哺乳动物大脑中的认知功能，如学习，被归因于具有前馈和反馈拓扑结构的神经元回路的存在。这种网络在神经元内部和神经元之间具有相互作用，提供兴奋和抑制的调节作用。在神经形态计算中，使用纳米级设备组合和广播兴奋和抑制信号的神经元仍然是无法实现。鉴于此，来自牛津大学的Harish Bhaskaran等人开发了一种II型、基于二维异质结的光致发光神经元。

文章要点：

1) 该研究开发的这种神经元使用MoS₂、WS₂和石墨烯的堆叠，通过光电电荷捕获机制证明了提供兴奋和抑制调节作用的两种效应，且研究发现，这种神经元提供了一种非线性和整流的信息整合，可以进行光学广播；

2) 此外，这种神经元在机器学习中可进行应用，特别是在赢者通吃网络中，随后，研究将此类网络应用于模拟，以建立用于数据划分的无监督竞争学习，以及用于解决组合优化问题的合作学习。

参考资料：

Syed, G.S., Zhou, Y., Warner, J. et al. Atomically thin optomemristive feedback neurons. Nat. Nanotechnol. (2023).

10.1038/s41565-023-01391-6

https://doi.org/10.1038/s41565-023-01391-6