研发能够模仿人脑功能的“神经形态器件”。
近日，一项发表于国际顶级期刊JACS的研究成果，为我们展示了一种全新的解决方案：长余辉发光晶体管（LALET）。基于三元共聚的简易合成方法对半导体聚合的极性实现精准调控，使得器件成功实现集存储、计算、显示于一身，还能像神经元一样智能地过滤“噪音”，实现了超过90%的图像识别准确率。
1. 材料“配方”是核心：精确调控电荷“车流”
研究团队合成了一系列名为“DPPmT”的有机共聚物材料。这类材料具有“给体-受体”（D-A）结构，类似于一条分子导线，负责传输电荷（空穴和电子）。通过一种叫做“三元共聚”的巧妙化学合成策略，研究人员精确调控了给体（D）和受体（A）的比例，得到了四种材料：DPP4T、DPP6T、DPP8T和DPP12T。研究发现，共轭聚合物的空穴的传输能力（迁移率）随着D/A比例变化而略有下降，但始终保持在较高水平。然而电子迁移率能力则被显著抑制。其中，“DPP8T”表现最为均衡：它拥有很高的空穴迁移率（**0.42 cm²V⁻¹s⁻¹），同时电子迁移率极低（0.00141 cm²V⁻¹s⁻¹），实现了高达98.6的空穴/电子迁移率比。
2. 双模显示：像人脑一样“记忆”和“响应”
基于DPP8T这类低极性高迁移率聚合物材料，研究团队构建了长余辉发光晶体管（LALET）。这款器件的核心结构包含一个“浮栅”（类似电荷存储的“小仓库”），使其具备了记忆功能。令人惊奇的是，仅仅通过改变施加栅极电压的正负极性，该器件就能呈现两种截然不同的显示模式：a，“长余辉”（LA）模式（施加正电压）：相当于“写入”过程。电子被注入并存储到“浮栅”中。即使撤去电压，存储的电子仍会产生额外电场，吸引更多空穴到沟道，使晶体管持续导通，发光也随之持续。这就像给显示器“充能”后，它还能“记忆”并保持发光一段时间。b，“点击开启”（CO）模式（施加负电压）：相当于“读取”过程。空穴直接被电场激活，形成瞬时大电流，产生明亮的发光。一旦撤去电压，电流和发光立即消失，响应速度极快。这种通过单一器件实现“记忆显示”和“即时显示”双模式切换的功能，为未来可重构显示技术开辟了新思路。
3. 内置“智能滤镜”：模拟神经元的“全或无”法则
生物神经元有一个重要特性：只有当接收到的刺激超过某个阈值时，才会产生响应（“全或无”定律）。这能有效过滤掉环境中的微弱噪声信号。LALET器件神奇地模拟了这一功能。研究发现，该器件存在一个约10微安（μA）的“开启电流”阈值。当弱刺激（如15V脉冲）输入后，后突触电流（0.29 μA）远低于阈值，器件不发光，噪声被有效过滤。当强刺激（如45V脉冲）输入后，后突触电流（257 μA）远超阈值，器件立即强发光。利用这一特性，研究团队构建了一个“神经形态光电耦合器”系统。该系统能够执行“刺激-计算-决策-行动”的完整逻辑链：输入弱信号 → 系统判断为“噪音” → 不做反应（电机不转）；输入强信号 → 系统分析决策 → 电机执行反馈指令。研究人员甚至用这个系统成功控制了一个玩具舞蹈小人，生动展示了其在未来智能机器人领域的应用潜力。
4. 超越90%识别率：用于“储层计算”与“降噪显示”
更进一步，LALET器件的时间依赖可塑性使其成为储池计算（Reservoir Computing）系统的理想物理平台。储层计算是一种擅长处理时间序列信号的轻量级递归神经网络。研究人员将“Fashion-MNIST”（服装分类数据集）图像编码成电压脉冲序列输入LALET。基于器件的后突触“电信号”（PSC）和“光信号”（PSE）输出，识别准确率分别达到了90.8%和91.7%。更值得一提的是“噪声过滤显示”的演示。当输入含大量噪声的数字（如“0”）时，传统系统会给出模糊的预测概率（如“0”的概率仅79.3%）。但LALET凭借其内置的非线性阈值特性，会直接“砍掉”所有低于阈值的小概率误判，只让高置信度的正确结果（“0”）产生明显亮度输出，实现了显示端的“去伪存真”。
5. 总结与展望
这项研究通过巧妙的化学设计——调控共轭聚合物的给/受体比例，成功实现了对电荷传输极性的精细控制，从而研制出性能卓越的长余辉发光晶体管。该器件集成了高迁移率、双模显示、突触可塑性、内置噪声滤波等多种功能，在单一半导体器件上再现了生物神经元的复杂行为。它不仅为神经形态计算提供了新的硬件基础，也为未来低功耗、高集成度、具有环境自适应能力的智能显示和软体机器人技术铺平了道路。
**论文信息**
– **题目**：Chemical Tuning of Charge Transport Polarity in Light-Emitting Transistors Enabling Neuromorphic Display, Computing, and Optocoupler
– **作者**：Yusheng Chen, Zhongshi Ju, Zheng Chen, Boyuan Yu, Yun Wang, Jin Li, Peng Li, Jiangang Ma, Paolo Samori*
