2026年2月28日，周晔教授团队在自然指数期刊《Nature Communications》发表了题为“Physical echo state network based on the nonlinearity and dynamic response of ambipolar heterostructure transistors”的研究论文。该论文探讨了基于双极性异质结晶体管构建物理回声状态网络。高等研究院博士后钟文敏为第一作者，周晔教授为通讯作者，深圳大学为第一完成单位。
在类脑计算领域，时间序列预测对循环神经网络架构提出了重大挑战，通常需要针对特定任务进行定制，这限制了通用计算平台的发展。在本研究中，我们利用双极性有机-无机异质结晶体管构建了物理回声状态网络（ESN）的储备池。该晶体管的双极性特性使其可变电阻区能够实现稀疏矩阵运算，而饱和区则提供类似tanh的非线性响应，因而非常适合在ESN中同时实现突触加权和神经元激活功能。此外，其动态响应自然引入了时间属性，使其能够作为时间序列任务的类脑计算模型。在未引入动态机制的情况下，该模型能够执行图像识别、时间序列预测和多模态识别任务；而当引入动态机制后，模型在MNIST手写数字数据集上达到96.98%的准确率，在Fashion-MNIST数据集上达到86.67%的准确率。周晔团队提出的类脑计算架构，为非线性映射和时间序列预测等任务提供了新的思路。此项研究得到英国皇家化学会、广东省科技厅、广东省教育厅、广东省基础与应用基础研究基金、深圳市科创局、射频异质异构集成全国重点实验室的资助。
原文链接：https://www.nature.com/articles/s41467-026-70171-2
