在人工智能与大数据快速发展的时代背景下，传统冯·诺依曼计算架构因存算分离导致的“内存墙”瓶颈日益凸显，发展兼具感知、存储与计算功能的类脑神经形态器件已成为提升算力能效的关键突破口。

       金刚石作为超宽禁带半导体材料，兼具超高热导率、高载流子迁移率以及优异的化学与辐射稳定性。然而，氢终端金刚石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。

       近日，中国科学院上海高等研究院感知与计算科研团队在该领域取得重要突破。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。 

图1 基于氢终端金刚石晶体管实现光电突触可塑性模拟

       在此基础上，该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。论文第一作者为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。

       金刚石神经形态计算相关研究进展

       金刚石基神经形态计算领域正呈现出蓬勃发展的态势，国内外多个研究团队从不同技术路径展开了积极探索。

       郑州大学单崇新团队在氢终端金刚石光热双模神经形态器件方面取得重要进展，于2026年5月在Advanced Functional Materials上报道了一种基于氢终端金刚石的光热双模式神经形态器件。该器件利用表面二维空穴气与缺陷介导的载流子俘获机制，实现了持续光电导与温度依赖的载流子输运。尤为重要的是，该器件在单个芯片上集成了“环境感知、突触计算与自适应自保护”三重功能，彰显了金刚石在恶劣环境下实现神经形态功能的独特材料优势。 

       沈阳理工大学沈龙海教授团队则在金刚石神经形态视网膜感知系统方面取得了开创性成果，并在ACS Nano（影响因子16.0）上发表了相关研究。团队通过金刚石的异质外延生长结合Si掺杂，成功在金刚石薄膜中引入多种缺陷和中间能级，从而实现了薄膜从深紫外到近红外的宽光谱响应和持续光电导效应。更为重要的是，基于金刚石的神经形态器件展现出独特的光电流衰减波长依赖性：短波长光（如紫外光）照射后，光电流衰减较慢；而经长波长光（如可见光、近红外光）照射后，光电流衰减快。

       通过调节光脉冲和电刺激，所制备的金刚石神经形态视网膜感知系统不仅可实现人眼瞳孔的自适应调节和图像记忆与遗忘行为的模拟，并且还可实现未知颜色识别、动态光点轨迹跟踪以及图像加密传输等多种复杂功能。

       在国际前沿方面，基于多晶金刚石的光电突触器件也取得了显著进展。研究人员利用微波等离子体化学气相沉积（MPCVD）制备的具有孪晶特征的多晶金刚石，因其晶界、色心、碳空位及非金刚石相等缺陷诱导的持续光电导效应，成功模拟了生物突触的动力学行为。该金刚石突触器件实现了174% 的最大配对脉冲易化（PPF）指数，并有效模拟了人脑的“学习—遗忘—再学习”行为。此外，研究人员还基于该突触器件提出了光学加密策略，为光通信中的信息安全提供了新途径。

       值得一提的是，金刚石/石墨烯异质结在神经形态光电器件方面也展现出巨大潜力。研究表明，石墨烯（sp²碳）/金刚石（sp³碳）异质结构可用于构建“全碳”阻变存储器（ReRAM）型光电突触，在构建模拟大脑功能的复杂图像识别系统方面具有广阔前景。

       在神经形态计算与类脑智能领域，金刚石基光电突触器件已展现出独特优势——其宽光谱响应能力、超低能耗以及恶劣环境下的工作稳定性，使其成为发展鲁棒、事件驱动类脑视觉系统的理想平台。随着缺陷工程、界面调控和掺杂策略的不断深化，金刚石基神经形态器件有望在空间探测、核工业、深海作业等极端环境中发挥不可替代的作用。