二维材料异质结在类脑计算中的应用研究

随着人工智能、物联网的发展，大数据时代来临，目前的计算机技术面临着严峻的挑战。传统的冯·诺依曼架构，信息存储与信息处理是分离的，运行期间由于搬运数据造成了巨大的能耗浪费及时间延迟。人类大脑具有自学习能力、高容错能力及低功耗，能够处理复杂场景，是集存储与计算一体的高效系统。因此基于神经形态器件开发类脑计算机，受到了工业界和科学界的广泛关注。目前的神经形态器件主要研究模拟同源性神经突触的短（长）时程增强或抑制，时序依赖、频率依赖等突触可塑性。然而，异源性突触可塑性对生物体的长时记忆，联想学习等生物功能的实现起着非常重要的作用。因此，在人工突触器件中实现这一重要现象对于开发生物可编程神经形态系统至关重要。

图1基于二维材料范德华异质结构的双栅极多端器件实现了异源性突触可塑性的模拟

二维（2D）材料和范德华异质结构因其诱人的电子、机械和光电特性而备受关注，这为拓展其功能范围提供了可能。将二维材料及其异质结引入到存储器件中，有望显著提高其存储性能，如柔性、稳定性、高速性、低能耗等。最近，新材料研究院王守国教授团队的青年教师何聪丽与中国科学院物理研究所张广宇研究员合作，制备了基于二维材料范德华异质结构的双栅极多端器件，并成功实现了异源性突触可塑性的模拟（如图1所示）。采用MNIST数据集仿真模拟基于该器件构建的人工神经网络的识别率，实现了高于96%的识别率。此外，该器件还展示了超快的转变速度（50ns）及超低的单次编程能耗（∼7.3fJ），展示了其在未来的神经形态计算中巨大的应用潜力。

本工作展示了基于范德华异质结构的多端器件的异源性突触可塑性模拟，并从实验和模拟计算上揭示了其阻变的物理机制，为开发低能耗、高效的类脑计算机提供了研究基础。以上研究成果发表于ACS Appl. Mater. Interfaces 12（2020）11945。