光电探测器件及技术在卫星遥感、安全监测、自动驾驶等领域发挥着重要的作用。这些领域的不断发展,对光电探测器的小型化、集成化、可延展性以及宽波段响应能力提出了越来越高的要求。相比于传统三维材料,新兴的二维材料可将电子的运动局限在二维平面内,显著增强电子与电子、电子与光子间的相互作用,从而获得优异的电学与光电响应特性。特别地,基于二维材料的范德华异质结,可通过不同材料的层间耦合作用,有效克服单一材料在性能上存在的不足,使器件的整体性能得到进一步提升,在未来的光电探测和神经形态计算中展现了巨大的潜力。本文报告了一种自行设计的高性能石墨烯/二硫化钼异质结光电探测器,其中二硫化钼层对一定范围的光谱具有较高的吸收并能产生电荷,产生的电荷在异质结区内建电场的作用下分离及转移至石墨烯层。而石墨烯层的极高载流子迁移率,提高了光生电子和空穴的迁移速度,使得器件的光响应速度得到提升。在400 nm的入射光照下,器件的响应度达到1.6 A/W,比探测率达到1.04×1011Jones,响应时间低至3.7×10-5s。此外,由于石墨烯的宽光谱响应特性及异质结的层间耦合效应,器件在400～1800 nm的超宽光谱范围内具有良好的光响应。然而,石墨烯和二硫化钼固有的较高电导率以及异质结区势垒高度的有限性,使得器件的开关电流比仅达到2.5,限制了石墨烯/二硫化钼异质结光电探测器的实用价值。针对这一问题,本文对原有的器件结构进行优化,通过引入二硫化钨层增加器件中的肖特基结,制备了二硫化钼/石墨烯/二硫化钨异质结光电探测器,有效降低了器件在暗态下的电流,获得了2.8×10~3的开关电流比,并进一步提升了器件对弱光信号的探测能力,极大地拓宽了器件在光电探测领域中的应用前景。二维材料优异的电学特性和纳米级别的特征尺寸,进一步促进了其在人工神经网络中的应用。在人工神经网络中,引入激活函数运算能够增加神经网络的非线性因素,使神经网络对非线性函数的学习效果更好,但同时带来了更大的运算周期。采用软件实现激活函数的方式,将导致神经网络的时序消耗较大,影响了神经网络的学习效率;通过硬件层次对激活函数进行实现则可以简化计算过程,降低神经网络的时延。基于石墨烯/二硫化钼所展示的良好电学特性,本文提取了其受栅极电压调制下的电学输出特性,并与人工神经网络中的带泄露线性整流（LRe LU）激活函数拟合,设计了一种通过二维异质结器件实现激活函数的人工神经网络。在该神经网络中,本文选取MNIST图像数据库,并利用反向传播算法,对神经网络进行了30个迭代循环的训练。训练完成后,采用随机的手写数字图像对该神经网络进行测试,结果实现了准确率为96%的高精度识别。