CN109508786A - 一种学习、记忆和判决识别的光子类脑器件及其制备方法 - Google Patents

一种学习、记忆和判决识别的光子类脑器件及其制备方法 Download PDF

Info

Publication number
CN109508786A
CN109508786A CN201811155728.6A CN201811155728A CN109508786A CN 109508786 A CN109508786 A CN 109508786A CN 201811155728 A CN201811155728 A CN 201811155728A CN 109508786 A CN109508786 A CN 109508786A
Authority
CN
China
Prior art keywords
gan
photoresist
electrode
waveguide
substrate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811155728.6A
Other languages
English (en)
Other versions
CN109508786B (zh
Inventor
王永进
章燕
王帅
王新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201811155728.6A priority Critical patent/CN109508786B/zh
Publication of CN109508786A publication Critical patent/CN109508786A/zh
Application granted granted Critical
Publication of CN109508786B publication Critical patent/CN109508786B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/067—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using optical means
    • G06N3/0675—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using optical means using electro-optical, acousto-optical or opto-electronic means

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Neurology (AREA)
  • Optical Integrated Circuits (AREA)

Abstract

本发明公开了一种学习、记忆和判决识别的光子类脑器件及其制备方法，该器件包括从下至上依次设置的Si衬底层、外延缓冲层、n‑GaN层、设置在n‑GaN层上的n‑电极、波导、发射端和接收端，n‑电极构成公共端，发射端分别通过波导与接收端连接，接收端与n‑电极直接连接，发射端分别通过波导与n‑电极连接，发射端、接收端和波导下方设置有贯穿Si衬底层、外延缓冲层到n‑GaN层中的空腔。本发明以光子取代电子作为信息载体来模拟神经元和突触中神经递质的传输。模拟人脑整合不同模态的感知信息从而做出最优化的判断，实现模拟人脑的自我学习，记忆和判决。

Description

一种学习、记忆和判决识别的光子类脑器件及其制备方法
技术领域
本发明属于神经科学与信息材料器件领域，涉及一种学习、记忆和判决识别的光子类脑器件及其制备技术。
背景技术
继人类基因组计划取得成功之后，人类脑研究成为下一个重大挑战目标。人类脑计划由瑞士洛桑联邦理工学院科学家蓝脑计划的发起者马克拉姆发起，包括神经科学和信息科学这两大热点相互结合的研究。自2004年起，各国政府及研究机构开始密切关注“类脑计算”的研究，涌现了一批国家层面的重大研究计划。2013年，欧盟选定“人类大脑工程”(Human Brain Project，HBP)作为未来新兴技术旗舰项目，计划在十年间投资11.9亿欧元。目前脑计划的研究内容包括神经元(突触，受体，离子通道)、脑解剖图谱、脑功能成像、神经网络模型等，还包括在实验数据基础上发展起来的神经信息的理论模型和仿真计算。
目前，人工智能技术和神经科学基本上还属于两个独立的学科领域，在相关领域的融合应用也处于初级阶段，但从长远看，两大领域相互交叉、融合与促进呈现必然之势。随着类脑和人工智能的推进，全球涌现出大量的类脑器件，其技术路线主要分为两种：一是基于传统的CMOS技术，其优点是工艺技术成熟，短时间内可以获得应用；二是忆阻器型神经突触，其优点是可以实现权重连续改变和掉电记忆存储。这两种人工突触技术都是采用电信号传递刺激，与人脑相比功耗大，运算速度低，结构简单，功能局限，不能很好的适应快速发展的市场。
发明内容
技术问题：本发明提供一种实现发射端、接收端和公共端同质集成在一个微米级的全光子器件中，可以实现复杂的类脑逻辑运算，实现了人脑整合不同模态的感知信息从而做出最优化的判断的模拟，大大减少光传输过程中损耗的学习、记忆和判决识别的光子类脑器件。本发明同时提供了一种该器件的制备方法。
技术方案：本发明的学习、记忆和判决识别的光子类脑器件，以Si衬底GaN基晶片为载体，包括从下至上依次设置的Si衬底层、外延缓冲层、n-GaN层、设置在所述n-GaN层上的n-电极、波导、发射端和接收端，在所述n-GaN层上表面有刻蚀出的阶梯状台阶，所述阶梯状台阶包括下台面和位于所述下台面上的多个上台面，所述n-电极设置在下台面上，构成公共端，所述发射端和接收端结构相同，均包括一个上台面、从下至上依次连接设置在上台面上的InGaN/GaN多量子阱、p-GaN层和p-电极，所述发射端分别通过波导与接收端连接，接收端与n-电极直接连接，发射端分别通过波导与n-电极连接，发射端、接收端和波导下方设置有贯穿Si衬底层、外延缓冲层到n-GaN层中的空腔。
进一步的，本发明器件中，波导设置在下台面上，波导两侧设置有向下刻穿n-GaN层并与空腔连通的凹槽。
进一步的，本发明器件中，所述发射端和波导均为多个，所述接收端和公共端均为一个。
本发明的制备上述学习、记忆和判决识别的光子类脑器件的方法，包括以下步骤：
(1)清洗Si衬底GaN基晶片，对其背后硅衬底层进行抛光减薄处理；
(2)在Si衬底GaN基晶片上表面均匀地旋涂一层光刻胶然后烘干，再将上台面区域的图形利用光刻技术定义到涂好的光刻胶上，然后利用四甲基氢氧化铵显影溶液去除上台面区域外的光刻胶；
(3)沿着去除光刻胶的地方向下刻蚀Si衬底GaN基晶片，直至刻蚀到n-GaN层中，清洗掉上表面的光刻胶，得到上台面结构；
(4)在Si衬底GaN基晶片上表面均匀地旋涂一层光刻胶然后烘干，再将p-电极和n-电极的图形区域利用电子束曝光或光刻技术定义到涂好的光刻胶上，之后通过反转工艺，去除定义区域外的光刻胶；
(5)在所述p-电极图形区域和n-电极图形区域分别蒸镀Ni/Au，采用剥离工艺和温度控制在500±5℃的氮气退火技术，形成欧姆接触，去除残留光刻胶后得到p-电极与n-电极；
(6)在Si衬底GaN基晶片上表面均匀涂上一层光刻胶，将凹槽区域图形定义到涂好的光刻胶上，去除凹槽区域内的光刻胶；
(7)沿着被去除光刻胶的地方向下刻蚀Si衬底GaN基晶片，形成凹槽，去除残留光刻胶后得到波导结构；
(8)分别在Si衬底GaN基晶片顶层涂光刻胶和背后涂光刻胶保护，然后烘干，之后在Si衬底GaN基晶片背后定义出一个对准并覆盖发射端、接收端和波导区域的图形，去除定义图形区域内的光刻胶，进行背后刻蚀；
(9)沿着背后刻蚀区域，利用背后深硅刻蚀技术将硅衬底层刻蚀至外延缓冲层的下表面，形成一个空腔；
(10)再沿着背后刻蚀区域从下往上对Si衬底GaN基晶片的外延缓冲层和n-GaN层进行氮化物减薄刻蚀处理，直至刻到凹槽，完成背后减薄处理；
(11)去除残留光刻胶，即得到一种学习、记忆和判决识别的光子类脑器件。
进一步的，本发明方法中，所述步骤(3)、步骤(7)和步骤(10)中刻蚀Si衬底GaN基晶片时，所用刻蚀气体均为流速为10sccm的Cl2和25sccm的BCl3的混合离子气体。
进一步的，本发明方法中，所述步骤(9)中的背后深硅刻蚀过程中先进行快速刻蚀，之后改为慢速刻蚀，避免快速刻蚀时强冲击力造成的Si衬底GaN基晶片损伤。
进一步的，本发明器件中，所述发射端、接收端、公共端和波导均可无限设置，通过波导可连接更多的器件，实现更为复杂的类脑和神经元模拟。
本发明以光子取代电子作为信息载体来模拟神经元和突触中神经递质的传输。模拟人脑整合不同模态的感知信息从而做出最优化的判断，用光子类脑器件构建的人工神经网络能够实现类似大脑的学习，记忆，判决和识别等功能。
本发明通过正反刻蚀，先从上而下刻出波导使波导两边形成凹槽，再从下而上先后采用背后深硅刻蚀和氮化物减薄直至把凹槽刻穿，形成波导悬空并与周边薄膜完全隔开的结构，使发射端只通过波导与接收端相连。
本发明中，电压信号从发射端输入，产生不同刺激通过波导传到发射端，被接收端感知，产生模拟人脑信号的输出。
有益效果：本发明与现有技术相比，具有以下优点：
本发明提出的一种学习、记忆和判决识别的光子类脑器件，相较于其他类脑器件，首次实现发射端、接收端和公共端同质集成在一个微米级的全光子器件中。
本发明提出的一种学习、记忆和判决识别的光子类脑器件，相较于其他类脑器件，可以通过改变波导的形状和长度，来改变光传输的效率和接收端接收信号的大小，以达到调节信号输出权重的要求，可以实现复杂的类脑逻辑运算。
本发明提出的一种学习、记忆和判决识别的光子类脑器件，相较于其他类脑器件，以光子代替电子或质子从分子、突触、环路、网络的不同层面，模拟大脑自我学习、记忆形成、存储、提取、遗忘(包括主动遗忘和被动遗忘)和判决识别的机制。
本发明提出的一种学习、记忆和判决识别的光子类脑器件，相较于其他类脑器件，实现了人脑整合不同模态的感知信息从而做出最优化的判断的模拟，如时间叠加，空间叠加和空时混合叠加及判决识别，显示了在输入单个或多个信号时的自我学习，记忆和判决识别的效应。
本发明提出的一种学习、记忆和判决识别的光子类脑器件，相较于其他类脑器件，其信号是从发射端通过波导传输到接收端时是以光信号形式传输，相对于电信号而言，功耗低，信号传输速率快，传输信号充分限制在波导内部，且背后空腔可以减少Si衬底的吸光率，大大减少光传输过程中的损耗。
本发明提出的一种学习、记忆和判决识别的光子类脑器件，有三个发射端通过波导与接收端相连，依此，可以将多个发射端通过波导连接接收端，形成更复杂的人工神经网络，集成工艺简单。
附图说明
图1是本发明一种学习、记忆和判决识别的光子类脑器件的正视示意图。
图2是本发明一种学习、记忆和判决识别的光子类脑器件的俯视示意图。
图3是本发明一种学习、记忆和判决识别的光子类脑器件的制备流程图。
图4(a)至图4(b)是本发明一种学习、记忆和判决识别的光子类脑器件的测试图。图4(a)是50个相同幅度和周期，不同脉宽信号刺激下的时间叠加输出信号；图4(b)是相同信号刺激下的空间叠加输出；图4(c)是200个相同幅度，不同周期和脉宽信号刺激下的空时叠加和判决识别输出；图4(d)是不同周期的连续的方波信号刺激下到的叠加和判决识别输出。
图中有：1-硅衬底层；2-外延缓冲层；3-n-GaN层；4-InGaN/GaN量子阱；5-p-GaN层；6-p-电极；7-n-电极；8-波导；9-刻蚀台阶上台面；10-凹槽。
具体实施方式
下面结合实施例和说明书附图对本发明作进一步的说明。
图1、图2给出了本发明的硅衬底氮化物悬空波导集成光子类脑器件的结构示意图，该器件以Si衬底GaN基晶片为载体，包括Si衬底层1，设置在所述Si衬底1上的外延缓冲层2。设置在所述外延缓冲层2上的n-GaN层3，设置在所述n-GaN层3上的发射端和接收端，在所述n-GaN层3上表面有刻蚀出的阶梯状台阶，所述阶梯状台阶包括下台面和位于所述下台面上的多个上台面9，所述下台面上有向下刻蚀出的凹槽10，并凸显形成波导8，所述发射端和接收端结构相同，均包括一个台阶，台阶从下至上依次连接的是n-GaN层3、InGaN/GaN多量子阱4、p-GaN层5和p-电极6，所述发射端分别通过波导8与接收端连接，所述下台面上设置有n-电极7，所述n-电极7构成公共端，所述发射端、接收端和公共端构成一个光子器件。在所述n-GaN层3下方设置有波导8、波导8与p-电极6的连接端、波导8与n-电极7的连接端，贯穿Si衬底层1、外延缓冲层2到n-GaN层3下的空腔，使所述光子器件和波导8悬空。
所述光子器件和波导8均在Si衬底GaN基晶片的氮化物层上实现，其中波导8只在n-GaN层上，且与周边悬空薄膜完全隔离，形成发射端和接收端之间只通过波导8相连的结构。
所述发射端和波导8均为多个，所述接收端和公共端均为一个。
本发明制备学习、记忆和判决识别的光子类脑器件的方法，包括以下步骤：
(1)清洗Si衬底GaN基晶片，对其背后硅衬底层1进行抛光减薄处理；
(2)在Si衬底GaN基晶片上表面均匀地旋涂一层光刻胶然后烘干，再将上台面)区域的图形利用电子束曝光或光刻技术定义到涂好的光刻胶上，之后利用氧气等离子灰化方法去除台阶区域外的光刻胶；
(3)沿着去除光刻胶的地方向下刻蚀Si衬底GaN基晶片，直至刻蚀到n-GaN层3中，去除残留在台阶区域上的光刻胶，得到上台面9结构；
(4)在Si衬底GaN基晶片上表面均匀地旋涂一层光刻胶然后烘干，再将p-电极6图形区域和n-电极7利用电子束曝光或光刻技术定义到涂好的光刻胶上，之后通过反转工艺，去除定义区域外的光刻胶；
(5)在所述p-电极6图形区域和n-电极7图形区域分别蒸镀Ni/Au，采用剥离工艺和温度控制在500±5℃的氮气退火技术，形成欧姆接触，去除残留光刻胶后得到p-电极6与n-电极7；
(6)在Si衬底GaN基晶片上表面均匀涂上一层光刻胶，将凹槽10区域图形定义到涂好的光刻胶上，去除凹槽10区域内的光刻胶；
(7)沿着被去除光刻胶的地方向下刻蚀Si衬底GaN基晶片，形成凹槽10，去除残留光刻胶后得到波导8结构；
(8)分别在Si衬底GaN基晶片顶层涂光刻胶和背后涂光刻胶保护，然后烘干，之后定义出一个对准并覆盖波导8、波导8与p-电极6连接端、波导8与n-电极7连接端的区域，进行背后刻蚀；
(9)沿着背后刻蚀区域，利用背后深硅刻蚀技术将硅衬底层1刻蚀至外延缓冲层2的下表面，形成一个空腔；
(10)再沿着背后刻蚀区域从下往上对Si衬底GaN基晶片的外延缓冲层2和n-GaN层3进行氮化物减薄刻蚀处理，直至刻到凹槽，完成背后减薄处理；
(11)去除残留光刻胶，即得到一种学习、记忆和判决识别的光子类脑器件。
本发明的一种学习、记忆和判决识别的光子类脑器件，所述快速刻蚀与慢速刻蚀的时间可根据具体情况而定，一般的，快速刻蚀为37min或38min，慢速刻蚀为10min。

Claims (6)

1.一种学习、记忆和判决识别的光子类脑器件，其特征在于，该器件以Si衬底GaN基晶片为载体，包括从下至上依次设置的Si衬底层(1)、外延缓冲层(2)、n-GaN层(3)、设置在所述n-GaN层(3)上的n-电极(7)、波导(8)、发射端和接收端，在所述n-GaN层(3)上表面有刻蚀出的阶梯状台阶，所述阶梯状台阶包括下台面和位于所述下台面上的多个上台面(9)，所述n-电极(7)设置在下台面上，构成公共端，所述发射端和接收端结构相同，均包括一个上台面(9)、从下至上依次连接设置在上台面(9)上的InGaN/GaN多量子阱(4)、p-GaN层(5)和p-电极(6)，所述发射端分别通过波导(8)与接收端连接，接收端与n-电极(7)直接连接，发射端分别通过波导(8)与n-电极(7)连接，发射端、接收端和波导(8)下方设置有贯穿Si衬底层(1)、外延缓冲层(2)到n-GaN层(3)中的空腔。
2.根据权利要求1所述的一种学习、记忆和判决识别的光子类脑器件，其特征在于，所述波导(8)设置在下台面上，波导(8)两侧设置有向下刻穿n-GaN层(3)并与空腔连通的凹槽(10)。
3.根据权利要求1或2所述的一种学习、记忆和判决识别的光子类脑器件，其特征在于，所述发射端和波导(8)均为多个，所述接收端和公共端均为一个。
4.一种制备学习、记忆和判决识别的光子类脑器件的方法，其特征在于，该方法包括以下步骤：
(1)清洗Si衬底GaN基晶片，对其背后硅衬底层(1)进行抛光减薄处理；
(2)在Si衬底GaN基晶片上表面均匀地旋涂一层光刻胶然后烘干，再将上台面(9)区域的图形利用光刻技术定义到涂好的光刻胶上，然后利用四甲基氢氧化铵显影溶液去除上台面(9)区域图形外的光刻胶；
(3)沿着去除光刻胶的地方向下刻蚀Si衬底GaN基晶片，直至刻蚀到n-GaN层(3)中，清洗掉上表面的光刻胶，得到上台面(9)结构；
(4)在Si衬底GaN基晶片上表面均匀地旋涂一层光刻胶然后烘干，再将p-电极(6)和n-电极(7)的图形区域利用光刻技术定义到涂好的光刻胶上，之后通过反转工艺，去除定义区域外的光刻胶；
(5)在所述p-电极(6)图形区域和n-电极(7)图形区域分别蒸镀Ni/Au，采用剥离工艺和温度控制在500±5℃的氮气退火技术，形成欧姆接触，去除残留光刻胶后得到p-电极(6)与n-电极(7)；
(6)在Si衬底GaN基晶片上表面均匀涂上一层光刻胶，将凹槽(10)区域图形定义到涂好的光刻胶上，去除凹槽(10)区域内的光刻胶；
(7)沿着被去除光刻胶的地方向下刻蚀Si衬底GaN基晶片，形成凹槽(10)，去除残留光刻胶后得到波导(8)结构；
(8)分别在Si衬底GaN基晶片顶层涂光刻胶和背后涂光刻胶保护，然后烘干，之后在Si衬底GaN基晶片背后定义出一个对准并覆盖发射端、接收端和波导(8)区域的图形，去除定义图形区域内的光刻胶，进行背后刻蚀；
(9)沿着背后刻蚀区域，利用背后深硅刻蚀技术将硅衬底层(1)刻蚀至外延缓冲层(2)的下表面，形成一个空腔；
(10)再沿着背后刻蚀区域从下往上对Si衬底GaN基晶片的外延缓冲层(2)和n-GaN层(3)进行氮化物减薄刻蚀处理，直至刻到凹槽，完成背后减薄处理；
(11)去除残留光刻胶，即得到一种学习、记忆和判决识别的光子类脑器件。
5.根据权利要求4所述的制备一种学习、记忆和判决识别的光子类脑器件的方法，其特征在于，所述步骤(3)、步骤(7)和步骤(10)中刻蚀Si衬底GaN基晶片时，所用刻蚀气体均为流速为10sccm的Cl2和25sccm的BCl3的混合离子气体。
6.根据权利要求4或5所述的制备一种学习、记忆和判决识别的光子类脑器件的方法，其特征在于，所述步骤(9)中的背后深硅刻蚀过程中先进行快速刻蚀，之后改为慢速刻蚀，避免快速刻蚀时强冲击力造成的Si衬底GaN基晶片损伤。
CN201811155728.6A 2018-09-29 2018-09-29 一种学习、记忆和判决识别的光子类脑器件及其制备方法 Active CN109508786B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811155728.6A CN109508786B (zh) 2018-09-29 2018-09-29 一种学习、记忆和判决识别的光子类脑器件及其制备方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811155728.6A CN109508786B (zh) 2018-09-29 2018-09-29 一种学习、记忆和判决识别的光子类脑器件及其制备方法

Publications (2)

Publication Number Publication Date
CN109508786A true CN109508786A (zh) 2019-03-22
CN109508786B CN109508786B (zh) 2022-04-08

Family

ID=65746255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811155728.6A Active CN109508786B (zh) 2018-09-29 2018-09-29 一种学习、记忆和判决识别的光子类脑器件及其制备方法

Country Status (1)

Country Link
CN (1) CN109508786B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110855859A (zh) * 2019-10-16 2020-02-28 中南民族大学 人工光量子视网膜及构建方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02183237A (ja) * 1989-01-10 1990-07-17 Hitachi Ltd 半導体装置および光ニユーロシステム
WO2005006250A1 (en) * 2003-06-25 2005-01-20 Variance Dynamical, Inc. Apparatus and method for detecting and analyzing spectral components
CN107169564A (zh) * 2017-03-28 2017-09-15 南京邮电大学 一种记忆增强及认知识别神经元的类脑器件及其制备方法
CN107195708A (zh) * 2017-03-31 2017-09-22 南京邮电大学 一种基于光致晶体管的双模式类脑神经元芯片
US20180039882A1 (en) * 2016-08-03 2018-02-08 Semiconductor Energy Laboratory Co., Ltd. Imaging device, imaging module, electronic device, and imaging system
CN108281378A (zh) * 2012-10-12 2018-07-13 住友电气工业株式会社 Iii族氮化物复合衬底、半导体器件及它们的制造方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02183237A (ja) * 1989-01-10 1990-07-17 Hitachi Ltd 半導体装置および光ニユーロシステム
WO2005006250A1 (en) * 2003-06-25 2005-01-20 Variance Dynamical, Inc. Apparatus and method for detecting and analyzing spectral components
CN108281378A (zh) * 2012-10-12 2018-07-13 住友电气工业株式会社 Iii族氮化物复合衬底、半导体器件及它们的制造方法
US20180039882A1 (en) * 2016-08-03 2018-02-08 Semiconductor Energy Laboratory Co., Ltd. Imaging device, imaging module, electronic device, and imaging system
CN107169564A (zh) * 2017-03-28 2017-09-15 南京邮电大学 一种记忆增强及认知识别神经元的类脑器件及其制备方法
CN107195708A (zh) * 2017-03-31 2017-09-22 南京邮电大学 一种基于光致晶体管的双模式类脑神经元芯片

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHENG SHI 等: "Spatiotemporal summation and correlation mimicked in a four emitter light-induced artificial synapse", 《SCIENTIFIC REPORTS》 *
ZHENG SHI等: "Simultaneous dual-functioning InGaN/GaN multiple-quantum-well diode for transferrable optoelectronics", 《OPTICAL MATERIALS》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110855859A (zh) * 2019-10-16 2020-02-28 中南民族大学 人工光量子视网膜及构建方法
CN110855859B (zh) * 2019-10-16 2021-04-13 中南民族大学 人工光量子视网膜及构建方法

Also Published As

Publication number Publication date
CN109508786B (zh) 2022-04-08

Similar Documents

Publication Publication Date Title
CN104092096B (zh) 一种硅波导输出的单模硅基混合激光光源
CN107104119B (zh) 硅衬底悬空led直波导耦合集成光子器件及其制备方法
WO2017084243A1 (zh) 悬空led光波导光电探测器单片集成器件及其制备方法
CN108886073A (zh) 竖直固态器件
CN107169564B (zh) 一种记忆增强及认知识别神经元的类脑器件及其制备方法
CN103474523A (zh) 发光二极管的制备方法
CN103474520A (zh) 发光二极管的制备方法
CN103474543A (zh) 发光二极管
CN106785887A (zh) 一种聚合物辅助键合的混合型激光器及其制备方法
CN103474531A (zh) 发光二极管
CN105742383A (zh) 悬空p-n结量子阱器件和光波导单片集成系统及其制备方法
CN110535033A (zh) 电激发光子晶体面射型雷射元件
CN107221836A (zh) 一种硅基激光器及其制造方法、光模块
CN109508786A (zh) 一种学习、记忆和判决识别的光子类脑器件及其制备方法
CN102244367B (zh) 一种选区聚合物键合硅基混合激光器及其制备方法
CN111090137A (zh) 一种等离激元纳米结构的柔性单光子源器件及其制备方法
CN105633194B (zh) 基于悬空p‑n结量子阱的光致晶体管及其制备方法
US10566764B2 (en) Plasmonic quantum well laser
CN107037534B (zh) 可集成光电器件及其制作方法、多个光电器件的集成方法
CN113363345A (zh) 基于表面等离激元增强的高速光子集成芯片及制备方法
US9176360B2 (en) Method for producing spot-size convertor
CN108333679B (zh) 面向蓝光可见光通信的硅基GaN系光子芯片及制备方法
CN107046228A (zh) 一种电吸收调制激光器及其制备方法
CN109962130A (zh) 一种六面粗化的红外led芯片及制作方法
CN107195708A (zh) 一种基于光致晶体管的双模式类脑神经元芯片

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant