以深度神经网络为代表的人工智能在近十年深刻变革着人类社会,但是目前仍处在弱人工智能时期,对于如何走向强人工智能,依靠于软件层次的算法提升与受脑启发的硬件改进。基于冯诺依曼架构的传统CMOS逻辑电路计算机系统受限于已经减小至原子尺寸的制程工艺与逐渐终结的摩尔定律,在数据处理与存储方面是相互分离的,存储速度远远低于计算速度,因此急需突破数据传输的“存储墙”瓶颈。人们通过向生物学家、神经学家学习,研究人脑如何处理数据,进而研发类脑芯片以解决算力提升的关键问题。多端人工突触作为人工智能硬件的单元器件,具有集成人工智能系统的巨大潜力,以满足大数据时代人们对于高性能低延迟低功耗的算力需求。本论文以氧化铟锌（InZnO）纳米线作为半导体,结合聚合物电解质和紫外激光分别构筑了突触晶体管,进行了多种生物突触可塑性的模拟,并完成了基于人工神经网络的手写数字识别仿真,具体工作如下:1.通过简便易行的静电纺丝技术结合纳米线转移方法,制备出InZnO纳米线阵列,纳米线直径低至40-80 nm,为单元器件的紧密集成提供了物理基础。利用高氯酸锂离子液作为栅介质构筑了电解质突触晶体管。并进行一系列生物突触可塑性模拟,例如:兴奋性突触后电流、双脉冲易化以及长程可塑性。基于实验数据的增强/抑制特性与MNIST手写数字数据集和人工神经网络进行仿真模拟,纳米线阵列器件得到了高达93.1%的识别准确率。该研究表明通过成本可控效益高的制造技术获得排列整齐的纳米线阵列来实现低功耗高准确率的人工突触。2.采用静电纺丝工艺制备了InZnO纳米线的紫外光控突触晶体管,器件在375 nm波长紫外激光脉冲照射下实现了以电流的形式处理和存储信息。基于金属氧化物固有的持续光电导效应成功模拟生物突触可塑性,实现从短期记忆到长期记忆的过渡,获得了高PPF指数（276%）和长LTP保留时间（＞7200 s）。在光电协同作用下,基于光增强和电抑制的PD线经过Cross Sim人工神经网络仿真后得到高达97.1%的手写数字识别准确率。成功模拟出艾宾浩斯记忆遗忘曲线,并展现出图像记忆的应用潜力。