I punti quantici di perovskite ad alogenuro organico-inorganico (PQD) formano una classe attraente di materiali per applicazioni optoelettroniche. Le loro proprietà di trasporto di carica sono, però, inferiore rispetto a materiali come il grafene. Al contrario, il grafene contiene un'efficienza di generazione di carica troppo bassa per le applicazioni in optoelettronica. In un nuovo rapporto, Basudev Pradhan e un gruppo di ricerca presso il Nanoscience Technology Center, e i dipartimenti di Ottica e Fotonica, Ingegneria della scienza dei materiali, Fisica e Chimica presso l'Università della Florida Centrale, NOI., Ha sviluppato un transistor fotonico ultrasottile e sinapsi fotoniche utilizzando sovrastrutture di grafene-PQD (punto quantico di grafene-perovskite; G-PQD). Per preparare le sovrastrutture hanno coltivato i PQD direttamente da un reticolo di grafene. I fototransistor realizzati con G-QPD hanno mostrato un'eccellente reattività e una sensibilità specifica. Gli effetti di memoria assistita dalla luce delle sovrastrutture hanno consentito il comportamento sinaptico fotonico per il calcolo neuromorfo, che il team ha dimostrato attraverso applicazioni di riconoscimento facciale con l'assistenza dell'apprendimento automatico. Pradan et al. si aspettano che la sovrastruttura G-PQD rafforzi nuove direzioni per lo sviluppo di dispositivi optoelettronici altamente efficaci.

Il grafene è emerso come materiale da sogno per l'elettronica e l'optoelettronica grazie alla sua ampia larghezza di banda spettrale, eccellenti proprietà di trasporto del vettore con elevata mobilità, stabilità eccezionale e flessibilità eccezionale. Gli scienziati dei materiali hanno sviluppato molti compositi e dispositivi per applicazioni nella raccolta di energia, Conservazione, fotorivelatori e transistor. Però, un singolo strato di grafene può assorbire solo il 2,3% della luce visibile incidente, impedendo criticamente il loro uso in dispositivi optoelettronici e fotonici. In contrasto, i PQD organico-inorganici sono diventati materiali attraenti per applicazioni in optoelettronica grazie alle loro caratteristiche uniche, sebbene il loro trasporto di carica rimanga inferiore rispetto al grafene.

PQD in crescita da un reticolo di grafene

Pradan et al. ha esplorato la forte efficienza di fotogenerazione dei PQD di bromuro di piombo di metilammonio in questo lavoro facendo crescere i PQD dal reticolo del grafene a strato singolo utilizzando un processo mediato da difetti. Poiché i PQD possono assorbire la luce e generare portatori di carica, la logica ha aiutato a progettare le sovrastrutture ibride. Il team ha implementato le sottili sovrastrutture in una geometria a fototransistor per produrre una fotoresponsività di 1,4 × 10 ⁸ AW ^-1 e una rilevabilità specifica di 4,72 x 10 ¹⁵ Jones a 430 miglia nautiche; che è stata di gran lunga la migliore reattività e rilevabilità registrata fino ad oggi su dispositivi simili.

Il lavoro è molto promettente per sviluppare materiali optoelettronici estremamente efficienti per comunicazioni ad alta velocità, rilevamento, telecamere ultrasensibili, immagini e display ad alta risoluzione. Anche il comportamento delle sovrastrutture grafene-PQD (G-PQD) sotto forma di sinapsi fotonica è fondamentale per il riconoscimento dei pattern. I risultati supportano lo sviluppo di un'unità hardware per l'architettura neuromorfa che imita il cervello umano, per una serie di interessanti applicazioni. Pradan et al. utilizzato la riprecipitazione assistita da ligando (LARP) per produrre PQD con una resa quantica di fotoluminescenza molto elevata, e controllato le dimensioni e la morfologia dei prodotti PQD. Il team ha avviato la crescita di PQD direttamente sui siti attivi dei monostrati di grafene per formare le sovrastrutture. Durante il processo, hanno aggiunto un toluene antisolvente su uno strato di grafene bagnato con precursori di perovskite per iniziare la semina, e hanno formato embrioni di perovskite sul foglio di grafene necessario per la formazione dei cristalli PQD.

In via di sviluppo altamente sensibile, fototransistor ultrasottili

Il team ha analizzato il materiale ibrido appena sintetizzato (PQD di grafene) utilizzando la microscopia elettronica a trasmissione (TEM) per verificare il legame tra i PQD e gli strati di grafene. Hanno notato la presenza di due diversi G-PQD che hanno assorbito la lunghezza d'onda visibile a 434 nm e 451 nm, indicando il loro potenziale per formare fototransistor ad alte prestazioni che rilevano all'illuminazione blu. Pradan et al. testato le proprietà fotofisiche del materiale relative alla dinamica dello stato eccitato della sovrastruttura G-PQD utilizzando il conteggio di fotoni singoli correlato al tempo (TCSPC) e osservato un tempo medio di decadimento della fluorescenza di 749 ns. La sovrastruttura ha mostrato una maggiore sensibilità e una fotocorrente migliorata rispetto ai fotoresistori precedentemente riportati. Il dispositivo potrebbe anche fungere da interruttore attivato dalla luce sotto illuminazione a luce bianca e la fotocorrente è aumentata rapidamente entro un tempo di risposta di 0,45 secondi dopo l'accensione della luce. Tempi di risposta più lunghi sono risultati a causa di fattori più complessi.

Applicazioni delle sinapsi fotoniche neuromorfe durante il riconoscimento facciale.

Dall'architettura tradizionale di von Neumann o dall'architettura di Princeton; un'architettura di computer sviluppata dal matematico e fisico John von Neumann richiede attualmente sia tempo che energia per il trasporto dei dati. I limiti esistenti di prestazioni e scalabilità tra la memoria e il processore sono comunemente indicati come il collo di bottiglia di von Neumann. Il dispositivo aveva causato gravi inconvenienti nelle applicazioni incentrate sui dati di riconoscimento delle immagini in tempo reale, classificazione dei dati ed elaborazione del linguaggio naturale. Il calcolo neuromorfico è quindi una piattaforma emergente e superiore in grado di superare l'architettura di von Neumann. Nella configurazione, la sinapsi può tipicamente fungere da canale di comunicazione tra due neuroni.

In questo caso, la sovrastruttura G-PQD ha agito come una sinapsi fotonica artificiale; dove il segnale pre-sinaptico era basato sugli stimoli luminosi esterni sotto forma di impulsi ottici e il segnale post-sinaptico era la corrente ottenuta attraverso il canale G-PQD per mantenere fissa la sorgente di drain e la tensione di gate. Le informazioni ottiche incorporate, l'elaborazione del rilevamento e le capacità di ritenzione dei dispositivi sinaptici G-PQD hanno formato un potenziale candidato per la memoria visiva umana nei campi del riconoscimento di schemi. Pradan et al. ha costruito una rete neurale di picco per eseguire l'apprendimento automatico e il riconoscimento facciale senza supervisione utilizzando Python. Il team ha utilizzato quattro ritratti di persone per addestrare la rete neurale e ha dimostrato che un maggiore utilizzo dei neuroni di output insieme a un tempo di addestramento più lungo potrebbe ottenere tassi più elevati di riconoscimento facciale.

In questo modo, Basudev Pradhan e colleghi hanno sviluppato sovrastrutture estremamente sottili basate su materiali ibridi di PQD cresciuti da un reticolo di grafene utilizzando una tecnica di crescita dei cristalli mediata da difetti. Hanno ottenuto un trasferimento di carica altamente potenziato grazie alle nubi di elettroni π combinate di PQD e grafene. I dispositivi risultanti hanno mostrato elevate prestazioni per fototransistor e sinapsi fotoniche, che il team ha ulteriormente convalidato utilizzando simulazioni. Il team intende estendere il proprio approccio ad altri materiali 2-D, inclusi i dichalcogenuri di metalli di transizione e altre eterostrutture. Il lavoro aprirà le porte a una nuova classe di materiali per sovrastrutture ad alte prestazioni adatti a molteplici applicazioni elettroniche e optoelettroniche, utile per il riconoscimento facciale e il calcolo neuromorfo.

© 2020 Scienza X Rete