人工智能和柔性电子等新兴技术的到来对传统计算机的功能和性能提出了更高的要求,由人脑神经系统启发的神经形态计算系统因具有高并行、低功耗、高容错性、自学习性等优点成为了推动计算机发展的最有潜力途径之一。广泛的研究表明电解质栅控晶体管实现神经形态计算的可行性,在神经形态工程领域具有非常广阔的应用前景。生物神经系统利用复杂的多端物理结构对多路信号进行整合与计算,实现高效的信息处理,然而,现有的单栅极电解质晶体管仅能处理单通路信号,无法满足应用需求。针对以上问题,本论文设计了一种柔性双栅极电解质栅控晶体管,通过研究双栅极电信号输入下器件的电响应特性,探究了其解析多路信号时空关联特征的能力,并探索了该器件在人工智能场景中的应用潜力,具体开展内容如下:（1）柔性双栅极电解质栅控晶体管的制备与性能测试。器件以离子凝胶作为栅介质层,P3HT有机半导体作为沟道层,具有两个和源漏沟道等距分布的面内栅极。离子凝胶中的[TFSA]-离子在栅极电压的驱动下在界面处形成双电层效应实现对沟道的静电调控和电化学掺杂调控。此外,器件在PET柔性衬底表现处不同程度的弯曲时都能稳定工作,表明该器件与柔性可穿戴设备具有良好的兼容性。（2）柔性双栅极电解质栅控晶体管的时空信息处理功能研究。施加在单栅极上的电脉冲或非同步施加在双栅极上的电脉冲表现为短时程记忆特性,然而,该器件可以以超线性的方式对同时施加在双栅极上的电脉冲进行积分,从而实现长时程记忆效应仿真。此外,基于双栅极器件的人工神经网络可以将MNIST手写数字的分类准确率从89.3%提高到99.0%。证明器件有效地滤除时空整合过程中电脉冲的随机噪声信号,有利于形成准确稳定的记忆。（3）基于柔性双栅极电解质栅控晶体管的储层计算系统在步态监测中的应用研究。首先,利用晶体管双栅极结构和离子动力特性对多传感器输入信号之间的关联耦合进行整合,然后构建了基于晶体管的储层计算系统对四种步态的时序特征进行识别,识别率可达93%。以上结果表明基于该器件的储层计算系统在实现柔性可穿戴监护系统的实时分析,低功耗,高效率等方面具有巨大的潜力。