The synthetic antiferromagnet (SAF) offers a versatile platform to couple with various quasiparticles that is an indispensable element for the realization of hybrid quantum computing systems. In this work, we found that the magnon-magnon coupling strength in layered SAFs, consisting of repeated layers of $[{\mathrm{Ni}}_{80}{\mathrm{Fe}}_{20}/\mathrm{Ru}{]}_{n}$, is highly dependent on the finite layer number n. In particular, the self-hybridizations of individual acoustic or optical modes in the even-layers lead to the opening of local anticrossing gaps within the same type of mode in the resonance spectra. With the structural asymmetry of the odd-layers, a global gap between different modes can be generated whose size is found to decrease with increasing layer number. By combining the static linear chain model with the dynamically coupled Landau-Lifshitz equations, we further formulated a theoretical approach to qualitatively describe such highly layer-dependent behaviors of magnon-magnon coupling in SAFs. It is clear that the layer number is a significant factor that influences both the number of excited modes and the associated mode hybridizations. Our findings shed light on the magnon-magnon coupling in layered antiferromagnets that may invigorate the development of magnonics.

The development of neuromorphic systems necessitates the use of memcapacitors that can adapt to optoelectronic modulation. Two-dimensional (2D) materials with atomically thin features and their derived heterostructures are able to allow for controlling local transfer of charge carrier but reports on 2D materials-enabled capacitive-type photoelectric synapses have not been experimentally exploited yet. Herein, MXene-TiO2 heterostructured iontronic neural devices based on ion-dynamic capacitance enabling optoelectronic modulation are designed. According to the electrochemical insight, under UV light illustration, photoexcited electrons in TiO2 flow to MXene, leading to the localized accumulation of electrons as the trapping center and thus inducing the embedding of H+ for participating in the pseudo-intercalation. On removing the UV light, a part of trapped H+ are not instantly returned to the initial state. As a result, this memcapacitor features hysteresis ion-dynamic capacitance under optoelectronic modulation. Through assessing its applicability to neuromorphic computing, this memcapacitor achieves the high recognition accuracy (93.5%) of handwritten digits by recognizing and sharpening the input signal trajectory.