多任务学习能力在受神经启发的类脑人工智能系统中展现出巨大潜力，可为机器人、医疗保健和自动驾驶等领域提供能效高效的部署方案。
本文韩国科学技术研究院Young Ran Park和高丽大学Gunuk Wang等人基于混合维度堆叠结构的Cs₁₋ₓFAₓPbBr₃（0.00 ≤ x ≤ 0.15）量子点，构建了一个双输出电致发光突触器件阵列，并在此基础上建立了多任务学习框架。该器件能同时处理突触后电流和突触后电致发光信号，展现出稳定且可调的长期可塑性（约1000个独立状态），以及尖峰速率依赖可塑性和双脉冲易化特性。通过整合PSC和PSEL两条路径的更新行为，该多任务学习框架可同时执行分类-回归和分类-图像重构任务。与组合的单任务学习框架相比，该方法计算速度最高提升47.09%和29.17%；与基于图形处理器的硬件加速器相比，能耗最高降低8.2倍和32.4倍。
这项创新性工作凸显了双输出电致发光人工突触在多任务学习应用中的巨大潜力。
研究亮点：
首创双输出电致发光突触器件：基于Cs₁₋ₓFAₓPbBr₃钙钛矿量子点构建混合维度堆叠结构，单个器件可同时输出电信号（PSC）和光信号（PSEL），实现真正意义上的双模态并行信息处理。
多任务学习硬件加速：利用双输出特性设计多任务学习框架，在UTK人脸数据集上同时执行年龄回归（任务1）、种族分类（任务2）和图像重构（任务3），计算速度相比传统方案提升29%-47%，能耗降低8-32倍。
优异的突触可塑性：器件展现出约1000个独立可调电导态、双脉冲易化（Δt=0.1ms时PPF指数达148.7%和164.1%）和尖峰速率依赖可塑性，可在3×3阵列中精确编码和动态更新“T”字形图案，模拟生物突触的学习-记忆-遗忘过程。
Young Ran Park, Gunuk Wang ,Electroluminescent perovskite QD–based neural networks for energy-efficient and accelerate multitasking learning.Sci. Adv.12,eady8518(2026).
DOI:10.1126/sciadv.ady8518
https://www.science.org/doi/10.1126/sciadv.ady8518
学术交流QQ群
知光谷光伏器件学术QQ群：641345719
钙钛矿产教融合交流@知光谷（微信群）：需添加编辑微信
为加强科研合作，我们为海内外科研人员专门开通了钙钛矿科创合作专业科研交流微信群。加微信群方式：添加编辑微信pvalley2024，备注：姓名-单位-研究方向（无备注请恕不通过），由编辑审核后邀请入群。
热门跟贴