8月21日消息（论文8月20日提交arXiv），有机晶体管在神经形态计算中的应用正受到关注，但仅依赖铁电开关或界面陷阱产生多电导态的器件记忆窗口有限。密苏里大学Arash Ghobadi、Thomas B. Kallaos、Shubhra Gangopadhyay、Suchismita Guha等研究者在arXiv发表的新研究（编号2608.20245，归属cond-mat.mes-hall分类）提出了一种新架构：在聚合物半导体与铁电介质界面插入一层含有均匀分布亚纳米铂纳米颗粒（PtNP）的超薄氧化物叠层。

具体而言，研究者在薄膜晶体管结构中构建了Al2O3/PtNP/Al2O3三明治界面层。这种设计的巧妙之处在于将局域电荷俘获与脱陷位点放置在最能有效影响沟道电导的区域：亚纳米铂颗粒为电荷提供了密集的存储中心。

器件性能表现突出：电流-电压特性显示记忆窗口超过20V——远大于此前仅靠铁电开关或界面陷阱的方案。更关键的发现是，亚纳米PtNP在室温下产生了与库仑阻塞状输运（Coulomb blockade-like transport）一致的特征，在记忆窗口内形成分立且间隔良好的能级。库仑阻塞通常需要极低温才能观察，室温下在有机器件中实现该效应意味着单电子水平的电荷操控。

器件还支持电学与光学的双模编程，同时表现出长程塑性（LTP）与增强的短程塑性（STP）现象——这两者分别对应生物神经系统中长期记忆与短期记忆的电子学模拟。研究者指出，这些结果为在神经形态计算器件中实现短程可塑性开辟了新方向。论文共19页含4幅图，另有7页8图的补充材料。随着AI计算对存算一体与类脑器件需求上升，可在室温下以电荷分立态存储多值信息的有机器件提供了一条低成本、柔性化的候选路线。 （来源：arXiv）