IF16.6，偶像蔡徐坤登上顶刊《JACS》？

2026年8月24日，欧洲科学院院士Paolo Samorì教授团队在《Journal of the American Chemical Society》（JACS）发表最新研究，题目为《Chemical Tuning of Charge Transport Polarity in Light-Emitting Transistors Enabling Neuromorphic Display, Computing, and Optocoupler》。该研究通过化学调控电荷传输极性，开发出一种新型长余辉发光晶体管（LALET），实现了神经形态显示、计算与光耦合功能。

实力带偶像上JACS

在文章中，i坤科研人凭实力带偶像上JACS文章。

作者通过研发长余辉发光晶体管，其内在噪声滤波功能模拟神经元的全有和全无发射，使神经形态光耦合器能够实现复杂的“刺激-计算-决策-动作” 逻辑，使其调动坤哥边打篮球边跳舞。

附图Figure S19的Dance Toy：

除此之外，还有不少科研人将自己喜欢的偶像或者动画人物一起写进自己的文章中，如美国总统特朗普、 CEJ的葫芦娃水娃、 还有哪吒三太子和敖丙等。

研究简介

在人工智能和大数据时代，我们手中的电子设备正面临前所未有的挑战。传统的冯·诺依曼计算架构中，存储器和处理器是分离的，数据在两者之间频繁“搬运”，不仅速度受限，功耗也居高不下。然而，人脑却是一种极高效的计算系统，其存储与计算一体存于神经元突触之间。同时，神经元拥有“全或无”的阈值决策机制（即只有输入信号足够强时，神经元才会“点火”）。受此启发，科学家们一直在努力研发能够模仿人脑功能的“神经形态器件”。

这项研究成果，为我们展示了一种全新的解决方案：长余辉发光晶体管（LALET）。基于三元共聚的简易合成方法对半导体聚合的极性实现精准调控，使得器件成功实现集存储、计算、显示于一身，还能像神经元一样智能地过滤“噪音”，实现了超过90%的图像识别准确率。

1、材料“配方”是核心：精确调控电荷“车流”

研究团队合成了一系列名为“DPPmT”的有机共聚物材料。这类材料具有“给体-受体”（D-A）结构，类似于一条分子导线，负责传输电荷（空穴和电子）。通过一种叫做“三元共聚”的巧妙化学合成策略，研究人员精确调控了给体（D）和受体（A）的比例，得到了四种材料：DPP4T、DPP6T、DPP8T和DPP12T。研究发现，共轭聚合物的空穴的传输能力（迁移率）随着D/A比例变化而略有下降，但始终保持在较高水平。然而电子迁移率能力则被显著抑制。其中，“DPP8T”表现最为均衡：它拥有很高的空穴迁移率（**0.42 cm²V⁻¹s⁻¹），同时电子迁移率极低（0.00141 cm²V⁻¹s⁻¹），实现了高达98.6的空穴/电子迁移率比。

2、双模显示：像人脑一样“记忆”和“响应”

基于DPP8T这类低极性高迁移率聚合物材料，研究团队构建了长余辉发光晶体管（LALET）。这款器件的核心结构包含一个“浮栅”（类似电荷存储的“小仓库”），使其具备了记忆功能。令人惊奇的是，仅仅通过改变施加栅极电压的正负极性，该器件就能呈现两种截然不同的显示模式：a，“长余辉”（LA）模式（施加正电压）：相当于“写入”过程。电子被注入并存储到“浮栅”中。即使撤去电压，存储的电子仍会产生额外电场，吸引更多空穴到沟道，使晶体管持续导通，发光也随之持续。这就像给显示器“充能”后，它还能“记忆”并保持发光一段时间。b，“点击开启”（CO）模式（施加负电压）：相当于“读取”过程。空穴直接被电场激活，形成瞬时大电流，产生明亮的发光。一旦撤去电压，电流和发光立即消失，响应速度极快。这种通过单一器件实现“记忆显示”和“即时显示”双模式切换的功能，为未来可重构显示技术开辟了新思路。

3、内置“智能滤镜”：模拟神经元的“全或无”法则

生物神经元有一个重要特性：只有当接收到的刺激超过某个阈值时，才会产生响应（“全或无”定律）。这能有效过滤掉环境中的微弱噪声信号。LALET器件神奇地模拟了这一功能。研究发现，该器件存在一个约10微安（μA）的“开启电流”阈值。当弱刺激（如15V脉冲）输入后，后突触电流（0.29 μA）远低于阈值，器件不发光，噪声被有效过滤。当强刺激（如45V脉冲）输入后，后突触电流（257 μA）远超阈值，器件立即强发光。利用这一特性，研究团队构建了一个“神经形态光电耦合器”系统。该系统能够执行“刺激-计算-决策-行动”的完整逻辑链：输入弱信号 → 系统判断为“噪音” → 不做反应（电机不转）；输入强信号 → 系统分析决策 → 电机执行反馈指令。研究人员甚至用这个系统成功控制了一个玩具舞蹈小人，生动展示了其在未来智能机器人领域的应用潜力。

4、超越90%识别率：用于“储层计算”与“降噪显示”

更进一步，LALET器件的时间依赖可塑性使其成为储池计算（Reservoir Computing）系统的理想物理平台。储层计算是一种擅长处理时间序列信号的轻量级递归神经网络。研究人员将“Fashion-MNIST”（服装分类数据集）图像编码成电压脉冲序列输入LALET。基于器件的后突触“电信号”（PSC）和“光信号”（PSE）输出，识别准确率分别达到了90.8%和91.7%。更值得一提的是“噪声过滤显示”的演示。当输入含大量噪声的数字（如“0”）时，传统系统会给出模糊的预测概率（如“0”的概率仅79.3%）。但LALET凭借其内置的非线性阈值特性，会直接“砍掉”所有低于阈值的小概率误判，只让高置信度的正确结果（“0”）产生明显亮度输出，实现了显示端的“去伪存真”。

5、总结与展望

这项研究通过巧妙的化学设计——调控共轭聚合物的给/受体比例，成功实现了对电荷传输极性的精细控制，从而研制出性能卓越的长余辉发光晶体管。该器件集成了高迁移率、双模显示、突触可塑性、内置噪声滤波等多种功能，在单一半导体器件上再现了生物神经元的复杂行为。它不仅为神经形态计算提供了新的硬件基础，也为未来低功耗、高集成度、具有环境自适应能力的智能显示和软体机器人技术铺平了道路。

上下滚动查看更多

（来源：Scalpel生信、材料人、阿瓜说科研等版权属原作者 谨致谢意）