基于低维材料的神经形态器件研究进展 增强出版

基于低维材料的神经形态器件研究进展 Research progress of neuromorphic devices based on low-dimensional materials 1 first-author 刘依婷（1997－），女，中国计量大学硕士研究生在读，致力于碳基神经形态器件的研究。E-mail： ytliu0520@163.com http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=42038389&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=42038391&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=42038390&type= 20.68269539 28.84721375 刘依婷 （1997－），女，中国计量大学硕士研究生在读，致力于碳基神经形态器件的研究。E-mail： ytliu0520@163.com ytliu0520@163.com 1 万军（1982－），男，中国计量大学计量测试工程学院副研究员，2010年于中国科学院微电子所获微电子学与固体电子学博士学位，主要从事先进原子层沉积装备及微纳加工技术研究。E-mail： 18a0204113@cjlu.edu.cn http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=42038392&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=42038394&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=42038393&type= 21.03712654 26.35261536 万军 （1982－），男，中国计量大学计量测试工程学院副研究员，2010年于中国科学院微电子所获微电子学与固体电子学博士学位，主要从事先进原子层沉积装备及微纳加工技术研究。E-mail： 18a0204113@cjlu.edu.cn 18a0204113@cjlu.edu.cn 2 corresp E-mail： chenguangqiu@pku.edu.cn ，jwzhao2011@sinano.ac.cn E-mail： chenguangqiu@pku.edu.cn ，jwzhao2011@sinano.ac.cn 邱晨光（1989－），男，北京大学电子学系研究员，2016年于北京大学获物理电子学博士学位，主要从事碳基电子学、拟态神经电子器件与系统集成、陡峭亚阈值摆幅超低功耗器件方面的研究。E-mail： chenguangqiu@pku.edu.cn http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=42038395&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=42038397&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=42038396&type= 20.01700974 27.31059265 邱晨光 （1989－），男，北京大学电子学系研究员，2016年于北京大学获物理电子学博士学位，主要从事碳基电子学、拟态神经电子器件与系统集成、陡峭亚阈值摆幅超低功耗器件方面的研究。E-mail： chenguangqiu@pku.edu.cn chenguangqiu@pku.edu.cn 3 corresp E-mail： chenguangqiu@pku.edu.cn ，jwzhao2011@sinano.ac.cn E-mail： chenguangqiu@pku.edu.cn ，jwzhao2011@sinano.ac.cn 赵建文（1976－），男，中国科学院苏州纳米技术与纳米仿生研究所研究员，博士生导师。2008年于中国科学院理化技术研究所获物理化学博士学位，主要从事碳基纳米功能薄膜可控制备和应用研究。E-mail： jwzhao2011@sinano.ac.cn http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=42038413&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=42038379&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=42038378&type= 20.01699829 25.91125488 赵建文 （1976－），男，中国科学院苏州纳米技术与纳米仿生研究所研究员，博士生导师。2008年于中国科学院理化技术研究所获物理化学博士学位，主要从事碳基纳米功能薄膜可控制备和应用研究。E-mail： jwzhao2011@sinano.ac.cn jwzhao2011@sinano.ac.cn 4 中国计量大学 计量测试工程学院，浙江 杭州 310020 中国计量大学 计量测试工程学院，浙江 杭州 310020 Institute of Metrology and Testing Engineering， China Jiliang University， Hangzhou 310020， China Institute of Metrology and Testing Engineering， China Jiliang University， Hangzhou 310020， China 北京大学 电子学院， 北京　100871 北京大学 电子学院， 北京　100871 School of Electronics， Peking University， Beijing 100871， China School of Electronics， Peking University， Beijing 100871， China 中国科学院 苏州纳米技术与纳米仿生研究所器件部， 江苏 苏州　215125 中国科学院 苏州纳米技术与纳米仿生研究所器件部， 江苏 苏州　215125 Device Department of Suzhou Institute of Nanotechnology and Nanobionics， Chinese Academy of Sciences， Suzhou 215125， China Device Department of Suzhou Institute of Nanotechnology and Nanobionics， Chinese Academy of Sciences， Suzhou 215125， China 太原理工大学 新材料界面科学与工程教育部重点实验室， 山西 太原　030024 太原理工大学 新材料界面科学与工程教育部重点实验室， 山西 太原　030024 Key Laboratory of New Material Interface Science and Engineering of the Ministry of Education， Taiyuan University of Technology， Taiyuan 030024， China Key Laboratory of New Material Interface Science and Engineering of the Ministry of Education， Taiyuan University of Technology， Taiyuan 030024， China 大数据和物联网时代的到来使得传统冯·诺依曼架构的计算机在数据处理过程中面临极大的挑战，存算分离的架构从根本上限制着计算机的计算速度和能效，迫切地需要开发一种新的计算范式来应对当前面临的问题和挑战。近年来，神经形态计算以高度的并行处理、极低功耗和存算一体的特征受到广泛关注。其中，具有独特物理机制的新型神经形态器件是构建神经形态芯片的基本底层单元。在构建神经形态器件的众多候选电子材料中，低维材料相比传统三维材料具有优异的物理特性和电学特性，并且弱的层间范德华力使其易于堆叠，有利于异质整合集成。本文详述了基于低维材料的人工突触器件和人工神经元器件的研究进展，总结了不同类型神经形态器件的工作机制、性能指标和技术优势。在此基础上，介绍了低维材料的神经形态器件在视觉、听觉、运动控制和规模集成芯片等领域的应用，并对神经形态器件未来发展趋势进行展望。 The arrival of the era of big data and the Internet of Things makes the traditional Von Neumann architecture computer face great challenges in the process of data processing. The architecture of storage and computing separation fundamentally limits the computing speed and energy efficiency of the computer. It is urgent to develop a new computing paradigm to overcome the current challenges. Neuromorphic computing has attracted wide attention because of its high parallelism， low power consumption， and integrated storage， and the novel neuromorphic devices with unique physical mechanisms are the basic units of neuromorphic computing systems. Among many candidate materials， low-dimensional materials have unique physical and electrical properties. Weak interlayer Van der Waals forces enable them to be arbitrarily stacked， which is conducive to heterogeneous integration. In this paper， the research progress of artificial synaptic devices and artificial neural devices based on low-dimensional materials is reviewed. The working mechanisms， performance indicators， and technical advantages of different types of neuromorphic devices are summarized. On this basis， the applications of neuromorphic devices based on low-dimensional materials in the fields of vision， hearing， motion control， and large-scale integration are introduced. Finally， the future development of artificial neuromorphic devices is analyzed and prospected. 低维材料 人工突触器件 人工神经元器件 神经形态芯片 low dimensional materials artificial synaptic devices artificial neural devices neuromorphic chips 1　引　　言 1 随着信息技术的飞速发展，大容量大带宽的信息传输、处理和存储技术成为必然趋势，对计算机的硬件和处理系统提出更高的要求。传统的冯·诺依曼计算系统，处理器和存储器在物理上分离。在处理大量数据时，处理器和存储器之间频繁的数据搬运会导致巨大功耗并限制计算速度，严重影响了计算机的处理效能。同时，传统CMOS器件尺寸正在逼近物理极限，摩尔定律难以延续，同样也限制了计算机性能的进一步提升 [ 1 1 ] 。对低功耗、高效率的数据处理技术的迫切需求，促使研究人员不断设计基于新材料和新原理的新型器件和新计算架构。 受人脑中神经元和突触信息处理模式的启发，类脑计算与存算一体架构的研究受到学术界的广泛关注。在过去几十年里，早期有采用硅基互补金属氧化物半导体（complementary metal-oxide semiconductor, CMOS）模拟电路来模拟生物突触的功能。但是，由于需要十多个晶体管来模拟一个生物突触或神经元的功能，硅基器件在神经网络的大规模集成中面临重大挑战。例如，IBM的Loihi芯片有20.7亿个晶体管，可以模拟大约13.1万个模拟神经元和1.3亿个突触 [ 2 2 ] ，TrueNorth芯片利用54亿个晶体管模拟了100万个神经元和2.56亿个突触 [ 3 3 ] ，这类芯片对CMOS晶体管集成度要求甚大，且能耗远高于人脑，这意味着利用硅基晶体管难以实现简单高效的低功耗神经网络电路及系统。因此，开发具有神经元和突触功能的纳米级电子器件对于构建人脑规模的神经形态电路及系统至关重要。其中，人工神经形态器件作为新开发的一类器件，其借鉴生物神经突触和神经元功能，具有存算一体和并行计算的潜力优势，有望解决传统冯·诺依曼架构中“存储墙”和“功耗墙”的瓶颈，简化电路复杂度，被广泛设计用于构建人工神经网络。而人工神经形态器件在尺寸微缩的过程中，常规材料的热效应、界面效应等会导致器件性能下降甚至失效。为了解决这些问题，需要寻求新材料来代替传统材料。低维材料为近年来广泛关注的新型纳米材料，其具有原子级厚度和超高载流子迁移率，以及电导易被信号灵敏调制等特点，使其在构建人工神经形态器件方面有特殊优势。此外，低维材料种类丰富，包括二维材料（过渡金属硫化物、石墨烯、黑磷等）、一维材料（纳米线、碳纳米管等）和零维材料（量子点等），并且其带隙变化范围大，涵盖了金属、窄带隙半导体、宽带隙半导体，以及绝缘体。随着越来越多的低维功能材料不断被发现，如光电、阻变、相变、磁性和铁电低维材料等，为神经形态器件的设计和优化提供了更多的自由选择和更强大的功能结构。 本文首先介绍了生物神经网络的结构与典型信号特征，介绍了生物神经网络最基本组成单元——神经元和突触，对神经元之间信息传递方式和突触可塑性等进行概述，以及介绍了人工神经网络的架构、硬件实现方式和目前被广泛研究的底层器件结构种类，并对人工神经形态器件应具备的关键性能指标提出要求；接下来重点介绍了不同种类低维神经形态器件的结构和功能，包括忆阻器、铁电突触器件、浮栅突触器件、离子栅突触器件和人工神经元器件（ 图1 图1 ），分别对各类人工神经形态器件的物理机制、结构特征和性能优势进行总结；在此基础上，对目前人工神经形态器件的主要应用进行概述, 包括在视觉感知、声音定位、运动控制和大规模集成等领域。最后，总结了目前的低维材料人工神经形态器件在材料选择、大规模制备、结构和性能优化等方面仍存在的瓶颈和挑战，并对未来构建基于低维材料的人工神经形态系统进行了展望。 2　生物神经网络的结构与典型信号特征 1 生物神经系统主要由两部分组成：（1）中枢神经系统，包括大脑和脊髓；（2）外周神经系统，包括位于脑和脊髓之外的所有神经纤维和神经细胞。其中，脊髓和外周神经系统（如视神经、听觉神经、味觉神经和触觉神经等）负责人脑与身体各处肌肉和腺体的信息感知和信息传递，而更高级的神经处理功能（如感知、学习、记忆、运动以及认知等）则是在大脑内完成的。 人脑是目前已知的最为复杂的神经结构，大脑皮层负责人体的运动、感知、逻辑运算、判断、记忆等高级功能，如 图2 图2 (a)所示，其展开面积可达1394平方厘米，每平方毫米的皮层中约有10 5 个神经元，整个大脑皮层中神经元的数量约为10 10 ~10 11 个。突触是两个神经元之间连接的桥梁，每个神经元可以通过1000多个突触与其他神经元相连接。大脑是由不同类型的神经元和突触交互构成的大规模神经网络，其以并行的方式实时处理人脑接收到的各种信息。 神经元和突触是构成生物神经网络系统的两个基本组成单元。如 图2 图2 (b,c)所示，神经元主要由胞体、树突和轴突构成。树突接收从周围其他神经元传递来的信号，这些信号通过控制电压/配体门控离子通道的开启/关闭，汇集到胞体，引起膜电位升高/降低。当膜电位低于阈值电位时，没有动作电位被触发；反之，如果膜电位高于阈值电位，则会产生电尖峰信号形式的动作电位（ 图2 图2 (d)），动作电位沿神经元轴突无衰减地传递到轴突末端，由与之相连的突触进行信号处理后传递到下一级神经元。 图2 图2 (c)展示了生物体内最常见的化学突触的基本结构，突触由突触前膜、突触间隙和突触后膜组成。当突触前神经元的动作电位传递到突触前膜，会引起突触前膜钙离子通道开启，大量钙离子进入突触前膜，当钙离子浓度达到一定程度时，引起神经递质释放 [ 12 12 ] 。神经递质穿过突触间隙作用于突触后膜，导致突触后膜内外离子流动，正/负离子流的积累使得突触后膜产生兴奋性突触后电流（Excitatory postsynaptic current, EPSC）或抑制性突触后电流（Inhibitory postsynaptic current, IPSC），同时，突触后膜的膜电位升高或降低，称为兴奋性突触后电位 （Excitatory postsynaptic potential, EPSP）或抑制性突触后电位（Inhibitory postsynaptic potential, IPSP）。突触前神经元和突触后神经元之间的连接强度被定义为突触权重，突触前后膜神经信号的刺激会改变突触之间的连接强度，称为突触可塑性。突触可塑性是神经系统记忆和学习的生物学基础。根据突触可塑性变化的时间尺度，突触可塑性可分为两大类：短期突触可塑性（Short-term synaptic plasticity, STSP）和长期突触塑性（Long-term synaptic plasticity, LTSP） [ 13 13 ] 。STSP又可以分为短期增强（Short-term-potentiation, STP）和短期抑制（Short-term-depression, STD），LTSP可以分为长期增强（Long-term potentiation, LTP）和长期抑制（Long-term depression, LTD）。 图2 图2 (e)展示了几种典型的突触可塑性。其中，STSP发生在毫秒到分钟之间，是神经网络计算功能的生理基础。典型的STSP包括双脉冲易化（Paired pulse facilitation, PPF）和双脉冲抑制(Paired pulse degradation, PPD)。PPF (PPD)是指当第二个脉冲紧跟第一个脉冲时，第二个脉冲引起的PSC比第一个脉冲大(小)。LTSP表示持续几个小时或更长时间的可塑性变化，是人脑形成长期记忆的基础。常见的LTSP包括脉冲时间依赖可塑性（Pulse time dependent plasticity, STDP），脉冲频率依赖可塑性（Pulse frequency dependent plasticity, SRDP）和脉冲幅值依赖可塑性（Pulse amplitude dependent plasticity, SADP）。其中，STDP是对 Hebbian理论的进一步完善，指出突触权重可以通过突触前脉冲和突触后脉冲作用于突触的相对时间间隔Δt来调节。如果突触前脉冲在突触后脉冲(Δt > 0)之前到达，则会导致突触连接加强(突触权重增加，Δw > 0)，并且这种效果随着时间间隔的缩短而增强。相反，如果突触前脉冲在突触后脉冲(Δt < 0)之后到达，则会削弱突触连接(突触权重降低，Δw < 0) [ 14 14 ] 。STDP是生物神经网络的基本学习规则之一。 3　人工神经网络与底层器件 1 人工神经网络（Artificial Neural Network，ANN）是基于生物学中神经网络的基本原理，以感知机网络为理论基础，模拟人脑神经系统对复杂信息进行训练和推理的一种数学模型。随着神经网络的蓬勃发展，人工神经网络已经衍生出多种具有不同拓扑结构的网络模型，例如，用于分类的支持向量机 [ 15 15 ] 、用于图像识别的卷积神经网络 [ 16 16 - 17 17 16-17 ] （Convolution neural networks，CNN）和用于语音识别的递归神经网络 [ 18 18 ] （Recurrent neural networks，RNN）。此外，有一类比较特殊的脉冲神经网络（Spiking neural networks，SNN），其信息被编码为空间和时间稀疏的脉冲序列，这类神经网络更接近于生物神经信号处理方式，被认为有潜力以更高能效的方式处理信息。 人工神经网络以其极高的自适应、自学习能力，可以较好地拟合各种非线性函数，在科学研究中广为应用 [ 19 19 ] 。 图3 图3 (a)展示了典型多层全连接神经网络的拓扑结构，神经网络由输入层、隐藏层和输出层组成。对于ANN，神经元间传递的是时域连续的信号，上层每个神经元的输出值经过线性加权求和和非线性激活后传递至下一层神经元。在训练过程中，采用反向传播（Back Propagation, BP）监督学习算法来训练权值：通过梯度下降法求误差，如 图3 图3 (b)所示；误差全局反向链式传播训练每层的权值，权值越高的路径传递的误差比重越高，所以该路径权值修改的越多，反之则少。矢量矩阵乘法（Vector matrix multiplication，VMM）是这类神经网络用到的基本数学运算之一，仅涉及简单的加法和乘法。与ANN不同，另一种SNN神经元间传递的是时域离散的脉冲信号，使用“整合放电” （Integrate-and-Fire）型尖峰脉冲交换信息。对于SNN的训练通常有2种方案：一种是BP监督学习，由于低层次的ANN和SNN可以互换权值拓扑网络，所以借鉴ANN的BP监督学习规则，利用误差全局反向链式传播来训练权值；另一种是STDP 无监督学习，基于生物突触的STDP学习规则，用事件驱动的前后脉冲信号的因果律和时间相关性进行原位学习。基于STDP学习规则的SNN可以在信号传递的过程中进行原位的权值更新，而无需在信号进行全局正向传递后再反向更新权重，因此，能极大地提高神经网络的效率并降低数据传输带来的能耗。 随着人工智能的不断发展，大量新型电子器件被设计用于模拟神经元和突触（ 图3 图3 (c)）。包括两端器件如阻变存储器（Resistive Random Access Memory，RRAM）、铁电二极管、两端浮栅存储器等，器件的两个电极分别充当前神经元和后神经元，电信号从一个电极传输到另一个电极。然而，相比于三端器件，两端器件很难同时执行推理和训练的功能，大大阻碍了他们在先进类脑神经形态工程中的进一步应用。对于三端器件如铁电栅突触晶体管、浮栅突触晶体管、离子栅突触晶体管等新型器件，栅极成为对沟道电导调制的控制端，很好地克服了两端器件的缺点，为人工神经形态系统的实现提供了更多的可能性。随着新型非易失存储器的出现，模拟态人工神经网络的硬件实现逐渐成为可能。 图3 图3 (d)展示了采用人工突触器件构成crossbar阵列来实现人工神经网络，存储和计算同时发生在crossbar阵列的交叉点上，即实现存算一体。输入信号由字线输入，传递到具有不同电导值的存储单元上，根据欧姆定律进行乘法运算，得到每个单元的输出电流值；然后，根据基尔霍夫电流定律对每一列（位线）的电流进行累加求和，得到最终的输出电流。为了实现具有高识别精度的人工神经网络，Crossbar阵列中的存储单元应满足以下要求 [ 20 20 ] ，如 图3 图3 (e,f)： （1）权重更新需要较高的线性度和对称性：要求器件电导变化随所施加的脉冲呈明显的线性关系，且电导增强和电导抑制具有良好的对称性； （2）足够的可分立电导状态数：可用于高精度模拟生物突触中突触权重的连续调制，对于理想的人工神经形态器件，要求可分立电导状态数>100； （3）较大的器件开关比：有助于实现对器件电导状态的明确区分，提高器件的鲁棒性，对于理想的人工神经形态器件，要求开关比>100； （4）良好的保持性：理想情况下，在人工神经网络的推理过程中，要求器件电导值保持不变，以保证推理识别精度，对于理想的人工神经形态器件，要求保持时间>10年； （5）良好的耐久性：在人工神经网络的训练过程中，需要多次迭代以更新突触权重，要求器件能够经受住大量的“写入-擦除”循环，对于理想的人工神经形态器件，要求耐循环次数 > 10 9 ； （6）良好的器件均匀性：器件性能的一致性对于实现大规模人工神经网络的高精度推理和快速训练至关重要； （7）低功耗：生物神经网络中，每个突触事件仅消耗1~10 fJ能量，理想情况下，人工神经形态器件的每脉冲能耗也应<10 fJ， 其是构成超大规模人工神经网络硬件的必须要求。 4　基于低维材料的人工突触器件 1 4.1　低维材料的忆阻器人工突触器件 2 忆阻器是具有存储功能的两端电阻开关，通过施加电流或电压信号来改变内部电阻状态 [ 22 22 ] ，并且断电后阻值保持不变。早在1971年，L.O.Chua首次从理论上阐述了忆阻器的概念 [ 23 23 ] 。在经历了近40年的时间后，惠普（Hewlett-Packard, HP）实验室于2008年实验上实现了第一个具有金属-绝缘体-金属（Metal-Insulator-Metal, MIM）结构的忆阻器 [ 24 24 ] ，首次提出导电桥电阻开关机制。忆阻器大致可分为三类：电化学金属化忆阻器（Electrochemical metallized memristor , ECM）、价态变化忆阻器（Valence change memristor , VCM）和基于电子俘获/脱俘获的忆阻器。在这三类忆阻器中，ECM和VCM的阻变机制源于电极两端导电细丝的形成/断裂，ECM基于活性金属的扩散，既能表现出易失性阈值转变的特性，也能表现出非易失特性，分别适用于神经元和突触功能的模拟；VCM基于阴离子或缺陷相关的空位在电场下的迁移，更有利于实现非易失的模拟特性，适用于突触功能的模拟。然而，ECM和VCM在使用前需要首先在强激励下进行一次激活（Forming）过程，将缺陷引入介电层以进行后续的可逆开关，这一过程使得器件引入一定的随机性，导致器件的均一性降低。与ECM和VCM不同，基于电子俘获/脱俘获的忆阻器的阻变机制与导电细丝无关，而是由空间电荷限制传导机制（Space charge limited conduction, SCLC）决定。基于这一机制的忆阻器无需执行Forming过程，器件表现出高低阻态之间的平稳过渡，减少了器件固有的随机性，其非易失特性有利于实现对生物突触功能的模拟。 近年来，人们对忆阻器及其交叉阵列进行了广泛的研究 [ 25 25 ] 。传统的忆阻器使用的典型氧化物材料主要有HfO x , TaO x 和TiO x 等。虽然基于传统氧化物材料的忆阻器在许多领域中具有应用前景，但其在功耗、可靠性和均一性等方面仍存在一些问题，需要设计基于新材料、新结构和新原理的新型忆阻器来解决这些挑战。新型2D材料表现出大量独特的理化性质，通过在忆阻器结构中引入2D材料，能进一步优化忆阻器性能以及尺寸微缩特性，并且2D材料层间范德华力有助于在减薄薄膜的情况下保持材料本身的优异物理性能。 以电化学金属化为导电机理的忆阻器主要由活性电极（Ag, Cu, Al, Cr, Co等）/介电层/惰性电极（W, Pt, Au, Ru等）组成。在阻变过程中，活性金属电极侧发生氧化反应，形成金属阳离子；在外加电场作用下，金属阳离子向惰性电极迁移；当金属阳离子到达惰性电极侧，其发生还原反应从而转变成金属；最终，器件两端形成导电细丝 [ 26 26 ] 。忆阻器由高阻态（High resistance state, HRS）突然变到低阻态（Low resistance state, LRS）的过程称为置位过程（SET），这一过程伴随着器件内部导电细丝的形成。反之，器件由LRS突然变到HRS的过程称为复位过程（ReSET），伴随着器件内部导电细丝的断裂。Gao等人 [ 27 27 ] 基于2D-TiO x 纳米片，制造了Ag/2D-TiO x /Pt结构的高性能忆阻器。器件在直流模式下表现出稳定的双极电阻切换（Resistance switching, RS）行为和多级存储模式。通过施加正负交替的电脉冲，器件电导被逐级调制，从而实现了对突触行为（包括STP/LTP、PPF、STDP、SRDP）的良好模拟。此外，该器件具有低开关电压（0.42 V/ -0.2 V），高R OFF /R ON 电阻比（10 5 ）和低开关功率（10 -9 W /10 -5 W），表明其在未来高速低功耗应用中的潜力。光电器件的研究与应用一直以来也备受学术界的关注 [ 28 28 - 30 30 28-30 ] ，Lei等人 [ 31 31 ] 利用BiOI独特的电学性能和杰出的光学性能，制备了Ag/BiOI/Pt垂直结构的光电忆阻器。基于Ag + 的迁移，电极间导电细丝的形成和断裂导致器件发生高低阻态的转变。该忆阻器在超低SET电压（约0.05 V）下切换到低阻态，在约-0.05 V的ReSET电压下可以切换到高阻态，这一电压比大多数基于2D材料的忆阻器低一个数量级，表明器件具有超低功耗优势。此外，该忆阻器不仅表现出电压驱动下的PPF、LTP、LTD行为，还表现出光脉冲调制下的短期和长期突触可塑性，为将来构建具有信息感知和处理功能的类视网膜视觉传感器提供了新的材料和策略。虽然近年来利用2D材料制备的忆阻器被广泛研究，但基于超薄2D材料的crossbar阵列的实现一直受到大规模材料合成和器件集成工艺相关挑战的阻碍。Li等人 [ 32 32 ] 用分子束外延生长的晶圆级（2-inch）二硒化铪（HfSe 2 ）和金属辅助范德华转移技术展示了忆阻器crossbar交叉阵列（ 图4 图4 (a)）。通过拉曼映射表征了薄膜的均匀性，无化学金属辅助范德华（vdW）转移方法使器件具有更好的稳定性。该忆阻器具有较小的开关电压（0.6 V），低开关能耗(0.82 pJ)，同时实现了模拟突触权重可塑性（包括LTP、LTD、SADP）。通过电导原子力显微镜（C-AFM）证实了LRS中导电丝的形成是基于Ti离子在开关介质中的扩散（ 图4 图4 (b)）。 图4 图4 (c,d)表明器件具有良好的阻变电学特性。此外，基于该器件的模拟人工神经网络的识别准确率达到93.34%。利用该器件构建的3×3 crossbar阵列作为可编程卷积核进行硬件卷积图像处理，展示了基于2D材料的忆阻器在下一代神经网络硬件中的应用潜力。利用量子材料的高迁移率、卓越的灵敏度和强大的量子效应，最近，研究人员设计了基于0D量子点的人工突触器件来模拟生物突触。Yan等人 [ 33 33 ] 提出了一种结构为Ag/Zr 0.5 Hf 0.5 O 2 :氧化石墨烯量子点/Ag的忆阻器器件，器件在（0.6 V, 30 ns）的小脉冲电压下即可实现电导调制，实现了对生物突触的PPF、STDP行为的模拟，这一器件为未来在低功耗和超快开关速度神经计算系统中的应用提供了一个很有前途的选择。Chen等人 [ 34 34 ] 开发了一种基于溶液处理的MgO-氧化石墨烯量子点（MgO-GOQDs）的忆阻器，GOQDs在电场下氧化还原使得忆阻器中形成Mg金属导电细丝，器件表现出超低的工作电压和高度可控的RS行为，包括PPF、STP、LTP、STDP在内的基本生物突触功能被成功模拟。此外，在聚对苯二甲酸乙二醇酯衬底上制造的器件在大量弯曲循环后也表现出稳定的RS行为。这一工作证明了溶液处理的MgO-GOQDs杂化膜在实现柔性人工神经网络方面的巨大潜力。 传统的价态变化忆阻器主要由非活性金属电极/金属氧化物/惰性电极组成。器件中对阻变起主导作用的是金属氧化物中的氧离子或等效氧空位，氧离子或氧空位的移动导致金属元素发生价态变化，从而改变金属氧化物材料的电阻。同时，氧空位的排布会形成非金属导电细丝，使器件表现出电阻开关行为。对于低维材料的价态变化忆阻器，导电细丝的产生是由阴离子或缺陷相关空位（硫族元素、氧）的氧化还原反应以及阴离子或空位在材料中的迁移引起的 [ 35 35 ] 。基于该机制，具有不同结构和不同应用场景的忆阻器被陆续提出。Miao等人 [ 35 35 ] 设计了由石墨烯/MoS 2-x O x /石墨烯组成的范德华异质结构的忆阻器，如 图4 图4 (e-g)所示。与传统忆阻器相比，器件展现出良好的热稳定性，工作温度高达340 ℃（ 图4 图4 (h)）。通过原位扫描透射电子显微镜（In-situ scanning transmission electron microscope, STEM）进行微观表征，证明出热稳定性是受益于MoS 2-x O x 开关层、石墨烯电极以及电极和开关层之间的原子级范德华界面。进一步通过STEM揭示了该忆阻器是基于氧离子迁移的开关机制。最后，在聚酰亚胺（PI）衬底上制备了柔性忆阻器件，其有超过1000次的机械弯折耐久性，证明了器件在柔性电子应用领域的潜力。Zhang等人 [ 36 36 ] 制造了Pt/Ti 3 C 2 /Pt垂直结构的忆阻器，在部分氧化的Ti 3 C 2 纳米片中，氧空位在外加电场下的迁移和累积对导电细丝的形成起着重要作用。根据电压大小的不同，器件可表现出数字和模拟的RS行为。在高工作电压下，数字RS可实现两种电阻状态下超过10 3 的大开关比。在相对较低的工作电压下，可以观察到一系列电阻状态逐渐变化的模拟RS行为。基于该行为，器件实现了对基本突触功能的模拟（包括LTP/LTD、PPF/PPD）。2D Ti 3 C 2 纳米片中数字和模拟RS行为的共存，简化了复杂神经系统的制备，表明了其在非易失性存储器和神经形态计算中的潜在应用。Wang等人 [ 37 37 ] 将石墨烯量子点（Graphene quantum dots , GQDs）引入到忆阻器中，由于GQDs能释放出丰富的氧阴离子，GQDs可以作为纳米氧库，增强导电细丝形成的局域化，最终实现了具有高度紧密分布的可重复的模拟电阻状态，器件变化率减少了近85%。这项工作表明，GQDs忆阻器可以作为突触权重变化可控的人工突触，为神经网络提供准确高效的学习能力，减少训练周期，降低编程错误率。 利用电子俘获/脱俘获效应，Adithi等人 [ 38 38 ] 使用化学气相沉积的2D MoS 2 作为开关介质，制备了基于Ti/Au电极的忆阻器（ 图4 图4 (i,j)），器件展现出高度的均一性和可靠性。通过变温电学测试证实了空间电荷限制传导（SCLC）是主要的输运机制（ 图4 图4 (k)）。与基于导电丝的忆阻器不同，该器件没有表现出从高阻态（HRS）到低阻态（LRS）的突变，相反，表现出从HRS到LRS的平稳过渡（ 图4 图4 (l)）。当器件用于模拟生物突触行为时，器件表现出在26个不同电导状态下超过300 s的保持时间。此外，将该突触器件与MoS 2 神经元 [ 39 39 ] 集成起来，实现了与、或和非逻辑门，表明了用2D材料实现大规模拟态神经电路的可行性。 表1 表1 总结了最近几年基于低维材料忆阻器的人工突触器件的研究进展。基于低维材料忆阻器的人工突触器件具有开关速度快、工作电压低、器件结构简单、电导状态保持时间长、器件尺寸小等优点。然而，目前仍存在一些限制器件实际应用的问题。例如：（1）固有的随机性，由于离子或空位的随机扩散导致器件可靠性低，器件内部不可控的三维随机导电细丝的形成导致电阻切换行为中不同周期和不同器件间发生较大变化；（2）差的耐循环特性，源于电阻切换过程中的结构击穿；（3）电导变化的线性度和对称性差，导致神经网络识别精度较低，且训练收敛速度变慢；（4）大规模器件阵列的制备仍然面临着巨大的挑战。对于未来大规模人工神经形态系统的应用，基于忆阻器的人工突触器件的性能还有待改进。 3 器件结构 5 器件性能 2 神经形态计算 材料 结构 RS机制 开关比 保持性 （s） 耐久性 （cycle） 工作电压 （V） 功耗（LTP/LTD） 突触可塑性 参考文献 Cu/MoTe 2 /Si 垂直 ECM - > 5×10 3 >350 2/-2 0.86 μW/93 nW PPF、LTP、LTD、STDP ［ 40 40 ］ Ag/2D-TiO x /Pt 垂直 ECM 10 5 > 10 4 > 10 4 0.42/ -0.2 10 -9 /10 -5 W STP、LTP、STDP、SRDP ［ 27 27 ］ Ag/BiOI/Pt 垂直 ECM 10 5 10 4 50 0.05/-0.05 10 pW PPF、LTP、LTD ［ 31 31 ］ Au/HfSe 2 /Ti 垂直 ECM ~50 > 10 4 >500 0.6/-0.7 0.82 pJ LTP、LTD、SADP ［ 32 32 ］ Al/MgO–GOQD/ITO 垂直 ECM - 1.2×10 4 > 10 3 0.18/-0.184 - PPF、STP、LTP、STDP ［ 34 34 ］ Ti/PdSeO x / PdSe 2 /Au 异质结 ECM ~300 > 8×10 4 >700 0.7/-0.9 0.9 pJ LTP、LTD、STDP、SADP ［ 41 41 ］ Au/h-BN/Au 垂直 VCM 10 6 > 2×10 4 - 1.9/0.9 - - ［ 42 42 ］ Pt/Ti 3 C 2 /Pt 垂直 VCM 10 3 10 4 2×10 3 4/-4 - PPF、PPD、LTP、LTD ［ 36 36 ］ Gr/ MoS 2-x O x /Gr 垂直 VCM ~100 10 5 10 7 - - - ［ 43 43 ］ Au/SnSe/Gr/ SiO 2 /Si 垂直 VCM - - >200 1.5/-0.4 16.7/2.3 nW PPF、STP、LTP、LTD ［ 44 44 ］ 4.2　低维材料的铁电人工突触器件 2 铁电材料是一种具有自发电极化且极化方向可以被外部电场逆转的材料，在外加电场作用下，铁电极化方向会发生不同程度的翻转，使器件表现出不同的电导状态。目前关于2D铁电材料的研究仍处于起步阶段，典型代表为铁电半导体，如CuInP 2 S 6 （CIPS） 、SnS、SnSe、SnTe、α-In 2 Se 3 ；铁电半金属，如WTe 2 。在这些2D铁电材料中，CIPS的极化方向在切换后可以保持两个月 [ 45 45 ] ，这对于实现突触器件或非易失性存储器至关重要。α-In 2 Se 3 具有合适的带隙（~1.39 eV）和室温铁电性，能将铁电性维持到几个原子层并具有大面积生长的潜力。此外，2D铁电材料具有不同的极化方向，包括面内极化（In-plane，IP）和面外极化（Out-of-Plane，OOP）。其中，具有IP特性的铁电材料包括SnS、SnTe等，具有OOP特性的铁电材料包括CIPS、WTe 2 等，而α-In 2 Se 3 同时具有IP和OOP特性。 采用2D铁电材料可构成新型突触器件。通过控制铁电极化翻转，可以逐步调制铁电突触器件的沟道电导。近年来，基于2D铁电材料的各种两端和三端突触器件已有报道，两端器件主要包括铁电二极管（FDs）和铁电忆阻器；三端器件主要为铁电场效应晶体管（Fe-FETs）和铁电半导体场效应晶体管（FeS-FETs）。 铁电二极管由夹在两个电极之间的较厚的铁电半导体层组成，利用铁电层的极化反转调节肖特基势垒，进而实现电学调制。如果分别考虑IP铁电或OOP铁电，器件可以表现为水平或垂直结构。Ang等人 [ 46 46 ] 设计了一种垂直结构的Au/CIPS/Ti铁电二极管突触器件（ 图5 图5 (a-c)），铁电CIPS薄膜的极化电荷调节金属/CIPS界面的势垒高度，从而控制电阻切换（ 图5 图5 (b)）。利用该器件模拟了关键的突触特征，包括PPF/PPD、LTP/LTD、SADP、SRDP和STDP。此外，基于该器件制备了3×3交叉阵列，实现模式学习和记忆等功能。由于铁电二极管本身具有自整流特性，因此可以在没有选通管的情况下用于构建大规模交叉阵列。 两端铁电忆阻器具有小尺寸、高速、低功耗和结构简单的特点，适用于构建大规模交叉阵列。硒化锡（SnSe）是一种典型的二维铁电半导体材料，Yan等人 [ 7 7 ] 采用脉冲激光沉积（PLD）技术在NSTO（0.7%Nb掺杂的SrTiO 3 ）单晶衬底上外延生长了一层SnSe薄膜，构建了一种基于二维SnSe铁电薄膜的忆阻器。通过铁电SnSe层的逐渐极化实现了器件电导的连续调制，器件高低阻态之间的转换呈现出逐渐变化的过程，成功模拟了生物突触的EPSC、PPF、LTP/LTD、STDP等功能。此外，该器件能耗低至66 fJ，有望应用于小型化、高密度、低功耗的神经形态计算。Zhao等人 [ 47 47 ] 基于二维α-In 2 Se 3 纳米片，制备了Ag/α-In 2 Se 3 /ITO垂直结构的忆阻器（ 图5 图5 (d-f)），该器件是基于Ag导电丝的形成和断裂，表现出典型的双极性阻变行为、良好的耐循环特性（ > 10 6 ）、快的开关速度（16.4/18.0 ns）和连续可调的电导。基于该器件实现了多种生物突触功能，包括短期记忆（Short-term memory, STM）、长期记忆（Long-term memory, LTM）、PPF和STDP、强化学习行为等。 与两端结构的器件相比，具有三端结构的2D材料突触晶体管器件由于其维度低、可同时读写操作、效率高等优势，受到了研究者的广泛关注 [ 48 48 ] 。铁电栅场效应晶体管（Fe-FETs）和铁电半导体场效应晶体管（FeS-FETs）都是三端器件，铁电材料被用作栅极介质或直接充当半导体沟道。作为人工突触器件，晶体管栅极可充当突触前膜，源极/漏极充当突触后膜，沟道电导即为突触权重。比较直接的思路是：采用传统铁电绝缘体做为铁电栅介质和2D半导体材料作为沟道，制备出2D Fe-FETs。然而，非理想的三维铁电绝缘体/二维半导体界面会导致界面陷阱，从而降低器件的性能。二维材料表面缺乏悬挂键也使铁电绝缘体的原子层沉积（ALD）过程变得困难。针对这一难题，Si等人 [ 8 8 ] 通过将2D铁电绝缘体与2D半导体集成为二维范德华（vdW）异质结构，可能消除界面问题、降低界面陷阱密度，从而实现高性能的Fe-FETs。Si等人设计了MoS 2 /CIPS 2D vdW异质结铁电场效应晶体管（ 图5 图5 (g-i)），通过栅压进行调制，器件展现出稳定的非易失存储特性。 利用α-In 2 Se 3 固有的铁电性和半导体特性，以α-In 2 Se 3 作为沟道材料的铁电半导体场效应晶体管也被广泛研究。2020年，Loh等人 [ 49 49 ] 以50nm Al 2 O 3 为栅介质层，α-In 2 Se 3 为半导体沟道，制备了铁电半导体场效应晶体管。通过控制面外极化，可以在基于α-In 2 Se 3 的FeS-FET中诱导多个电导态，成功模拟了EPSC/IPSC、LTP/LTD、STDP等生物突触行为，并在模拟人工神经网络中实现了91.9%的模式识别精度。Loh等人提出，FeS-FET的多级电导调制是由于铁电沟道中部分极化翻转具有良好的可控性，这优于两端忆阻器中导电细丝的随机生长/断裂机制。2022年，Chen等人 [ 50 50 ] 制备的基于α-In 2 Se 3 的FeS-FET器件（ 图5 图5 (j-l)）的性能有了进一步提高，由于铁电极化翻转导致肖特基势垒高度可调（ 图5 图5 (k)），器件具有大量可编程电导状态数（~100）且电导变化表现出接近理想的线性度（0.207/0.211）和对称性（不对称值0.004）。在模拟的人工神经网络中，模式识别任务的准确率高达97.76%。 表2 表2 总结了基于低维材料的典型铁电突触器件的性能指标。基于2D铁电材料的突触器件已经取得了一定的进展，器件具有大开关比、低功耗、高速等优势，但在实际应用之前仍有一些挑战需要克服。例如：（1）材料方面，尽管目前已经有超过10种的2D铁电材料，但同时具有高稳定性和优异性能的2D铁电材料仍然缺乏，制造铁电突触器件的材料选择仍然非常有限，制备具有足够大矫顽场和剩余极化的铁电薄膜材料对于实现可靠的器件功能至关重要；（2）器件制造方面，基于2D铁电材料的突触器件制造工艺需要进一步优化，精确控制堆叠图案仍极具挑战；（3）系统级应用方面：目前的2D铁电材料很难大面积生长，对于大规模晶圆集成制造提出了巨大挑战。 2 器件结构 5 器件性能 2 神经形态计算 材料 类型 开关比 保持性 （s） 耐久性 （cycle） 工作电压 （V） 功耗（LTP/LTD） 突触可塑性 参考文献 Au/CIPS/Ti FD > 6×10 3 - 10 2 - 5.63 pJ PPF、PPD、SADP、SRDP、STDP ［ 46 46 ］ Au/SnSe/NSTO 忆阻器 - > 10 4 - 2.0/-3.5 66 fJ PPF、STP、LTP、LTD、STDP ［ 7 7 ］ Ag/α-In 2 Se 3 /ITO 忆阻器 - - 10 6 0.9/-0.44 4.96×10 -6 / 2.45×10 -5 W STP、LTP、STDP ［ 47 47 ］ 源/漏-（Ti/Au）/ α-In 2 Se 3 /Al 2 O 3 / 栅-Si FeS-FET > 10 5 - >250 - - LTP、LTD、STDP ［ 49 49 ］ 源/漏-（Cr/Au）/ α-In 2 Se 3 /Al 2 O 3 / 栅-Si FeS-FET 10 6 > 1.2×10 4 2×10 3 - - EPSC、IPSC、LTP、LTD ［ 50 50 ］ 4.3　低维材料的浮栅人工突触器件 2 基于浮栅结构的人工突触器件是一类电荷俘获型器件，在外加电场的作用下，器件沟道中的电荷被浮栅俘获或脱离浮栅，导致器件阈值电压偏移，使得沟道电导被有效调制。目前关于浮栅器件用于神经形态领域的研究已有很多报道。由于低维材料带隙变化广，可从金属到绝缘体变化，这使得其可被用于浮栅的不同结构层。例如，石墨烯 [ 51 51 ] 具有零带隙和较低态密度，独特的二维层状原子晶体结构和狄拉克锥形电子能带结构使其具有新奇的电学、光学和光电子学性质 [ 52 52 ] ，可以作为器件浮栅层和电极。碳纳米管 [ 53 53 - 55 55 53-55 ] 和过渡金属硫化物 [ 56 56 ] （TMDs）具有较高的载流子迁移率，可以作为沟道材料。带隙较大的h-BN [ 57 57 ] 适合作为隧穿层。 低维隧穿器件同样具有两端或三端结构。三端浮栅突触晶体管具有与传统的MOSFET相似的结构，浮栅用于电荷存储，夹在隧穿层和栅绝缘层之间。当给控制栅施加电压，电子或空穴可通过隧穿注入到浮栅层。当偏压撤去后，由于阻挡层和隧穿层的存在，电子或空穴难以回到原来位置，实现了非易失存储。被俘获的电荷可以屏蔽控制栅电极和沟道之间的垂直电场，导致阈值电压的变化，从而调节沟道电导。浮栅突触晶体管的控制栅电极相当于突触前神经元，漏极相当于突触后神经元，沟道电导充当突触权重。Xu等人 [ 58 58 ] 设计了基于2D-HfS 2 /h-BN/石墨烯异质结构的浮栅突触晶体管，器件表现出高开关比（ > 10 5 ）、大存储窗口（约100 V）、低至0.2 pJ的每脉冲能耗、优异的保持性（ > 10 4 s）和耐久性（ > 10 3 ），在仿真的人工神经网络中实现了高达91.5%的识别精度。Cao等人 [ 59 59 ] 采用原子层沉积法制备了晶圆级MoS 2 沟道，结合HfO 2 介电层，设计了一种顶栅结构浮栅突触阵列（3×5阵列），用于在神经网络中实现数字图像的识别。其中，单个器件识别准确率达到92.2%，器件阵列识别准确率达到91.3%。这项工作是基于浮栅结构的二维器件阵列首次应用于人工神经网络，为未来大规模阵列在神经形态计算中的应用提供了可能。 由于2D器件通常依赖于沉积、机械剥离或转移的绝缘体作为介电层，导致器件兼容性和制造复杂性方面的各种挑战。为解决这一问题，研究人员提出了分别使用2D材料和他们的自然氧化物作为浮栅和介质层的闪存 。 Lin等人 [ 60 60 ] 展示了一种可控且可靠的氧化工艺，将2D半导体HfS 2 转化为天然氧化物HfO x ，显示出清洁的HfO x /HfS 2 界面（ 图6 图6 (a)）。将HfO x /HfS 2 异质结构结合到闪存器件中，实现了约10 5 的高开/关电流比、60V以上的大存储窗口、良好的耐久性和10 3 秒以上的长保持时间。将该器件作为人工突触器件工作时，成功模拟了EPSC/IPSC、PPF、LTP/LTD、STDP、SRDP等多种突触行为。 在神经形态器件的应用方面，利用低维材料（如碳纳米管、纳米线、过渡金属二硫化合物、量子点等）优良的机械柔性和良好的光电响应特性，适用于柔性应用领域和视神经领域的浮栅突触器件也得到了广泛的研究 。 Li等人 [ 61 61 ] 提出了一种新型的多浮栅突触纳米线晶体管，它可以模拟突触的LTP、LTD、多个突触前信号的整合和连续的突触权重调制行为。Kim等人 [ 62 62 ] 以半导体碳纳米管为沟道，Au为浮栅层，设计了可拉伸浮栅突触晶体管（ 图6 图6 (b)）。在（± 25 V，1 s）的栅脉冲电压下，可实现对沟道电导的多级调制。基于该器件，制备了10 × 15的阵列，在人体柔性皮肤上进行了测试，发现包括戳、压缩和拉伸在内的变形不会引起分层或机械断裂，为可穿戴电子产品提供了器件原型。Choi等人 [ 63 63 ] 展示了一个由三个碳管浮栅晶体管（3T-Synapse）构成的突触器件，该器件由高度提纯的半导体碳纳米管为沟道，嵌入式Au浮栅层，具有可靠的模拟电导调制行为。通过将制备的突触晶体管转移到纸衬底上，展示了器件的耐弯曲特性。此外，基于该器件使用简化的STDP方案实现了系统级模式识别任务，其中与外围神经元电路相连的3T-Synapses可以执行无监督学习。仿真结果表明，更大的电导变化裕度可以提高识别准确度，为进一步迈向更复杂的神经形态系统提供了方向。Meng等人 [ 5 5 ] 协同利用2D MoSSe沟道和0D BPQD浮栅层的显著光电特性，构建了一种低维柔性光电调制的人工突触器件（ 图6 图6 (c)），器件表现出亚fJ的能耗（LTP为0.58 fJ/spike，LTD为0.86 fJ/spike）和超快响应速度（50ns），成功地模拟了电刺激和光刺激下的神经形态功能，包括EPSC/IPSC、PPF/PPD、STP、LTP/LTD等。该器件的性能不受衬底弯曲的影响，表明在机械应变下具有鲁棒的稳定性和高柔性。此外，作者进行了“巴甫洛夫狗”经典条件反射实验，基于该器件实现了联想学习。这些结果表明了基于混合低维结构来构建高效可穿戴神经形态计算系统的潜力。Wang等人 [ 64 64 ] 基于全无机CsPbBr 3 钙钛矿量子点（QDs）设计了一种光子闪存，在CsPbBr 3 量子点和半导体层之间形成的pentacene/PMMA/CsPbBr 3 QDs异质结是光电存储器件表现出光诱导电荷俘获和电介导电荷释放特性的基础。突触权重表现出从365、450、520到660nm的多波长响应，PPF、PPD、STP、LTP、SRDP等多种突触可塑性被成功模拟。 综上所述，三端式浮栅器件的研究已经取得了不错的进展，另一方面，两端式浮栅器件被陆续提出。与三端浮栅器件不同，两端浮栅器件中仅通过漏端电极实现电荷隧穿和沟道电流的读取。Vu等人 [ 6 6 ] 制造了一种由单层MoS 2 /h-BN/单层石墨烯垂直堆叠的两端浮栅存储器（ 图6 图6 (d-g)），通过h-BN隧穿势垒对石墨烯浮栅进行充放电，器件展现出10 -14 A的低关态电流和超过10 9 的超高开关比。对具有不同h-BN厚度的器件进行表征，发现合适的h-BN厚度范围为5.5 nm和7.5 nm，在此厚度下，电荷能够存储在石墨烯中而不会产生明显的泄漏电流。Zhang等人 [ 65 65 ] 设计了一种基于两端浮栅存储器的人工突触，该器件全部由二维范德华材料构建，以多层石墨烯为浮栅，h-BN为隧穿层，单层MoS 2 用作沟道。通过使用相同脉冲的简单编程操作，即可实现具有高线性度和对称性（0.18/-0.29）的电导变化，且分立的电导状态数高达3000个。此外，该器件具有40 ns的高开关速度和仅18 fJ的单脉冲能耗。基于该器件，Zhang等人成功模拟了生物突触的EPSC/IPSC、LTP/LTD行为，并在MNIST模拟中实现了高达97.7 %的分类精度。 低维浮栅突触器件的低开关速度是限制其在神经形态领域进一步应用的一个主要因素。大多数低维浮栅器件的擦写速度在毫秒量级，低于商用硅基闪存 [ 22 22 ] （微秒）和其他非易失性存储器。研究发现，调节隧穿势垒的高度对浮栅器件的速度会产生重要影响。Zhou等人 [ 66 66 ] 基于MoS 2 /hBN/多层石墨烯（MBG）范德华异质结构，实现了具有20 ns超快擦写速度的非易失性浮栅晶体管（ 图6 图6 (h-k)）。对器件底层工作机制的研究表明，石墨烯的可调费米能级对于实现该高速浮栅器件起关键作用。当施加较大的写入电压，石墨烯电极的费米能级会高于h-BN的导带边缘，使得石墨烯电极处的高能“幸运电子”在穿过Cr/MoS 2 界面的小三角形势垒后将不会再遇到势垒，从而产生大的隧穿电流，导致写入/擦除时间非常短。在此基础上，该组 [ 67 67 ] 以Cr/Au电极作为浮栅，设计了MoS 2 /h-BN/(Cr/Au)异质结构的浮栅晶体管，在Cr/Au金属浮栅层和h-BN隧穿层之间形成了干净的界面。与石墨烯浮栅（功函数～4.6 eV）相比，金属Au（~5.1 eV）浮栅的大功函数在阻挡层和隧穿层之间形成了更深的势垒，确保了电荷泄漏更少，稳定性更高。器件展示出1000 s的保持时间、10 8 的开关比和20 ns的开关速度。除了通过势垒调制和制备高质量界面的方式提高闪存速度，将闪存与p-n结相结合的半浮栅存储器也是解决速度问题的另一途径。Zhou等人 [ 68 68 ] 设计了WSe 2 /（MoS 2 , h-BN）/HfS 2 异质结构的半浮栅存储器（ 图6 图6 (l)-(o)），在源电极区由WSe 2 沟道和MoS 2 半阻挡层形成p-n结开关。漏极区保持传统的浮栅结构，以h-BN充当阻挡层并插入WSe 2 沟道和HfS 2 浮栅之间。当p-n结导通时，电荷主要通过p-n结在浮栅和沟道之间传输，因此可以实现超快的写入速度。当p-n结关断时，由于h-BN层存在，沟道和浮栅之间的电荷传输被禁止。基于该原理，器件实现了纳秒级（约15 ns）的超高速写入速度。然而，尽管p-n结的引入大大提高了器件写入速度，但较慢的擦除速度仍然限制了器件性能的整体提升。Li等人 [ 69 69 ] 通过精心设计器件结构，使用外部p-n结直接对浮栅进行充放电（ 图6 图6 (n)），由于来自浮栅电极的电荷的直接注入或复合，擦除速度大大提高到纳秒级。实现了具有对称写入（40 ns）-擦除（40 ns）速度的半浮栅存储器。 表3 表3 总结了基于浮栅结构的典型人工突触器件的性能。基于浮栅的人工突触器件目前已经取得了较大的进展，但仍存在一些问题有待解决。例如，（1）高工作电压。由于大多数浮栅突触器件中存在较厚的阻挡层，器件的工作电压（ > 4 V）普遍高于其他类型的人工突触器件，这对于构建低功耗的人工神经形态系统仍然是一个挑战，未来仍需考虑如何在保持其他器件性能的前提下进一步降低工作电压；（2）电导变化的线性度和对称性还需改善。基于电荷隧穿机制的人工突触器件，其电导变化的线性度和对称性通常较差。为了改善这一特性，研究人员通常采用增量步进脉冲代替幅值相同的脉冲，虽然电导变化的线性度和对称性得到了有效的改善，但额外增加了电路的复杂度。后续还需要更多的从器件层面探索，以改善这一性能。 2 器件结构 6 器件性能 2 神经形态计算 材料 （沟道/隧穿层/浮栅层/栅绝缘层） 结构 开关比 存储窗 （V） 保持性 （s） 耐久性 （cycle） 编程脉冲 功耗（LTP/LTD） 突触可塑性 参考文献 HfS 2 /h-BN/ Gr/SiO 2 三端 > 10 5 ~100 > 10 4 > 10 3 （-20/15 V， 50 ms） 0.2 pJ PPF、STP、LTP、LTD ［ 58 58 ］ MoS 2 /HfO 2 /Pt/ HfO 2 三端 10 5 11 10 4 10 4 （-5/4.5 V， 50 ms） 1 nJ PPF、LTP、LTD、STDP ［ 59 59 ］ WSe 2 /HfO x / HfS 2 /SiO 2 三端 10 5 >60 > 10 3 >250 - - PPF、STP、LTP、LTD ［ 60 60 ］ MoSSe/Al 2 O 3 / BPQDs/Al 2 O 3 三端 - 3 - - （-4.5/5.5 V， 50 ns） 0.58/0.86 fJ PPF、PPD、STP、LTP、LTD ［ 5 5 ］ MoS 2 /h-BN/ （Cr/Au） /SiO 2 三端 10 8 27.8 10 3 >400 （±25 V， 20 ns） - - ［ 67 67 ］ Pentacene/ TiO 2 /MXene/ SiO 2 三端 10 6 >35.2 > 10 4 300 （-10/10 V， 10 ms） 3.8 pJ PPF、LTP、LTD ［ 70 70 ］ SnS 2 /h-BN/ FLG/SiO 2 三端 10 5 - > 10 4 > 10 3 （-8/8 V， 100 ms） 7 pJ PPF、LTP、LTD、SRDP ［ 71 71 ］ MoS 2 /h-BN/ Gr 两端 > 10 9 4 - - （±6 V， 10 ms） - - ［ 6 6 ］ MoS 2 /h-BN/ Gr 两端 10 8 - > 10 4 > 10 5 （±15 V， 40 ns） 18 fJ EPSC、IPSC、LTP、LTD ［ 65 65 ］ 4.4　低维材料的离子栅人工突触器件 2 离子栅突触晶体管具有与传统金属氧化物半导体场效应晶体管相似的结构，不同之处在于，离子栅突触晶体管使用电子绝缘和离子导电的电解质代替传统MOS管的栅极绝缘层。在栅极电场作用下，电解质中的离子会发生移动，根据沟道材料的不同，离子栅突触晶体管有两种不同的工作机制：静电掺杂机制和电化学掺杂机制 [ 72 72 ] 。对于静电掺杂类型，沟道材料是不可渗透的，在栅压作用下，电解质中的离子移动并积聚在沟道和电解质之间的界面上，在界面周围局部形成具有高电容的双电层。而对于电化学掺杂类型，其沟道材料是可渗透的，形成了双电层后，随着栅极电场的增强，电解质中的功能离子被插入沟道料中，以非易失性方式进一步调节沟道电导。因此，它可以模拟多种突触可塑性。常用的电解质材料通常分为有机电解质和无机电解质。有机电解质具有低成本、柔性、化学多功能性等独特的特性，被广泛用于制备离子栅突触晶体管，常见的有机电解质材料有掺杂有聚（苯乙烯磺酸盐）的聚（3，4-亚乙基二氧噻吩）（PEDOT:PSS）、聚乙烯醇（PVA）、壳聚糖（Chitosan）等。然而，由于有机电解质材料与CMOS器件制备的工艺不兼容，难以进行大规模器件制备，且基于有机电解质形成的介电层容易受环境温度和湿度的影响，导致器件性能降低，因此，无机固态电解质是制备离子栅突触晶体管更有利的材料。目前常使用的无机固态电解质材料较少，主要有全氟磺酸基聚合物（Nafion）、钴酸锂（LiCoO 2 ）、锂磷氧氮（LiPON）等。基于无机固态电解质制备的器件通常具有较为光滑和平整的界面，且电解质特性几乎不受环境影响，有利于实现器件的大规模制备和集成。电解质中的功能离子多种多样，它们可以是阳离子或阴离子，如H + ，Li + ，O 2- 等。基于离子栅的突触器件通常具有三端或多端结构，多端器件通常表现为平面结构，多个输入端可模拟与突触相连的多个前神经元，从而实现更为复杂的突触活动。 传统的离子栅突触晶体管常采用氧化铟锡（ITO）、铟镓锌氧化物（IGZO）等材料作为有源层，离子在绝缘层/半导体界面积累或进入半导体沟道，从而模拟突触的短期/长期可塑性。近年来，基于1D 碳纳米管、1D纳米线和多种2D材料的离子栅突触晶体管的研究也取得了一定的进展。 Chen等人 [ 73 73 ] 以1D碳纳米管材料为沟道，PEG为电解质，设计制造了碳基离子栅突触晶体管，实现了EPSC、LTP/LTD、STDP等突触可塑性。Zhang等人 [ 9 9 ] 以碳纳米管为沟道层，PVA为电解质层，实现了小电压下易失、大电压下非易失的器件电导调制（ 图7 图7 (a-c)）。器件能够实现多种突触功能，包括PPF、SNDP、SADP等。此外，在1000次弯曲循环后，由于机械性能良好，器件保持了良好的突触功能。由于较高的表面体积比以及有利的电荷传输，1D纳米线可进一步提升突触晶体管的特性。Xu等人 [ 74 74 ] 设计了一种基于有机纳米线（Organic nanowire, ONW）沟道和离子凝胶电解质的离子栅突触晶体管，核鞘（Core-sheath）结构的ONW使得晶体管能够很好的模拟神经纤维的形态，单个ONW晶体管的每次突触事件仅消耗约1.23 fJ，这与生物突触的情况相当。器件实现了对生物突触的EPSC、IPSC、PPF、LTP、LTP、STDP等行为的模拟，为进一步开发低功耗、高密度、柔性类脑计算系统提供了解决方案。Chang等人 [ 75 75 ] 通过低成本的静电纺丝技术和简单的纳米线转移工艺，制造了基于铟锌氧化物（InZnO）纳米线阵列和LiClO 4 电解质的三端电解质栅突触晶体管，模拟了生物突触的EPSC、PPF、LTP、LTD等特性。基于实验测量的LTP/LTD特性，模拟了人工神经网络用于手写数字识别，识别准确率达93.1%。 对于2D材料，Zhu等人 [ 76 76 ] 研究了以多种2D vdW层状晶体WSe 2 , NiPS 3 , FePSe 3 做沟道，LiClO 4 /PEO为电解质层的离子栅突触晶体管（ 图7 图7 (d-f)）。当一系列连续的电压脉冲施加到栅极时，可以清楚地观察到从STP到LTP的转变，表明Li + 插入到沟道，这是由于2D vdW沟道材料相对开放的微观结构为Li + 提供了大量的插层位置（ 图7 图7 (e)）。器件可模拟突触短期和长期可塑性，如EPSC、PPF、SRDP等，能耗低至约30 fJ/spike。此外，当施加连续的60个增强（1.2 V，100 ms）和抑制（-0.4 V，100 ms）栅脉冲，电导变化显示出良好的线性和对称性（ 图7 图7 (f)），这对于神经形态应用非常重要。由于Li + 的迁移可以使MoS 2 发生可逆的2H-1T′结构相变 [ 77 77 ] ，基于这种效应的器件表现出可靠的忆阻特性。近年来，以MoS 2 作为沟道材料的锂离子栅突触晶体管被广泛研究。Sun等人 [ 78 78 ] 使用聚环氧乙烷（PEO）和高氯酸锂（LiClO 4 ）作为横向耦合的离子传导电解质，制造了共面结构的2D MoS 2 突触晶体管。由于强双电层（EDL）效应，器件能够在1 V的低工作电压下工作并实现10 5 的高开/关比。成功模拟了突触的短期和长期可塑性，包括EPSC、PPF、LTP、LTD和高通滤波。然而，由于机械剥离法制备的MoS 2 不利于大规模应用，且液态有机电解质与传统CMOS工艺不兼容。为解决这一问题，Zhang等人 [ 79 79 ] 采用两步法制备了具有可控层数的晶圆级多晶MoS 2 ，并将其用作沟道材料，结合钴酸锂（LiCoO 2 ）固态电解质，制备了离子栅突触晶体管（ 图7 图7 (g-i)）。器件显示出线性的电导变化和典型的突触行为，包括PPF、STP、LTP/LTD、STDP等。除了单纯以电信号刺激促进离子迁移的方式来模拟突触行为，光信号的引入可以进一步丰富离子栅突触晶体管在神经形态领域的应用。Meng等人 [ 80 80 ] 受生物眼睛的启发，制造了一种基于MoSSe/Al 2 O 3 /PI(Li + )/Al 2 O 3 /ITO结构的离子栅突触晶体管，模拟人体视网膜。其中，旋涂在Al 2 O 3 层上的含有Li + 的聚酰亚胺（PI）溶液充当电解质层，MoSSe沟道可以被电信号或 Li + 调制，也可以被光信号调制。通过在Al 2 O 3 /电解质界面形成EDL，器件可实现多种突触功能，如PPF、STP、LTP/LTD、SNDP。引入光刺激后，器件将传感、存储和神经形态计算功能集于一体，实现了类眼的光适应、手写数字的预处理和识别等功能。这项工作为未来用于光电人工视网膜感知应用提供了一种策略。 表4 表4 总结了基于离子栅的典型人工突触器件的性能。离子栅突触晶体管基于混合的电子/离子调制，在神经形态领域具有独特的优势，包括小的工作电压、线性且对称的电导调制。然而，目前对于这类器件的研究仍处于起步阶段，对于未来大规模神经形态系统的应用，许多器件性能还有待提高。例如，（1）由于离子迁移导致的低开关速度，未来应寻找并选择具有高离子迁移率的栅极电解质和沟道材料以缩短离子迁移时间。或者，可通过进一步缩小器件尺寸（如，减薄电解质厚度）来缩短离子迁移距离，从而提高器件开关速度。（2）面对高密度集成应用，有机电解质材料带来的器件加工工艺不兼容和器件均一性差的问题需要尽快解决。建议未来更多地选用无机固态电解质材料，改善器件性以拓宽其应用范围。 3 器件结构 5 器件性能 2 神经形态计算 沟道 电解质 结构 开关比 线性度 （%） 保持性 （s） 编程脉冲 功耗（LTP/LTD） 突触可塑性 参考文献 WSe 2 ， NiPS 3 ， FePSe 3 LiClO 4 /PEO 共面 - - > 5×10 3 （1.2/-0.4 V， 100 ms） 30 fJ EPSC、PPF、STP、LTP、LTD、SRDP ［ 76 76 ］ MoS 2 LiClO 4 /PEO 共面 10 5 - - （0.5/-0.7 V， 100 ms） - EPSC、PPF、LTP、LTD ［ 78 78 ］ 3 器件结构 5 器件性能 2 神经形态计算 沟道 电解质 结构 开关比 线性度 （%） 保持性 （s） 编程脉冲 功耗（LTP/LTD） 突触可塑性 参考文献 MoS 2 LiCoO 2 垂直 10 5 98 >150 （1.2/-1.2 V， 100 ms） - PPF、STP、LTP、LTD、STDP ［ 79 79 ］ P 3 HT-PEO有机纳米线 离子凝胶 垂直 - - - （-1/1 V， 50 ms） ~1.23 fJ EPSC、IPSC、PPF、LTP、LTP、STDP ［ 74 74 ］ InZnO 纳米线 LiClO 4 /PEO 垂直 - - - （0.5/-0.5 V， 50 ms） 0.8 pJ EPSC、PPF、LTP ［ 75 75 ］ CNT PEG 垂直 - - - （5 V， 1 ms） 7.5 pJ EPSC、LTP、LTD、STDP ［ 73 73 ］ CNT PVA 垂直 > 10 4 - - （-5/5 V， 50 ms） 420/360 aJ PPF、LTP、LTD、SDDP、SNDP、SADP ［ 9 9 ］ 5　基于低维材料的人工神经元器件 1 在神经生物学中，神经元接收来自树突的兴奋性或抑制性突触后电流，随着电流在细胞体内整合（Integrate），细胞膜电位会发生相应的变化。当整合达到阈值电位时，神经元会激活（Fire）并产生动作电位（Action potential, AP）。为了实现真正意义上的人工神经网络，对于人工神经元器件的设计必不可少。 目前，神经科学家们已经提出了各种模型（例如，Hodgkin-Huxley模型、Integrate-and-Fire模型、Leaky Integrate-and-Fire模型）来解释神经元的工作方式。其中，Hodgkin-Huxley（HH）模型揭示了生物神经元细胞膜上离子通道（主要是Na + 和K + 通道）的电导率变化和神经元膜电位之间的关系, 从基本原理上解释了生物神经元的工作方式。Integrate-and-Fire（IF）模型忽略了动作电位具体的动态特性, 只考虑膜电位的被动特性和动作电位的触发, 即将整个神经元看作一个整体, 仅研究神经元的输入和输出关系。当神经元接收到神经脉冲信号后, 膜电位发生变化, 超过特定的阈值后开始发放神经脉冲。IF模型是对HH模型的一种简化, 更容易集成于神经网络中。但IF模型缺少自发的漏电（leaky）过程, 在没有神经脉冲时, 膜电位保持不变, 只有完成脉冲发放后, 神经元才恢复初始状态。然而实验证明, 具有 leaky功能的神经元模型更具有鲁棒性和泛化性。漏电整合激活（Leaky integrate-and-fire, LIF）模型在IF模型的基础上引入了leaky功能, 当输入脉冲没有到达阈值时, 膜电位会自发衰减到低于静息电位的状态, 然后逐渐上升到静息电位, 更具生物合理性 [ 26 26 ] 。 在硬件电路中基于CMOS电路的设计可用于实现人工神经元，然而这类电路往往需要数十个晶体管，功耗和集成度受到了极大的限制 [ 81 81 ] 。近年来，基于忆阻器、PCM、Mott器件和铁电器件的人工神经元被陆续提出。然而，与人工突触器件相比，关于人工神经元器件的研究相对较少。本节介绍了具有两端、三端和多端结构的基于2D材料的人工神经元器件。 具有两端结构的神经元与基于忆阻器结构的突触器件具有相似的工作原理，都是基于两电极之间导电细丝的形成和断裂实现HRS和LRS之间的切换。不同之处在于，两端神经元器件中，导电细丝在外加电场撤去后会自发断裂，从而表现出易失性行为，赋予了器件与神经元相关的功能。利用电场下Ag在MoS 2 晶格中的快速扩散和迁移，Dev等人 [ 39 39 ] 设计了一种Au/MoS 2 /Ag忆阻器结构的神经元，实现了具有低阈值电压和高开关比（10 6 ）的易失性电阻开关。依赖于面积和温度的测量结果表明，易失性开关源于复杂的银离子动力学。在适当的电场作用下，银从顶部电极通过沟道材料扩散，并在顶部和底部电极之间形成导电路径。去除电场后，银丝自发断裂收缩成球体。作者将器件与一个简单的RC电路集成，以模拟LIF神经元，该神经元与生物神经元一样，具有全或无尖峰、阈值驱动放电和基于刺激强度的频率响应，并显示随输入和电路参数变化的时间响应。Hao等人 [ 10 10 ] 将离子迁移动力学和电化学反应引入到单层MoS 2 单晶中，实现了2D神经元（ 图8 图8 (a-c)）。基于外加电场下导电Ag丝的形成和断裂（ 图8 图8 (b)），模拟了复杂的LIF电生理过程（ 图8 图8 (c)）。此外，可以通过调节输入电压脉冲来容易地调制人工神经元的激发频率和弛豫时间。最后，将基于MoS 2 的神经元与非易失性突触阵列集成，构建了全忆阻人工神经网络并实现了模式分类。 除了上述两端神经元器件，基于三端/多端结构的神经元器件也被提出 。 Li等人 [ 82 82 ] 通过集成一个阈值开关（Threshold switch, TS）与一个栅控二维半导体MoS 2 沟道，展示了一个单晶体管人工兴奋-抑制（Excitatory–Inhibitory，E-I）神经元（ 图8 图8 (d-f)）。在漏极施加的电脉冲充当兴奋性输入信号，使得器件表现出LIF行为，而在栅极施加的电脉冲充当抑制性输入信号，与兴奋性信号协同作用，使器件实现神经元对输入信号的时空整合。独特的设计使得器件在没有外围电路的情况下，在单一器件中即可实现多种神经元行为，为未来实现紧凑的神经形态系统提供了新途径。Wan等人 [ 83 83 ] 首次提出利用质子传导的石墨烯氧化物（GO）作为静电耦合电解质，制造了基于多栅极结构的神经元晶体管。该器件不仅实现了树突整合功能。更重要的是，实现了速率编码方案中的神经元增益控制（算法）。由于这些功能与神经计算（如模式识别、感觉处理等）高度相关，这种神经元晶体管为构建神经形态认知系统提供了新的解决方案。 6　低维人工神经形态器件的应用 1 要在真正意义上实现类脑计算和人工智能，需要通过由人工神经元和突触器件组成的各种神经网络和电路来实现感知、学习、识别、运动等智能功能。目前对于人工神经网络的硬件实现仍处于起步阶段，大多数研究致力于实现大规模阵列的制备，或将高性能的神经形态器件与CMOS电路相结合，用于实现视觉、触觉的感知与识别，以及生物的学习、记忆、认知等功能，以期望未来最终实现智能化人工神经形态系统。 基于WSe 2 优异的光学特性 [ 84 84 ] ，Seo等人 [ 85 85 ] 展示了一种h-BN/WSe 2 异质结构的光学神经突触器件（ 图9 图9 (a)），其同时实现了突触和光传感功能。将该器件应用于光学神经网络中时，成功模拟了人类视觉系统的彩色和混合彩色模式识别能力。Sun等人 [ 86 86 ] 设计了基于2D SnS的两端结构的光电忆阻器，通过原子薄材料中的电荷俘获/脱俘获动力学和光栅控效应的协同作用，实现了双模式操作（电和光刺激驱动）下的高性能和多功能忆阻行为，能够在传感器内执行储备池计算（Reservoir computing, RC）。对具有小自然误差的实用韩语句子进行分类，达到了91%的准确率。光电刺激时空信号的低训练成本和实时处理利于构建高效的边缘机器学习。Sun等人 [ 87 87 ] 通过在Jeffress模型电路中应用可调的兴奋性和抑制性MoS 2 突触器件，演示了神经形态计算在声音定位中的应用（ 图9 图9 (b)）。Ni等人 [ 88 88 ] 提出了由电解质、石墨烯和铜线芯组成的纤维神经形态器件的设计和制作。通过将该器件与和人造肌肉纤维结合，构建了纤维水平的神经集成肌肉系统，成功地模拟了对环境刺激的无条件反射，并模拟了人体的膝跳反射（ 图9 图9 (c)）。 对于阵列集人工神经形态器件的实现和应用，近年来也取得了一定的进展。Zhu等人 [ 89 89 ] 使用碳纳米管和钙钛矿量子点的组合作为沟道材料，设计了具有超强光灵敏度的光电传感器，提出了一个1024像素的柔性光电传感器阵列。Chen等人 [ 90 90 ] 利用CVD生长的大面积多层h-BN作为电阻开关材料，在2英寸晶圆上制备了基于Au/h-BN/Au和Ag/h-BN/Ag垂直结构的高密度忆阻器交叉阵列，阵列表现出高产量（98 %），低循环间变异性（1.53 %）和低器件间变异性（5.74 %）。根据所使用的电极材料（Au用于双极开关，Ag用于阈值开关）不同，器件表现出不同的开关机制；根据不同的器件性能（如大的电导动态范围和zJ级开关能耗），器件适用于不同的神经形态电路。此外，研究人员基于集成的Au/h-BN/Au忆阻器交叉阵列，建立了一个多层感知器网络模型用于图像识别，结果表明，128×128交叉阵列的分类精度与CMOS计算体系的分类精度（98.02 %）仅相差0.8 %以内。这项工作为低维材料在高密度神经形态领域中的发展奠定了基础。在利用神经网络对图像信息进行加密和解密 [ 91 91 ] 的应用中，Dodda等人 [ 92 92 ] 基于单层MoS 2 的2D晶体管，提出并实验证明了一种“一体式”8×8阵列的加密引擎（ 图9 图9 (d)），用于编码8×8像素的图像。每个引擎包括5个单片集成的2D晶体管，以实现传感和编码功能。整个硬件系统共使用了320个2D MoS 2 晶体管，已经构成了基于2D材料和器件的中等规模集成电路，能够实现包括传感、计算、存储和安全在内的一体式物联网功能。Ma等人 [ 93 93 ] 基于CVD生长的高质量连续MoS 2 薄膜，首次实现了第一个功能强大的MoS 2 人工神经网络（ANN）芯片（ 图9 图9 (e)）。该芯片由818个场效应晶体管组成，包括乘法累加（MAC）电路、存储器阵列和激活功能电路。基于该神经网络电路，成功演示了触觉数字传感识别，训练后的神经网络识别准确度超过97%。Kumar等人 [ 94 94 ] 设计了基于二维忆阻器交叉阵列和CMOS集成电路的混合架构，其中CMOS电路用于实现编码功能，基于2D h-BN的忆阻器交叉阵列用于实现解码功能（ 图9 图9 (f)）。所设计的系统可用于多种应用，如音频检测、语音和非语音检测、图像分类以及其他边缘计算任务。 7　总结与展望 1 本文综述了有望用于人工神经形态系统中的基于低维材料的新器件，包括人工突触器件和人工神经元器件。每一种器件都有相应的优缺点，通过选择合适的材料和设计器件结构可以获得所需的器件性能。虽然基于低维材料的神经形态器件已在图像识别、视觉感知等领域已进行了初步应用，但目前对于低维材料神经形态器件的研究还处于起步阶段。因此，在材料选择、材料制备、结构优化等方面还需进一步探索。 （1）材料选择：低维材料具有宽的带隙范围，能够表现出从绝缘体到金属的不同物理特性。其中，不同维度的材料（0D、1D、2D）都具有其独特的优势。未来要进一步实现具有不同功能的神经形态器件，需要精确选择合适的材料，合理设计能带匹配的器件结构。同时，在使用多种材料进行器件制备的过程中，还应当考虑材料复杂度和器件性能之间的平衡。例如，需要解决金属电极和2D材料之间的费米钉扎效应来实现良好的欧姆接触，以及解决在2D材料上制备高质量超薄介电层的工艺挑战。应解决神经形态器件的新材料与集成电路工艺兼容性的问题。 （2）材料制备：目前制备基于低维材料的神经形态器件多采用机械剥离等方法获得小面积低维材料，这种方法极大地限制了器件的大规模制造和系统级应用。最近，随着金辅助机械剥离法、化学气相沉积（CVD）、脉冲激光沉积（PLD）、分子束外延（MBE）、水热生长等方法的提出，制备晶圆级大尺寸低维材料成为可能。尽管已取得了相应的进步，科研人员仍需继续努力，优化现有的方法或提出新方法以实现对各种低维材料的大面积制备。尤其是目前已经在多种器件中表现出优异性能的二维材料（如，MoS 2 等），迫切需要开发出高质量、均匀的晶圆级单晶二维材料。 （3）结构优化：目前没有一种器件能够集成所有器件的优点，每一种器件受到其自身工作原理的限制，都存在一定的不足。如何通过设计新结构或提出新原理的方式进一步优化器件性能，是科研人员需要不断思考的问题。此外，对于现有的器件，如何在保持自身优势不变的情况下更好的平衡不同性能（如开关速度、保持时间、开关比、功耗等）指标，仍需进一步讨论。 综上所述，基于低维材料的神经形态器件是近几年来的新兴领域，为神经形态计算带来了新的优势和机遇。相信未来经过在材料、器件结构、工艺集成等方面的进一步优化，使得基于低维材料的人工神经形态器件在未来能构建出有丰富智能处理功能的超大规模神经形态芯片。 参考文献 张玲 ， 刘国柱 ， 于宗光 . 人工神经形态器件发展现状与展望 ［J］. 电子与封装 ， 2021 ， 21 （ 06 ）： 5 - 18 . 人工神经形态器件发展现状与展望 ZHANG L ， LIU G Z ， YU Z G . Recent advances in neuromorphic devices . ［J］ Electronics & Packaging ， 2021 ， 21 （ 06 ）： 5 - 18 . （in Chinese） Recent advances in neuromorphic devices ZHONG H ， SUN Q-C ， LI G ， et al . High-performance synaptic transistors for neuromorphic computing ［J］. Chinese Physics B ， 2020 ， 29 （ 4 ）. doi: 10.1088/1674-1056/ab7806 http://dx.doi.org/10.1088/1674-1056/ab7806 High-performance synaptic transistors for neuromorphic computing MEROLLA P A ， ARTHUR J V ， ALVAREZ-ICAZA R ， et al . A million spiking-neuron integrated circuit with a scalable communication network and interface ［J］. Science ， 2014 ， 345 （ 6197 ）： 668 - 673 . doi: 10.1126/science.1254642 http://dx.doi.org/10.1126/science.1254642 A million spiking-neuron integrated circuit with a scalable communication network and interface XU R ， JANG H ， LEE M-H ， et al . Vertical MoS 2 double-layer memristor with electrochemical metallization as an atomic-scale synapse with switching thresholds approaching 100 mV ［J］. Nano Letters ， 2019 ， 19 （ 4 ）： 2411 - 2417 . doi: 10.1021/acs.nanolett.8b05140 http://dx.doi.org/10.1021/acs.nanolett.8b05140 Vertical MoS2 double-layer memristor with electrochemical metallization as an atomic-scale synapse with switching thresholds approaching 100 mV MENG J-L ， WANG T-Y ， CHEN L ， et al . Energy-efficient flexible photoelectric device with 2D/0D hybrid structure for bio-inspired artificial heterosynapse application ［J］. Nano Energy ， 2021 ， 83 . doi: 10.1016/j.nanoen.2021.105815 http://dx.doi.org/10.1016/j.nanoen.2021.105815 Energy-efficient flexible photoelectric device with 2D/0D hybrid structure for bio-inspired artificial heterosynapse application QUOC AN V ， SHIN Y S ， KIM Y R ， et al . Two-terminal floating-gate memory with van der waals heterostructures for ultrahigh on/off ratio ［J］. Nature Communications ， 2016 ， 7 . doi: 10.1038/ncomms12725 http://dx.doi.org/10.1038/ncomms12725 Two-terminal floating-gate memory with van der waals heterostructures for ultrahigh on/off ratio WANG H ， LU W ， HOU S ， et al . A 2D-SnSe film with ferroelectricity and its bio-realistic synapse application ［J］. Nanoscale ， 2020 ， 12 （ 42 ）： 21913 - 21922 . doi: 10.1039/d0nr03724a http://dx.doi.org/10.1039/d0nr03724a A 2D-SnSe film with ferroelectricity and its bio-realistic synapse application SI M ， LIAO P-Y ， QIU G ， et al . Ferroelectric field-effect transistors based on MoS 2 and CuInP 2 S 6 two-dimensional van der waals heterostructure ［J］. Acs Nano ， 2018 ， 12 （ 7 ）： 6700 - 6705 . doi: 10.1021/acsnano.8b01810 http://dx.doi.org/10.1021/acsnano.8b01810 Ferroelectric field-effect transistors based on MoS2 and CuInP2S6 two-dimensional van der waals heterostructure WANG Y ， HUANG W ， ZHANG Z ， et al . Ultralow-power flexible transparent carbon nanotube synaptic transistors for emotional memory ［J］. Nanoscale ， 2021 ， 13 （ 26 ）： 11360 - 11369 . doi: 10.1039/d1nr02099d http://dx.doi.org/10.1039/d1nr02099d Ultralow-power flexible transparent carbon nanotube synaptic transistors for emotional memory HAO S ， JI X ， ZHONG S ， et al . A monolayer leaky integrate-and-fire neuron for 2D memristive neuromorphic networks ［J］. Advanced Electronic Materials ， 2020 ， 6 （ 4 ）. doi: 10.1002/aelm.201901335 http://dx.doi.org/10.1002/aelm.201901335 A monolayer leaky integrate-and-fire neuron for 2D memristive neuromorphic networks HUO J ， YIN H ， ZHANG Y ， et al . Quasi-volatile MoS 2 barristor memory for 1T compact neuron by correlative charges trapping and schottky barrier modulation ［J］. Acs Applied Materials & Interfaces ， 2022 ， 14 （ 51 ）： 57440 - 57448 . doi: 10.1021/acsami.2c18561 http://dx.doi.org/10.1021/acsami.2c18561 Quasi-volatile MoS2 barristor memory for 1T compact neuron by correlative charges trapping and schottky barrier modulation VOGLIS G ， TAVERNARAKIS N . The role of synaptic ion channels in synaptic plasticity ［J］. Embo Reports ， 2006 ， 7 （ 11 ）： 1104 - 1110 . doi: 10.1038/sj.embor.7400830 http://dx.doi.org/10.1038/sj.embor.7400830 The role of synaptic ion channels in synaptic plasticity ZHANG Z ， YANG D ， LI H ， et al . 2D materials and van der Waals heterojunctions for neuromorphic computing ［J］. Neuromorphic Computing and Engineering ， 2022 ， 2 （ 3 ）： 032004 . doi: 10.1088/2634-4386/ac8a6a http://dx.doi.org/10.1088/2634-4386/ac8a6a 2D materials and van der Waals heterojunctions for neuromorphic computing ZAMARRENO-RAMOS C ， CAMUNAS-MESA L A ， PEREZ-CARRASCO J A ， et al . On spike-timing-dependent-plasticity， memristive devices， and building a self-learning visual cortex ［J］. Frontiers in Neuroscience ， 2011 ， 5 . doi: 10.3389/fnins.2011.00026 http://dx.doi.org/10.3389/fnins.2011.00026 On spike-timing-dependent-plasticity， memristive devices， and building a self-learning visual cortex 韩晓艳 ， 赵东 . 基于粒子群的支持向量机图像识别 ［J］. 液晶与显示 ， 2017 ， 32 （ 01 ）： 69 - 75 . doi: 10.3788/yjyxs20173201.0069 http://dx.doi.org/10.3788/yjyxs20173201.0069 基于粒子群的支持向量机图像识别 HAN X Y ， ZHAO D . Support vector machine image recognition based on particle swarm . ［J］ Chinese Journal of Liquid Crystals and Displays ， 2017 ， 32 （ 01 ）： 69 - 75 . （in Chinese） . doi: 10.3788/yjyxs20173201.0069 http://dx.doi.org/10.3788/yjyxs20173201.0069 Support vector machine image recognition based on particle swarm 贠卫国 ， 史其琦 ， 王民 . 基于深度卷积神经网络的多特征融合的手势识别 ［J］. 液晶与显示 ， 2019 ， 34 （ 04 ）： 417 - 422 . doi: 10.3788/yjyxs20193404.0417 http://dx.doi.org/10.3788/yjyxs20193404.0417 基于深度卷积神经网络的多特征融合的手势识别 YUN W G ， SHI Q Q ， WANG M . Multi-feature fusion gesture recognition based on deep convolution neural network . ［J］. Chinese Journal of Liquid Crystals and Displays ， 2019 ， 34 （ 04 ）： 417 - 422 . （in Chinese） . doi: 10.3788/yjyxs20193404.0417 http://dx.doi.org/10.3788/yjyxs20193404.0417 Multi-feature fusion gesture recognition based on deep convolution neural network 陈彦彤 ， 陈伟楠 ， 张献中 ， 等 . 基于深度卷积神经网络的蝇类面部识别 ［J］. 光学精密工程 ， 2020 ， 28 （ 07 ）： 1558 - 1567 . doi: 10.37188/OPE.20202807.1558 http://dx.doi.org/10.37188/OPE.20202807.1558 基于深度卷积神经网络的蝇类面部识别 CHEN Y T ， CHEN W N ， ZHANG X Z ， et al . Fly facial recognition based on deep convolutional neural networks ［J］ Optics and Precision Engineering ， 2020 ， 28 （ 07 ）： 1558 - 1567 . （in Chinese） . doi: 10.37188/OPE.20202807.1558 http://dx.doi.org/10.37188/OPE.20202807.1558 Fly facial recognition based on deep convolutional neural networks 李迪 ， 陈向坚 ， 续志军 ， 等 . 自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用 ［J］. 光学精密工程 ， 2011 ， 19 （ 06 ）： 1406 - 1413 . doi: 10.3788/ope.20111906.1406 http://dx.doi.org/10.3788/ope.20111906.1406 自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用 LI D ， CHEN X J ， JI Z J ， et al . Type-II fuzzy neural networks with self-organizing recurrent intervals for dynamic time-varying system identification . ［J］ Optics and Precision Engineering ， 2011 ， 19 （ 06 ）： 1406 - 1413 . （in Chinese） . doi: 10.3788/ope.20111906.1406 http://dx.doi.org/10.3788/ope.20111906.1406 Type-II fuzzy neural networks with self-organizing recurrent intervals for dynamic time-varying system identification 黄伟明 ， 文尚胜 ， 夏云云 . 基于BP神经网络的LED可靠性模型研究 ［J］. 发光学报 ， 2015 ， 36 （ 08 ）： 962 - 968 . doi: 10.3788/fgxb20153608.0962 http://dx.doi.org/10.3788/fgxb20153608.0962 基于BP神经网络的LED可靠性模型研究 HUANG W M ， WEN S S ， XIA Y Y . Reliability model of LEDs based on artificial neural network ［J］ Chinese Journal of Luminescence ， 2015 ， 36 （ 08 ）： 962 - 968 . （in Chinese） . doi: 10.3788/fgxb20153608.0962 http://dx.doi.org/10.3788/fgxb20153608.0962 Reliability model of LEDs based on artificial neural network SEO S ， LEE J-J ， LEE H-J ， et al . Recent progress in artificial synapses based on two-dimensional van der waals materials for brain-inspired computing ［J］. Acs Applied Electronic Materials ， 2020 ， 2 （ 2 ）： 371 - 388 . doi: 10.1021/acsaelm.9b00694 http://dx.doi.org/10.1021/acsaelm.9b00694 Recent progress in artificial synapses based on two-dimensional van der waals materials for brain-inspired computing KIM S ， LEE Y ， KIM H-D ， et al . Parallel weight update protocol for a carbon nanotube synaptic transistor array for accelerating neuromorphic computing ［J］. Nanoscale ， 2020 ， 12 （ 3 ）： 2040 - 2046 . doi: 10.1039/c9nr08979a http://dx.doi.org/10.1039/c9nr08979a Parallel weight update protocol for a carbon nanotube synaptic transistor array for accelerating neuromorphic computing YANG J J ， STRUKOV D B ， STEWART D R . Memristive devices for computing ［J］. Nature Nanotechnology ， 2013 ， 8 （ 1 ）： 13 - 24 . doi: 10.1038/nnano.2012.240 http://dx.doi.org/10.1038/nnano.2012.240 Memristive devices for computing CHUA L . Memristor-The missing circuit element ［J］. IEEE Transactions on Circuit Theory ， 1971 ， 18 （ 5 ）： 507 - 519 . doi: 10.1109/tct.1971.1083337 http://dx.doi.org/10.1109/tct.1971.1083337 Memristor-The missing circuit element STRUKOV D B ， SNIDER G S ， STEWART D R ， et al . The missing memristor found ［J］. Nature ， 2008 ， 453 （ 7191 ）： 80 - 83 . doi: 10.1038/nature06932 http://dx.doi.org/10.1038/nature06932 The missing memristor found LI H ， WANG S ， ZHANG X ， et al . Memristive crossbar arrays for storage and computing applications ［J］. Advanced Intelligent Systems ， 2021 ， 3 （ 9 ）. doi: 10.1002/aisy.202100017 http://dx.doi.org/10.1002/aisy.202100017 Memristive crossbar arrays for storage and computing applications 温娟 ， 黄鹤鸣 ， 王哲 ， 等 . 基于离子型忆阻器的神经形态系统：从材料、器件到芯片 ［J］. 科学通报 ， 2022 ， 67 （ 11 ）： 1054 - 1071 . 基于离子型忆阻器的神经形态系统：从材料、器件到芯片 WEN J ， HUANG H M ， WANG Z ， et al . Neuromorphic systems based on ionic memristors： From materials， devices， to chips ［J］ Chin Sci Bull ， 2022 ， 67 （ 11 ）： 1054 - 1071 . （in Chinese） Neuromorphic systems based on ionic memristors： From materials， devices， to chips CAO G ， GAO C ， WANG J ， et al . Memristor or based on two-dimensional titanic nanosheets for multi-level storage and information processing ［J］. Nano Research ， 2022 ， 15 （ 9 ）： 8419 - 8427 . doi: 10.1007/s12274-022-4437-9 http://dx.doi.org/10.1007/s12274-022-4437-9 Memristor or based on two-dimensional titanic nanosheets for multi-level storage and information processing MA C ， WANG H ， HAO Y Y ， et al . A novel yellow organic light-emitting device ［J］. Spectroscopy and Spectral Analysis ， 2008 ， 28 （ 7 ）： 1479 - 1482 . A novel yellow organic light-emitting device WANG H ， WU Y ， XU Y ， et al . Vacuum annealing of white-light organic light-emitting devices with polyfluorene copolymer as light-emitting layer ［J］. Asian Journal of Chemistry ， 2014 ， 26 （ 4 ）： 960 - 962 . doi: 10.14233/ajchem.2014.15731 http://dx.doi.org/10.14233/ajchem.2014.15731 Vacuum annealing of white-light organic light-emitting devices with polyfluorene copolymer as light-emitting layer TAO P ， MIAO Y ， WANG H ， et al . High-performance organic electroluminescence： Design from organic light-emitting materials to devices ［J］. Chemical Record ， 2019 ， 19 （ 8 ）： 1531 - 1561 . doi: 10.1002/tcr.201800139 http://dx.doi.org/10.1002/tcr.201800139 High-performance organic electroluminescence： Design from organic light-emitting materials to devices LEI P ， DUAN H ， QIN L ， et al . High-performance memristor based on 2D layered BiOI nanosheet for low-power artificial optoelectronic synapses ［J］. Advanced Functional Materials ， 2022 ， 32 （ 25 ）. doi: 10.1002/adfm.202201276 http://dx.doi.org/10.1002/adfm.202201276 High-performance memristor based on 2D layered BiOI nanosheet for low-power artificial optoelectronic synapses LI S ， M-EPAM ， LI Y ， et al . Wafer-scale 2D hafnium diselenide based memristor crossbar array for energy-efficient neural network hardware ［J］. Advanced Materials ， 2022 ， 34 （ 25 ）. doi: 10.1002/adma.202103376 http://dx.doi.org/10.1002/adma.202103376 Wafer-scale 2D hafnium diselenide based memristor crossbar array for energy-efficient neural network hardware YAN X ， ZHANG L ， CHEN H ， et al . Graphene oxide quantum dots based memristors with progressive conduction tuning for artificial synaptic learning ［J］. Advanced Functional Materials ， 2018 ， 28 （ 40 ）. doi: 10.1002/adfm.201803728 http://dx.doi.org/10.1002/adfm.201803728 Graphene oxide quantum dots based memristors with progressive conduction tuning for artificial synaptic learning CHEN T ， YANG S ， WANG J ， et al . Flexible artificial memristive synapse constructed from solution-processed MgO-graphene oxide quantum dot hybrid films ［J］. Advanced Electronic Materials ， 2021 ， 7 （ 3 ）. doi: 10.1002/aelm.202000882 http://dx.doi.org/10.1002/aelm.202000882 Flexible artificial memristive synapse constructed from solution-processed MgO-graphene oxide quantum dot hybrid films WANG M ， CAI S ， PAN C ， et al . Robust memristors based on layered two-dimensional materials ［J］. Nature Electronics ， 2018 ， 1 （ 2 ）： 130 - 136 . doi: 10.1038/s41928-018-0021-4 http://dx.doi.org/10.1038/s41928-018-0021-4 Robust memristors based on layered two-dimensional materials ZHANG X ， CHEN H ， CHENG S ， et al . Tunable resistive switching in 2D MXene Ti 3 C 2 nanosheets for non-volatile memory and neuromorphic computing ［J］. Acs Applied Materials & Interfaces ， 2022 . doi: 10.1021/acsami.2c14006 http://dx.doi.org/10.1021/acsami.2c14006 Tunable resistive switching in 2D MXene Ti3C2 nanosheets for non-volatile memory and neuromorphic computing WANG C ， HE W ， TONG Y ， et al . Memristive devices with highly repeatable analog states boosted by graphene quantum dots ［J］. Small ， 2017 ， 13 （ 20 ）. doi: 10.1002/smll.201770110 http://dx.doi.org/10.1002/smll.201770110 Memristive devices with highly repeatable analog states boosted by graphene quantum dots KRISHNAPRASAD A ， DEV D ， HAN S S ， et al . MoS 2 synapses with ultra-low variability and their implementation in boolean logic ［J］. Acs Nano ， 2022 ， 16 （ 2 ）： 2866 - 2876 . doi: 10.1021/acsnano.1c09904 http://dx.doi.org/10.1021/acsnano.1c09904 MoS2 synapses with ultra-low variability and their implementation in boolean logic DEV D ， KRISHNAPRASAD A ， SHAWKAT M S ， et al . 2D MoS 2 -based threshold switching memristor for artificial neuron ［J］. Ieee Electron Device Letters ， 2020 ， 41 （ 6 ）： 936 - 939 . doi: 10.1109/led.2020.2988247 http://dx.doi.org/10.1109/led.2020.2988247 2D MoS2-based threshold switching memristor for artificial neuron YU T ， ZHAO Z ， JIANG H ， et al . A low-power memristor based on 2H-MoTe 2 nanosheets with synaptic plasticity and arithmetic functions ［J］. Materials Today Nano ， 2022 ， 19 . doi: 10.1016/j.mtnano.2022.100233 http://dx.doi.org/10.1016/j.mtnano.2022.100233 A low-power memristor based on 2H-MoTe2 nanosheets with synaptic plasticity and arithmetic functions LI Y ， CHEN S ， YU Z ， et al . In-memory computing using memristor arrays with ultrathin 2D PdSeO x /PdSe 2 heterostructure ［J］. Advanced Materials ， 2022 ， 34 （ 26 ）. doi: 10.1002/adma.202201488 http://dx.doi.org/10.1002/adma.202201488 In-memory computing using memristor arrays with ultrathin 2D PdSeOx/PdSe2 heterostructure MAO J-Y ， WU S ， DING G ， et al . A van der waals integrated damage-free memristor based on layered 2D hexagonal boron nitride ［J］. Small ， 2022 ， 18 （ 12 ）. doi: 10.1002/smll.202106253 http://dx.doi.org/10.1002/smll.202106253 A van der waals integrated damage-free memristor based on layered 2D hexagonal boron nitride WANG M ， CAI S ， PAN C ， et al . Robust memristors based on layered two-dimensional materials （vol 1， pg 130， 2018） ［J］. Nature Electronics ， 2018 ， 1 （ 3 ）： 203 - 203 . doi: 10.1038/s41928-018-0044-x http://dx.doi.org/10.1038/s41928-018-0044-x Robust memristors based on layered two-dimensional materials （vol 1， pg 130， 2018） WANG H ， YU T ， ZHAO J ， et al . Low-power memristors based on layered 2D SnSe/graphene materials ［J］. Science China-Materials ， 2021 ， 64 （ 8 ）： 1989 - 1996 . doi: 10.1007/s40843-020-1586-x http://dx.doi.org/10.1007/s40843-020-1586-x Low-power memristors based on layered 2D SnSe/graphene materials LIU F ， YOU L ， SEYLER K L ， et al . Room-temperature ferroelectricity in CuInP 2 S 6 ultrathin flakes ［J］. Nature Communications ， 2016 ， 7 . doi: 10.1038/ncomms12357 http://dx.doi.org/10.1038/ncomms12357 Room-temperature ferroelectricity in CuInP2S6 ultrathin flakes LI B ， LI S ， WANG H ， et al . An electronic synapse based on 2D ferroelectric CuInP 2 S 6 ［J］. Advanced Electronic Materials ， 2020 ， 6 （ 12 ）. doi: 10.1002/aelm.202000760 http://dx.doi.org/10.1002/aelm.202000760 An electronic synapse based on 2D ferroelectric CuInP2S6 ZHAO Y ， PEI Y ， ZHANG Z ， et al . Memristor based on alpha-In 2 Se 3 for emulating biological synaptic plasticity and learning behavior ［J］. Science China-Materials ， 2022 ， 65 （ 6 ）： 1631 - 1638 . doi: 10.1007/s40843-021-1925-x http://dx.doi.org/10.1007/s40843-021-1925-x Memristor based on alpha-In2Se3 for emulating biological synaptic plasticity and learning behavior 杨倩 ， 杜世远 ， 罗榕思 . 高性能超薄In-Ga-Zn-O突触晶体管制备 ［J］. 发光学报 ， 2021 ， 42 （ 02 ）： 250 - 256 . doi: 10.37188/CJL.20200296 http://dx.doi.org/10.37188/CJL.20200296 高性能超薄In-Ga-Zn-O突触晶体管制备 YANG Q ， DU S Y ， LUO R S . Preparation of high performance metal oxide synaptic transistor with ultra-thin channel layer . ［J］ Chinese Journal of Luminescence ， 2021 ， 42 （ 02 ）： 250 - 256 . （in Chinese） . doi: 10.37188/CJL.20200296 http://dx.doi.org/10.37188/CJL.20200296 Preparation of high performance metal oxide synaptic transistor with ultra-thin channel layer WANG L ， WANG X ， ZHANG Y ， et al . Exploring ferroelectric switching in alpha-In（2）Se（3）for neuromorphic computing ［J］. Advanced Functional Materials ， 2020 ， 30 （ 45 ）. doi: 10.1002/adfm.202004609 http://dx.doi.org/10.1002/adfm.202004609 Exploring ferroelectric switching in alpha-In（2）Se（3）for neuromorphic computing CHEN Y ， LI D ， REN H ， et al . Highly linear and symmetric synaptic memtransistors based on polarization switching in two-dimensional ferroelectric semiconductors ［J］. Small ， 2022 ， 18 （ 45 ）. doi: 10.1002/smll.202203611 http://dx.doi.org/10.1002/smll.202203611 Highly linear and symmetric synaptic memtransistors based on polarization switching in two-dimensional ferroelectric semiconductors NI G X ， WANG L ， GOLDFLAM M D ， et al . Ultrafast optical switching of infrared plasmon polaritons in high-mobility graphene ［J］. Nature Photonics ， 2016 ， 10 （ 4 ）： 244 -+. doi: 10.1038/nphoton.2016.45 http://dx.doi.org/10.1038/nphoton.2016.45 Ultrafast optical switching of infrared plasmon polaritons in high-mobility graphene 石墨烯PN结的调制掺杂生长与光电转换器件研究取得进展 ［J］. 中国光学 ， 2013 ， 6 （ 01 ）： 120 - 121 . 石墨烯PN结的调制掺杂生长与光电转换器件研究取得进展 Progress in modulation doped growth of graphene PN junctions and research on photoelectric converter devices ［J］ Chinese Optics ， 2013 ， 6 （ 01 ）： 120 - 121 . （in Chinese） Progress in modulation doped growth of graphene PN junctions and research on photoelectric converter devices FENG Y ， CHEN X ， WU Q ， et al . A method for rapid self-calibration of wearable soft strain sensors ［J］. Ieee Sensors Journal ， 2021 ， 21 （ 18 ）： 20943 - 20950 . doi: 10.1109/jsen.2021.3095875 http://dx.doi.org/10.1109/jsen.2021.3095875 A method for rapid self-calibration of wearable soft strain sensors WANG X ， WEI M ， LI X ， et al . Large-area flexible printed thin-film transistors with semiconducting single-walled carbon nanotubes for NO 2 sensors ［J］. Acs Applied Materials & Interfaces ， 2020 ， 12 （ 46 ）： 51797 - 51807 . doi: 10.1021/acsami.0c13824 http://dx.doi.org/10.1021/acsami.0c13824 Large-area flexible printed thin-film transistors with semiconducting single-walled carbon nanotubes for NO2 sensors DENG J ， LI X ， LI M ， et al . Fabrication and electrical properties of printed three-dimensional integrated carbon nanotube PMOS inverters on flexible substrates ［J］. Nanoscale ， 2022 ， 14 （ 12 ）： 4679 - 4689 . doi: 10.1039/d1nr08056c http://dx.doi.org/10.1039/d1nr08056c Fabrication and electrical properties of printed three-dimensional integrated carbon nanotube PMOS inverters on flexible substrates MAK K F ， LEE C ， HONE J ， et al . Atomically thin MoS 2 ： A new direct-gap semiconductor ［J］. Physical Review Letters ， 2010 ， 105 （ 13 ）. doi: 10.1103/physrevlett.105.136805 http://dx.doi.org/10.1103/physrevlett.105.136805 Atomically thin MoS2： A new direct-gap semiconductor LI L H ， SANTOS E J G ， XING T ， et al . Dielectric screening in atomically thin boron nitride nanosheets ［J］. Nano Letters ， 2015 ， 15 （ 1 ）： 218 - 223 . doi: 10.1021/nl503411a http://dx.doi.org/10.1021/nl503411a Dielectric screening in atomically thin boron nitride nanosheets XU L ， XIONG H ， FU Z ， et al . High conductance margin for efficient neuromorphic computing enabled by stacking nonvolatile van der waals transistors ［J］. Physical Review Applied ， 2021 ， 16 （ 4 ）. doi: 10.1103/physrevapplied.16.044049 http://dx.doi.org/10.1103/physrevapplied.16.044049 High conductance margin for efficient neuromorphic computing enabled by stacking nonvolatile van der waals transistors CAO Y ， MENG J ， LI Q ， et al . An efficient training methodology of hardware neural network based on wafer-scale MoS 2 synaptic array ［J］. Advanced Electronic Materials ， 2022 ， 8 （ 12 ）. doi: 10.1002/aelm.202200909 http://dx.doi.org/10.1002/aelm.202200909 An efficient training methodology of hardware neural network based on wafer-scale MoS2 synaptic array JIN T ， ZHENG Y ， GAO J ， et al . Controlling native oxidation of HfS 2 for 2D materials based flash memory and artificial synapse ［J］. Acs Applied Materials & Interfaces ， 2021 ， 13 （ 8 ）： 10639 - 10649 . doi: 10.1021/acsami.0c22561 http://dx.doi.org/10.1021/acsami.0c22561 Controlling native oxidation of HfS2 for 2D materials based flash memory and artificial synapse LI X ， YANG Y ， CHEN G ， et al . Design and simulation of a novel multi-floating-gate synaptic nanowire transistor for neuromorphic computing ［C］. 14th IEEE International Conference on Solid-State and Integrated Circuit Technology （ICSICT） ， 2018 ： 867 - 869 . doi: 10.1109/icsict.2018.8565016 http://dx.doi.org/10.1109/icsict.2018.8565016 Design and simulation of a novel multi-floating-gate synaptic nanowire transistor for neuromorphic computing SON D ， KOO J H ， SONG J-K ， et al . Stretchable carbon nanotube charge-trap floating-gate memory and logic devices for wearable electronics ［J］. Acs Nano ， 2015 ， 9 （ 5 ）： 5585 - 5593 . doi: 10.1021/acsnano.5b01848 http://dx.doi.org/10.1021/acsnano.5b01848 Stretchable carbon nanotube charge-trap floating-gate memory and logic devices for wearable electronics KIM S ， CHOI B ， LIM M ， et al . Pattern recognition using carbon nanotube synaptic transistors with an adjustable weight update protocol ［J］. Acs Nano ， 2017 ， 11 （ 3 ）： 2814 - 2822 . doi: 10.1021/acsnano.6b07894 http://dx.doi.org/10.1021/acsnano.6b07894 Pattern recognition using carbon nanotube synaptic transistors with an adjustable weight update protocol WANG Y ， LV Z ， CHEN J ， et al . Photonic synapses based on inorganic perovskite quantum dots for neuromorphic computing ［J］. Advanced Materials ， 2018 ， 30 （ 38 ）. doi: 10.1002/adma.201802883 http://dx.doi.org/10.1002/adma.201802883 Photonic synapses based on inorganic perovskite quantum dots for neuromorphic computing TANG J ， HE C ， TANG J ， et al . A reliable all-2D materials artificial synapse for high energy-efficient neuromorphic computing ［J］. Advanced Functional Materials ， 2021 ， 31 （ 27 ）. doi: 10.1002/adfm.202011083 http://dx.doi.org/10.1002/adfm.202011083 A reliable all-2D materials artificial synapse for high energy-efficient neuromorphic computing LIU L ， LIU C ， JIANG L ， et al . Ultrafast non-volatile flash memory based on van der waals heterostructures ［J］. Nature Nanotechnology ， 2021 ， 16 （ 8 ）： 874 -+. doi: 10.1038/s41565-021-00921-4 http://dx.doi.org/10.1038/s41565-021-00921-4 Ultrafast non-volatile flash memory based on van der waals heterostructures LIU L ， SUN Y ， HUANG X ， et al . Ultrafast flash memory with large self-rectifying ratio based on atomically thin MoS 2 -channel transistor ［J］. Materials Futures ， 2022 ， 1 （ 2 ）： 025301 . doi: 10.1088/2752-5724/ac7067 http://dx.doi.org/10.1088/2752-5724/ac7067 Ultrafast flash memory with large self-rectifying ratio based on atomically thin MoS2-channel transistor LIU C ， YAN X ， SONG X ， et al . A semi-floating gate memory based on van der waals heterostructures for quasi-non-volatile applications ［J］. Nature Nanotechnology ， 2018 ， 13 （ 5 ）： 404 -+. doi: 10.1038/s41565-018-0102-6 http://dx.doi.org/10.1038/s41565-018-0102-6 A semi-floating gate memory based on van der waals heterostructures for quasi-non-volatile applications LI J ， LIU L ， CHEN X ， et al . Symmetric ultrafast writing and erasing speeds in quasi-nonvolatile memory via van der waals heterostructures ［J］. Advanced Materials ， 2019 ， 31 （ 11 ）. doi: 10.1002/adma.201808035 http://dx.doi.org/10.1002/adma.201808035 Symmetric ultrafast writing and erasing speeds in quasi-nonvolatile memory via van der waals heterostructures LYU B ， CHOI Y ， JING H ， et al . 2D MXene-TiO 2 core-shell nanosheets as a data-storage medium in memory devices ［J］. Advanced Materials ， 2020 ， 32 （ 17 ）. doi: 10.1002/adma.201907633 http://dx.doi.org/10.1002/adma.201907633 2D MXene-TiO2 core-shell nanosheets as a data-storage medium in memory devices WANG Y ， ZHENG Y ， GAO J ， et al . Band-tailored van der waals heterostructure for multilevel memory and artificial synapse ［J］. Infomat ， 2021 ， 3 （ 8 ）： 917 - 928 . doi: 10.1002/inf2.12230 http://dx.doi.org/10.1002/inf2.12230 Band-tailored van der waals heterostructure for multilevel memory and artificial synapse BU X ， XU H ， SHANG D ， et al . Ion-gated transistor： An enabler for sensing and computing integration ［J］. Advanced Intelligent Systems ， 2020 ， 2 （ 12 ）. doi: 10.1002/aisy.202000156 http://dx.doi.org/10.1002/aisy.202000156 Ion-gated transistor： An enabler for sensing and computing integration KIM K ， CHEN C-L ， QUYEN T ， et al . A carbon nanotube synapse with dynamic logic and learning ［J］. Advanced Materials ， 2013 ， 25 （ 12 ）： 1693 - 1698 . doi: 10.1002/adma.201370080 http://dx.doi.org/10.1002/adma.201370080 A carbon nanotube synapse with dynamic logic and learning XU W ， MIN S-Y ， HWANG H ， et al . Organic core-sheath nanowire artificial synapses with femtojoule energy consumption ［J］. Science Advances ， 2016 ， 2 （ 6 ）. doi: 10.1126/sciadv.1501326 http://dx.doi.org/10.1126/sciadv.1501326 Organic core-sheath nanowire artificial synapses with femtojoule energy consumption CHANG Y ， CONG H ， ZHOU R ， et al . Enhanced artificial synaptic properties enabled by arrays of electrolyte-gated electrospun InZnO nanowires ［J］. Acs Applied Electronic Materials ， 2022 ， 4 （ 5 ）： 2570 - 2579 . doi: 10.1021/acsaelm.2c00326 http://dx.doi.org/10.1021/acsaelm.2c00326 Enhanced artificial synaptic properties enabled by arrays of electrolyte-gated electrospun InZnO nanowires ZHU J ， YANG Y ， JIA R ， et al . Ion gated synaptic transistors based on 2D van der waals crystals with tunable diffusive dynamics ［J］. Advanced Materials ， 2018 ， 30 （ 21 ）. doi: 10.1002/adma.201800195 http://dx.doi.org/10.1002/adma.201800195 Ion gated synaptic transistors based on 2D van der waals crystals with tunable diffusive dynamics ZHU X ， LI D ， LIANG X ， et al . Ionic modulation and ionic coupling effects in MoS 2 devices for neuromorphic computing ［J］. Nature Materials ， 2019 ， 18 （ 2 ）： 141 -+. doi: 10.1038/s41563-018-0248-5 http://dx.doi.org/10.1038/s41563-018-0248-5 Ionic modulation and ionic coupling effects in MoS2 devices for neuromorphic computing WANG Y ， YANG Y ， HE Z ， et al . Laterally coupled 2D MoS 2 synaptic transistor with ion gating ［J］. Ieee Electron Device Letters ， 2020 ， 41 （ 9 ）： 1424 - 1427 . doi: 10.1109/led.2020.3008728 http://dx.doi.org/10.1109/led.2020.3008728 Laterally coupled 2D MoS2 synaptic transistor with ion gating ZHANG L ， LIANG A ， WANG F ， et al . High conductivity update linearity MoS 2 memtransistors array based on lithium-ion modulation ［J］. Advanced Materials Interfaces ， 2022 ， 9 （ 32 ）. doi: 10.1002/admi.202201775 http://dx.doi.org/10.1002/admi.202201775 High conductivity update linearity MoS2 memtransistors array based on lithium-ion modulation MENG J ， WANG T ， ZHU H ， et al . Integrated in-sensor computing optoelectronic device for environment-adaptable artificial retina perception application ［J］. Nano Letters ， 2022 ， 22 （ 1 ）： 81 - 89 . doi: 10.1021/acs.nanolett.1c03240 http://dx.doi.org/10.1021/acs.nanolett.1c03240 Integrated in-sensor computing optoelectronic device for environment-adaptable artificial retina perception application 王洋昊 ， 刘昌 ， 黄如 ， 等 . 神经形态器件研究进展与未来趋势 ［J］. 科学通报 ， 2020 ， 65 （ 10 ）： 904 - 915 . doi: 10.1360/tb-2019-0739 http://dx.doi.org/10.1360/tb-2019-0739 神经形态器件研究进展与未来趋势 WANG Y H ， LIU C ， HUANG R ， et al . Progress and outlook in neuromorphic devices ［J］ Chin Sci Bull ， 2020 ， 65 （ 10 ）： 904 - 915 . （in Chinese） . doi: 10.1360/tb-2019-0739 http://dx.doi.org/10.1360/tb-2019-0739 Progress and outlook in neuromorphic devices LI H ， HU J ， CHEN A ， et al . Single-transistor neuron with excitatory-inhibitory spatiotemporal dynamics applied for neuronal oscillations ［J］. Advanced Materials ， 2022 ， 34 （ 51 ）. doi: 10.1002/adma.202207371 http://dx.doi.org/10.1002/adma.202207371 Single-transistor neuron with excitatory-inhibitory spatiotemporal dynamics applied for neuronal oscillations WAN C J ， ZHU L Q ， LIU Y H ， et al . Proton-conducting graphene oxide-coupled neuron transistors for brain-inspired cognitive systems ［J］. Advanced Materials ， 2016 ， 28 （ 18 ）： 3557 -+. doi: 10.1002/adma.201505898 http://dx.doi.org/10.1002/adma.201505898 Proton-conducting graphene oxide-coupled neuron transistors for brain-inspired cognitive systems 夏风梁 ， 石凯熙 ， 赵东旭 ， 等 . 二维WSe 2 场效应晶体管光电性能 ［J］. 发光学报 ， 2021 ， 42 （ 02 ）： 257 - 263 . doi: 10.37188/cjl.20200374 http://dx.doi.org/10.37188/cjl.20200374 二维WSe2场效应晶体管光电性能 XIA F L ， SHI K X ， ZHAO D X ， et al . Optoelectronic performance of 2D WSe 2 field effect transistors ［J］ Chinese Journal of Luminescence ， 2021 ， 42 （ 02 ）： 257 - 263 . （in Chinese） . doi: 10.37188/cjl.20200374 http://dx.doi.org/10.37188/cjl.20200374 Optoelectronic performance of 2D WSe2 field effect transistors SEO S ， S-HJO ， KIM S ， et al . Artificial optic-neural synapse for colored and color-mixed pattern recognition ［J］. Nature Communications ， 2018 ， 9 . doi: 10.1038/s41467-018-07572-5 http://dx.doi.org/10.1038/s41467-018-07572-5 Artificial optic-neural synapse for colored and color-mixed pattern recognition SUN L ， WANG Z ， JIANG J ， et al . In-sensor reservoir computing for language learning via two-dimensional memristors ［J］. Science Advances ， 2021 ， 7 （ 20 ）. doi: 10.1126/sciadv.abg1455 http://dx.doi.org/10.1126/sciadv.abg1455 In-sensor reservoir computing for language learning via two-dimensional memristors SUN L ， ZHANG Y ， HWANG G ， et al . Synaptic computation enabled by joule heating of single-layered semiconductors for sound localization ［J］. Nano Letters ， 2018 ， 18 （ 5 ）： 3229 - 3234 . doi: 10.1021/acs.nanolett.8b00994 http://dx.doi.org/10.1021/acs.nanolett.8b00994 Synaptic computation enabled by joule heating of single-layered semiconductors for sound localization NI Y ， HAN H ， LIU J ， et al . A fibrous neuromorphic device for multi-level nerve pathways implementing knee jerk reflex and cognitive activities ［J］. Nano Energy ， 2022 ， 104 . doi: 10.1016/j.nanoen.2022.107898 http://dx.doi.org/10.1016/j.nanoen.2022.107898 A fibrous neuromorphic device for multi-level nerve pathways implementing knee jerk reflex and cognitive activities ZHU Q-B ， LI B ， YANG D-D ， et al . A flexible ultrasensitive optoelectronic sensor array for neuromorphic vision systems ［J］. Nature Communications ， 2021 ， 12 （ 1 ）. doi: 10.1038/s41467-021-22047-w http://dx.doi.org/10.1038/s41467-021-22047-w A flexible ultrasensitive optoelectronic sensor array for neuromorphic vision systems CHEN S ， MAHMOODI M R ， SHI Y ， et al . Wafer-scale integration of two-dimensional materials in high-density memristive crossbar arrays for artificial neural networks ［J］. Nature Electronics ， 2020 ， 3 （ 10 ）： 638 - 645 . doi: 10.1038/s41928-020-00473-w http://dx.doi.org/10.1038/s41928-020-00473-w Wafer-scale integration of two-dimensional materials in high-density memristive crossbar arrays for artificial neural networks 胡涛 ， 孙雪茹 ， 金伟民 . 基于神经网络的混沌虹膜相位掩模计算全息加密图像恢复 ［J］. 光学精密工程 ， 2023 ， 31 （ 03 ）： 417 - 428 . doi: 10.37188/OPE.20233103.0417 http://dx.doi.org/10.37188/OPE.20233103.0417 基于神经网络的混沌虹膜相位掩模计算全息加密图像恢复 HU T ， SUN X R ， JIN W M . Neural network-based computational holographic encryption image reconstruction scheme for chaotic iris phase mask . ［J］ Optical and Precision Engineering ， 2023 ， 31 （ 03 ）： 417 - 428 . （in Chinese） . doi: 10.37188/OPE.20233103.0417 http://dx.doi.org/10.37188/OPE.20233103.0417 Neural network-based computational holographic encryption image reconstruction scheme for chaotic iris phase mask DODDA A ， TRAINOR N ， REDWING J M ， et al . All-in-one， bio-inspired， and low-power crypto engines for near-sensor security based on two-dimensional memtransistors ［J］. Nature Communications ， 2022 ， 13 （ 1 ）. doi: 10.1038/s41467-022-31148-z http://dx.doi.org/10.1038/s41467-022-31148-z All-in-one， bio-inspired， and low-power crypto engines for near-sensor security based on two-dimensional memtransistors MA S ， WU T ， CHEN X ， et al . An artificial neural network chip based on two-dimensional semiconductor ［J］. Science Bulletin ， 2022 ， 67 （ 3 ）： 270 - 277 . doi: 10.1016/j.scib.2021.10.005 http://dx.doi.org/10.1016/j.scib.2021.10.005 An artificial neural network chip based on two-dimensional semiconductor KUMAR P ， ZHU K ， GAO X ， et al . Hybrid architecture based on two-dimensional memristor crossbar array and CMOS integrated circuit for edge computing ［J］. Npj 2d Materials and Applications ， 2022 ， 6 （ 1 ）. doi: 10.1038/s41699-021-00284-3 http://dx.doi.org/10.1038/s41699-021-00284-3 Hybrid architecture based on two-dimensional memristor crossbar array and CMOS integrated circuit for edge computing 10.37188/CJL.20230051 O47 A 1000-7032（XXXX）XX-0001-27 刘依婷,万军,邱晨光等.基于低维材料的神经形态器件研究进展[J].发光学报,DOI:10.37188/CJL.20230051 刘依婷,万军,邱晨光等.基于低维材料的神经形态器件研究进展[J].发光学报,DOI:10.37188/CJL.20230051 Liu Yiting,Wan Jun,Qiu Chenguang,et al.Research progress of neuromorphic devices based on low-dimensional materials[J].Chinese Journal of Luminescence,DOI:10.37188/CJL.20230051 Liu Yiting,Wan Jun,Qiu Chenguang,et al.Research progress of neuromorphic devices based on low-dimensional materials[J].Chinese Journal of Luminescence,DOI:10.37188/CJL.20230051 2023-04-06 2023-04-06 发光学报