p Os pontos quânticos de perovskita halogeneto orgânico-inorgânico (PQDs) formam uma classe atraente de materiais para aplicações optoeletrônicas. Suas propriedades de transporte de carga são, Contudo, inferior em comparação com materiais como o grafeno. Por outro lado, o grafeno contém uma eficiência de geração de carga muito baixa para aplicações em optoeletrônica. Em um novo relatório, Basudev Pradhan e uma equipe de pesquisa do Nanoscience Technology Center, e os departamentos de Óptica e Fotônica, Engenharia Científica de Materiais, Física e Química da University of Central Florida, NÓS., Desenvolveu um transistor de fóton ultrafino e sinapses fotônicas usando superestruturas de grafeno-PQD (grafeno-perovskita quantum dot; G-PQD). Para preparar as superestruturas, eles desenvolveram PQDs diretamente de uma rede de grafeno. Fototransistores feitos de G-QPDs exibiram excelente responsividade e detectividade específica. Os efeitos de memória assistida por luz das superestruturas permitiram comportamento sináptico fotônico para computação neuromórfica, que a equipe demonstrou por meio de aplicativos de reconhecimento facial com o auxílio de aprendizado de máquina. Pradhan et al. Espere que a superestrutura do G-PQD apoie novas direções para desenvolver dispositivos optoeletrônicos altamente eficazes. p O grafeno surgiu como um material de sonho para a eletrônica e optoeletrônica devido à sua ampla largura de banda espectral, excelentes propriedades de transporte de transportador com alta mobilidade, estabilidade excepcional e flexibilidade excepcional. Os cientistas de materiais desenvolveram muitos compostos e dispositivos para aplicações na captação de energia, armazenar, fotodetectores e transistores. Contudo, uma única camada de grafeno pode absorver apenas 2,3 por cento da luz visível incidente, impedindo criticamente seu uso em dispositivos optoeletrônicos e fotônicos. Em contraste, PQDs orgânico-inorgânico surgiram como materiais atraentes para aplicações em optoeletrônica devido às suas características únicas, embora seu transporte de carga permaneça inferior em comparação com o grafeno.

p Crescendo PQDs a partir de uma rede de grafeno

p Pradhan et al. explorou a forte eficiência de fotogeração de PQDs de brometo de chumbo de metilamônio neste trabalho, cultivando PQDs da rede de grafeno de camada única usando um processo mediado por defeito. Uma vez que os PQDs podem absorver luz e gerar portadores de carga, a lógica ajudou a projetar as superestruturas híbridas. A equipe implementou as superestruturas finas em uma geometria de fototransistor para produzir uma fotorresposta de 1,4 × 10 ⁸ AW ^-1 e uma detectividade específica de 4,72 x 10 ¹⁵ Jones a 430 nm; que foi de longe a melhor responsividade e detectividade registrada em dispositivos semelhantes até o momento.

p O trabalho é altamente promissor para desenvolver materiais optoeletrônicos extremamente eficientes para comunicações de alta velocidade, de detecção, câmeras de ultra-sensibilidade, imagens e monitores de alta resolução. O comportamento das superestruturas de grafeno-PQD (G-PQD) na forma de uma sinapse fotônica também é crítico para o reconhecimento de padrões. Os resultados apóiam o desenvolvimento de uma unidade de hardware para arquitetura neuromórfica que imita o cérebro humano - para uma variedade de aplicações interessantes. Pradhan et al. usou reprecipitação assistida por ligante (LARP) para produzir PQDs com um rendimento quântico de fotoluminescência muito alto, e controlou o tamanho e a morfologia dos produtos PQD. A equipe iniciou o crescimento de PQDs diretamente nos locais ativos das monocamadas de grafeno para formar as superestruturas. Durante o processo, eles adicionaram um antissolvente de tolueno em uma camada de grafeno umedecida com precursores de perovskita para iniciar a semeadura, e formaram embriões de perovskita na folha de grafeno necessária para a formação de cristais PQD.

p Desenvolvendo altamente sensível, fototransistores ultrafinos

p A equipe analisou o material híbrido recentemente sintetizado (PQDs de grafeno) usando microscopia eletrônica de transmissão (TEM) para verificar a ligação entre os PQDs e as camadas de grafeno. Eles notaram a presença de dois G-PQDs diferentes que absorveram o comprimento de onda visível em 434 nm e 451 nm, indicando seu potencial para formar fototransistores de alto desempenho detectando na iluminação azul. Pradhan et al. testou as propriedades fotofísicas do material em relação à dinâmica do estado excitado da superestrutura G-PQD usando contagem de fóton único correlacionada com o tempo (TCSPC) e observou um tempo médio de decaimento de fluorescência de 749 ns. A superestrutura mostrou sensibilidade aprimorada e uma fotocorrente aprimorada em comparação com fotoresistores relatados anteriormente. O dispositivo também pode atuar como um interruptor ativado por luz sob iluminação de luz branca e a fotocorrente aumentou rapidamente em um tempo de resposta de 0,45 segundos após ligar a luz. Resultaram tempos de resposta mais longos devido a fatores mais complexos.

p Aplicações de sinapses fotônicas neuromórficas durante o reconhecimento facial.

p Desde a arquitetura tradicional de von Neumann ou arquitetura de Princeton; uma arquitetura de computador desenvolvida pelo matemático e físico John von Neumann consome tempo e energia para o transporte de dados no momento. Os limites existentes de desempenho e escalabilidade entre a memória e o processador são popularmente chamados de gargalo de von Neumann. O dispositivo causou grandes desvantagens em aplicativos centrados em dados de reconhecimento de imagem em tempo real, classificação de dados e processamento de linguagem natural. A computação neuromórfica é, portanto, uma plataforma emergente superior que pode superar a arquitetura de von Neumann. Na configuração, a sinapse pode atuar normalmente como um canal de comunicação entre dois neurônios.

p Neste caso, a superestrutura do G-PQD atuou como uma sinapse fotônica artificial; onde o sinal pré-sináptico foi baseado nos estímulos de luz externa na forma de pulsos ópticos e o sinal pós-sináptico foi a corrente obtida através do canal G-PQD para manter a fonte de drenagem e a tensão da porta fixas. As informações ópticas incorporadas, As capacidades de processamento e retenção de detecção dos dispositivos sinápticos G-PQD formaram um candidato potencial para a memória visual humana nos campos de reconhecimento de padrões. Pradhan et al. construiu uma rede neural de pico para realizar aprendizado de máquina não supervisionado e reconhecimento de rosto usando Python. A equipe usou quatro retratos de pessoas para treinar a rede neural e mostrou que um maior uso de neurônios de saída junto com um tempo de treinamento mais longo poderia atingir taxas mais altas de reconhecimento facial.

p Desta maneira, Basudev Pradhan e colegas desenvolveram superestruturas extremamente finas com base em materiais híbridos de PQDs cultivados a partir de uma rede de grafeno usando uma técnica de crescimento de cristal mediado por defeito. Eles obtiveram transferência de carga altamente aprimorada devido às nuvens de elétrons π combinadas de PQDs e grafeno. Os dispositivos resultantes exibiram alto desempenho para fototransistores e sinapses fotônicas, que a equipe validou posteriormente usando simulações. A equipe pretende estender sua abordagem a outros materiais 2-D, incluindo dichalcogenetos de metais de transição e outras heteroestruturas. O trabalho abrirá as portas para uma nova classe de materiais de superestrutura de alto desempenho adequados para múltiplas aplicações eletrônicas e optoeletrônicas, benéfico para o reconhecimento facial e computação neuromórfica. p © 2020 Science X Network