在人工智能与大数据快速发展的背景下，发展兼具感知、存储与计算功能的类脑神经形态器件，是突破冯·诺依曼架构“内存墙”、提升算力能效的重要方向。金刚石作为超宽禁带半导体，兼具高迁移率与优异稳定性，但氢终端金刚石（H-diamond）在神经形态计算领域的潜力此前几乎未被开发，如何利用其独特的光电特性模拟突触可塑性并支撑实际计算任务，仍是亟待解决的关键难题。

图 1 基于氢终端金刚石晶体管实现光电突触可塑性模拟

近日，中国科学院上海高等研究院（以下简称“上海高研院”）感知与计算科研团队在氢终端金刚石光电突触器件和神经形态计算方面取得重要进展。团队通过对实验室自生长的单晶金刚石中体相缺陷、氢致表面态与Al₂O₃/金刚石界面陷阱的协同调控，研制出一种基于氢终端金刚石的光电突触晶体管，在器件层面成功模拟了多种关键突触行为。在此基础上，团队进一步将器件实测特性引入计算层面，实现了光电逻辑运算、器件级信息编码与脉冲神经网络图像识别，为金刚石基神经形态计算提供了新思路。

相关研究成果以 “Defect-engineered hydrogen-terminated diamond optoelectronic synapses for UV-driven neuromorphic computing” 为题，发表于期刊Journal of Colloid and Interface Science。

该工作将氢终端金刚石从传统电子器件拓展至光驱动突触运算与神经形态计算，提出了缺陷协同调控光生载流子的新策略，并贯通了“材料—器件—逻辑—网络”的完整研究链条，不仅为金刚石基神经形态器件建立了性能基准，也为发展鲁棒、事件驱动的类脑视觉系统提供了重要参考。

本论文的第一作者是上海高研院博士生孟令雪，通讯作者为北京大学李启亮教授和上海高研院田犁研究员。该研究工作得到了国家自然科学基金（12373113）等项目的资助与支持。

文章链接：

https://doi.org/10.1016/j.jcis.2026.140876