北京航空航天大学ACS Nano：褶皱ReS2在各向异性非易失性存储和多人工神经形态突触中的应用

研究背景

物联网和大数据的快速发展对超高密度非易失性存储器（NVM）技术提出了巨大的需求。然而，随着硅基存储器件小型化到10 nm以下，漏电流和能耗加剧，严重影响存储单元的可靠性。同时，由于存储单元和计算单元的分离，以传统冯·诺依曼架构为主导的计算系统计算速度有限且高能耗。为了充分满足数据存储和处理的需求，开发基于先进材料、器件和架构的存储技术势在必行。近年来，2D材料的出现为NVM器件的蓬勃发展带来了活力。2D材料NVM器件的存储功能主要依赖于可控的载流子俘获/去俘获过程，可通过铁电栅极、浮栅、肖特基势垒、界面或内部缺陷态等实现。然而，最有效的载流子俘获/去俘获机制需要不同材料的多步异质结堆叠，难以与工业兼容。各种缺陷状态形成的载流子俘获中心往往是不稳定的，尽管简化了制造工艺，但可能导致保留容量的下降。此外，大多数现有研究主要集中在各向同性2D材料NVM器件上。这些器件不断遇到与单一内存尺寸和功能相关的挑战。因此，开发一种有效的载流子俘获/去俘获机制，在简化的器件结构中实现多种NVM功能至关重要。

成果介绍

有鉴于此，近日，北京航空航天大学杨圣雪教授，蒋成保教授和司晨副教授（共同通讯作者）等报道了一种褶皱ReS₂晶体管，其中褶皱结构促进了介电界面的载流子俘获/去俘获，从而实现了非易失性存储与电子和光电子突触功能的融合。作为非易失性存储器，在相同的编程操作下，各向异性褶皱ReS₂可以在三个晶体方向上产生三组不同的数据。每一套都展示了卓越的保持和耐久性能。作为神经形态突触，它在电刺激和光刺激下分别实现了高达9位和8位的线性且对称电导状态更新，以及75 fJ和2.5 pJ的超低能耗。基于电子突触的人工神经网络（ANN）对原始手写数字的识别精度达到92.9%。光电突触的各向异性反应和多波长灵敏度使它们能够对包含多种图案特征或颜色信息的复杂图像执行高级记忆和识别功能。这强调了其集成到高效仿生视觉系统的巨大潜力。文章以“Wrinkled Rhenium Disulfide for Anisotropic Nonvolatile Memory and Multiple Artificial Neuromorphic Synapses”为题发表在著名期刊ACS Nano上。    

图文导读

图1. 褶皱ReS₂ FET中增强的载流子俘获。（a）褶皱ReS₂ FET的示意图。（b）在图案化Si/SiO₂衬底上，平坦和褶皱ReS₂的转移曲线比较。（c）在图案化Si/Si₃N₄衬底上的平坦和褶皱ReS₂中增强的迟滞窗口。（d）不同衬底上ReS₂的迟滞窗口统计结果。（e）ReS₂/Si₃N₄界面上电子俘获和去俘获的示意图。（f）Si/Si₃N₄/ReS₂异质结的能带排列，揭示了正向和反向电场下的电子输运和俘获行为。

图1a显示了褶皱ReS₂ FET器件的示意图。机械剥离的ReS₂薄片被转移到具有周期性沟槽阵列的图案化Si/SiO₂衬底上，它自发地弯曲成褶皱ReS₂。为了研究ReS₂褶皱的电输运行为，在同一ReS₂薄片上制备了褶皱沟道和平坦沟道的FET。由于1T' Re链晶体结构的扭曲，机械剥离的ReS₂薄片更容易沿着Re链方向劈裂，通常导致ReS₂的长边为b轴。因此，在OM下的干法转移过程中，通过控制沟槽阵列和ReS₂薄片的方向，制备了几个沟道沿ReS₂薄片长边缘的FET。图1b显示了褶皱的和平坦ReS₂的转移曲线。褶皱和平坦ReS₂均表现出典型的n型行为，其开关比大于10⁷，电子迁移率分别为25.3和84.2 cm² V^-1 s^-1。褶皱ReS₂中迁移率的降低可归因于界面处电荷散射的增强。在褶皱ReS₂中观察到明显的迟滞，其迟滞窗口高达107 V。在V_g=0时提取的开关比也超过10⁶，而平坦ReS₂ FET仅表现出较小的迟滞和开关比，表明巨大的迟滞行为与褶皱结构有关。然后，对比其他四种ReS₂ FET的转移曲线，发现褶皱ReS₂的迟滞窗口和开关比（V_g=0 V时）远高于平坦ReS₂，进一步证实了褶皱ReS₂大迟滞的可靠性。由于hBN的非悬键特性使得ReS₂/hBN界面上不存在缺陷，推测较大的迟滞窗口可能与褶皱ReS₂和SiO₂介电层之间的界面缺陷有关。然后，将SiO₂介电层替换为表面缺陷较多的Si₃N₄，无论是平坦ReS₂还是褶皱ReS₂，其迟滞窗口都明显增大（图1c）。其他器件的统计结果也表明，在Si₃N₄上褶皱ReS₂ FET具有比在SiO₂上更大的迟滞窗口（图1d）。因此，ReS₂与介电层之间的界面缺陷导致了较大的迟滞窗口，褶皱结构进一步极大地增强了界面缺陷。由于俘获/去俘获时间的广泛分布，界面缺陷可以导致由栅极电压扫描速率调制的可调迟滞窗口。外电场作用下界面缺陷处载流子俘获机制如图1e所示。在对褶皱ReS₂ FET施加正栅极电压后，能垒减小（图1f）。沟道中的电子向界面移动，随后被界面缺陷俘获，导致低电导状态。相反，负电压提高了能垒，它驱动被俘获的电子从缺陷中释放出来并迁移回ReS₂沟道，对应于高电导状态。    

图2. 褶皱ReS₂ FET的各向异性非易失性存储。（a）沿b轴，a轴和b⊥方向的褶皱ReS₂的转移曲线。（b）在不同范围内扫描背栅电压时，褶皱b轴ReS₂的转移曲线。（c）开关比和迟滞窗口随褶皱b轴ReS₂栅极电压扫描范围的变化。（d）栅极电压脉冲调制的褶皱ReS₂ FET的多电平存储特性。（e）各向异性褶皱ReS₂ FET在擦除和编程后的保留特性。（f）连续施加1000次正负电压脉冲，各向异性褶皱ReS₂ FET的耐久能力。    

褶皱ReS₂的大迟滞窗口表明其在构建非易失性存储器件方面的潜力。同时，层状ReS₂由于其独特的1T' Re链扭曲结构而表现出很强的面内电各向异性。褶皱ReS₂的大迟滞窗口和本征电各向异性的收敛有助于各向异性非易失性存储器件的制备。图2a的插图显示了褶皱ReS₂ FET的OM图像，其沟道沿b轴，a轴和b⊥轴取向，其中晶体取向由角分辨偏振拉曼光谱（ARPRS）识别。值得注意的是，这三个沟道被绘制成相同的矩形形状，以消除边缘效应引起的测量误差。通过扫描栅极电压在±80 V范围内的变化，研究了三个沟道方向褶皱ReS₂器件的迟滞特性。可以看出，沿各沟道方向的转移曲线呈现出较大的迟滞窗口，器件处于导通状态时，迟滞回线不相交（图2a）。此外，沿b轴的导通电流分别比沿a轴和b⊥轴的高1.8倍和2.4倍，进一步突出了褶皱ReS₂的方向敏感多电平存储功能。这种行为可以归因于ReS₂的Re链结构，该结构诱导了强的面内各向异性，从而导致了优越的沿b轴性能。此外，褶皱ReS₂的迟滞窗口和开关比也可以通过背栅电压的扫描范围进行调制。当背栅电压从±10 V扫描到±80 V时，沿b轴沟道的迟滞窗口和开关比分别从5.0 V和1.8增加到96.9 V和2×10⁶（图2c）。有效的栅极可控性进一步证明了褶皱ReS₂在逻辑存储器件中的应用潜力。

然后，本文研究了褶皱ReS₂编程和擦除状态的保留和耐久能力，这对非易失性存储器具有重要意义。在幅值为+80 V、宽度为6 s的栅极电压脉冲作用下，褶皱ReS₂可以被编程为关断状态，即使在去除脉冲4000 s后，关断电流仍保持稳定（图2d）。此外，通过对幅值为-10 V至-80 V、宽度为2 s的负栅极电压脉冲进行擦除操作，可以将褶皱ReS₂配置为多电平导通状态。导通电流大约在10^-7 A和10^-5 A之间变化。相邻状态之间没有泄漏或串扰，且每个状态都表现出优异的保留性能，从而突出了褶皱ReS₂的多级存储能力。更重要的是，ReS₂的面内电各向异性提供了晶体取向的自由，从而进一步增强了褶皱ReS₂的存储容量。如图2d所示，使用脉冲幅度为+80 V，宽度为6 s的编程操作，可以将三个不同方向的器件编程为相同的关断状态。然而，经过相同的擦除操作（-80 V，2 s），它们保持在三种不同的导通状态，没有任何串扰，这种现象依赖于晶体方向。也就是说，单个擦除操作可以产生三组数据，这证明了在不同数据存储级别上实现各向异性内存的能力。在4×10³ s之后，在导通状态和关断状态都没有观察到明显的衰减，并且沿b轴、a轴和b⊥轴的导通比分别保持在10³、5×10²和3×10²，从而证明了各向异性褶皱ReS₂存储器的可靠保留特性。各向异性存储还表现出极好的循环耐久性能。图2d显示了在顺序执行编程（+80 V，1 s）和擦除（-80 V，1 s）脉冲周期中V_g=0 V时的读取电流。器件可以在导通和关断状态之间切换，同时沿三个晶体方向呈现相同的关断电流和各向异性的导通电流。开/关比始终保持约10⁵的值，表明在10³个开关周期内没有明显的退化或串扰。这强调了褶皱ReS₂中各向异性存储的鲁棒性和稳定性。尽管与铁电栅极存储器和浮栅存储器相比，褶皱ReS₂在保留时间和开关周期方面有改善的潜力，但主要是由于缺陷机制对电荷俘获能力的限制，它们的保留和持久性能超过了平均水平。    

图3. 褶皱各向异性ReS₂ FET的电子突触功能。（a）人工突触的示意图。（b）不同幅值栅极电压脉冲刺激的兴奋和抑制行为。（c）通过改变脉冲宽度实现STP和LTP行为的转变。（d&e）16个连续负和正电压脉冲刺激下褶皱b轴和a轴ReS₂突触的长时程增强和抑制行为。（f&g）在长时程增强和抑制过程中观察到褶皱b轴和a轴ReS₂突触的512种可区分电导状态。（h）去除512个连续脉冲后褶皱ReS₂的保留能力。（i）2D材料电子突触的电导状态和能耗统计结果。

考虑到褶皱ReS₂ FET的非易失性存储行为的特点，它可以进一步编程为模拟生物神经功能的人工突触。在生物神经系统中，突触前神经元受外界刺激后释放兴奋性或抑制性神经递质，通过突触传递给突触后神经元，使其兴奋或抑制。    

在基于褶皱ReS₂ FET的人工突触中，栅极电压信号作为突触前神经元的刺激，源漏电流的变化对应于突触后兴奋或抑制（图3a）。这样，褶皱ReS₂突触中的沟道电导代表连接前神经元和后神经元的突触权重。图3显示了不同栅极电压脉冲作用下褶皱ReS₂突触沿b轴和a轴的突触后电流（PSC）。施加负电压脉冲后，PSC迅速增加，随后衰减到高于初始状态的新的稳定状态。这种行为符合典型的兴奋性PSC特征。相反，正电压脉冲抑制PSC活性。此外，褶皱ReS₂的突触权重可以通过调节栅极电压脉冲的幅度和宽度来调节（图3c和d）。这进一步强调了它在前神经元和后神经元之间的生物突触中模拟信息传递过程的能力。随着脉冲电压的幅度或宽度增加，PSC的变化（ΔPSC）也相应增加，表明非易失性存储的增强。因此，PSC需要更长的时间才能恢复到初始状态，这意味着记忆行为从短时程记忆（STM）向长时程记忆（LTM）的转变。这种现象可以归因于观察到，更大或更长的脉冲刺激可以促使更多的电子经历俘获和去俘获过程。此外，生物大脑可以通过多个重复的学习途径将STM转化为LTM，这也可以在褶皱ReS₂突触中实现。图3d显示了当施加16个连续电压脉冲时，PSC的动态变化。每次刺激后PSC达到新的非易失性状态，兴奋性或抑制性PSC随着脉冲数增加逐渐积累，形成LTM行为。兴奋性PSC的响应表现出显著的各向异性特征，在连续16次负电压脉冲刺激后，沿b轴和a轴沟道ΔPSC分别为24.48和8.57 nA（图3d和e）。然而，无论沟道方向如何，抑制PSC的相应变化分别为38.66 nA和42.02 nA。也就是说，依赖于方向的多维电导状态是通过写入操作产生的，并且可以以相同的趋势被擦除。因此，各向异性的引入进一步丰富了电导状态，使其能够在单一外部刺激下产生多维响应，从而说明其功能类似于生物大脑的轴突多突触结构。    

对于人工突触，多能级电导状态的线性更新和超低能耗对高效的神经形态计算具有重要意义。如图3f和g所示，褶皱ReS₂突触在512个栅极电压脉冲中保持理想的线性更新和可区分的电导状态，ΔPSC沿b轴和a轴分别达到392 nA和193 nA。结果表明，在各向异性褶皱ReS₂突触的每个方向上都可以实现高达9位的多电平电导状态。此外，在10³ s后，兴奋性和抑制性PSC均未观察到明显的衰减，这表明褶皱ReS₂突触具有突出的保留能力和非易失性特征（图3h）。单次兴奋和抑制行为的最小能量消耗分别约为70和225 fJ。褶皱ReS₂电子突触，其高密度线性电导状态高达9位，超低能耗接近生物突触，在2D材料人工突触中占据领先地位（图3i）。因此，它们显示出开发高效神经形态计算系统的巨大希望。

图4. 基于褶皱各向异性ReS₂突触的手写数字识别神经形态计算。（a&b）施加256个栅极电压脉冲测量的褶皱b轴和a轴ReS₂突触的长时程增强和抑制曲线。（c）1280脉冲连续作用下b轴和a轴褶皱ReS₂突触沟道电导的周期变化。（d）用于手写体数字识别的三层神经网络示意图。（e&f）褶皱b轴和a轴ReS₂突触的数字识别结果混淆矩阵。（g）褶皱b轴和a轴ReS₂突触训练时间对识别精度的影响。    

为了进一步评估褶皱ReS₂突触在神经网络训练中的潜力，通过连续施加负和正电压脉冲来研究长时程增强和抑制行为。施加到b轴和a轴褶皱ReS₂的正和负脉冲的数量已经减少到128个，以实现电导状态的更线性更新。相应的长时程增强和抑制曲线分别如图4a和b所示。人工神经网络的识别精度取决于多种因素，包括线性和对称的电导更新、大的动态范围（最大与最小电导之比，G_max/G_min）、足够数量的电导状态以及小的周期间性能变化。此外，突触在多个周期内的稳定性对于提高神经网络的识别精度至关重要。图4c显示了在1280个脉冲刺激下，b轴和a轴褶皱ReS₂在5个增强和抑制周期中的沟道电导变化。周期间差异较小，拟合的周期间变异值小于0.016，进一步证实了褶皱ReS₂电子突触的稳定性。考虑到褶皱ReS₂电子突触的优越性能，本文使用人工神经网络来识别来自修改后的MNIST数据集的手写数字图像。ANN由三层组成，其中输入层784个神经元（相当于手写图像中的28×28像素），隐藏层100个神经元，输出层10个神经元（对应数字0~9），如图4d所示。所有神经元通过784×100×10突触权重完全连接，代表褶皱ReS₂突触长时程增强和下降曲线中的沟道电导。在训练过程中，通过反向传播算法逐步更新突触权重值。神经网络利用包含60000张图像的数据集进行训练。随后，使用包含10000张图像的测试集评估图像识别的有效性。图4e和f为手写体数字识别的混淆矩阵，其中对角线元素的平均值约为92.6和93.9%，具有很好的识别精度。经过100次训练后，b轴和a轴突触的识别准确率都达到了92.9%的最大值，这表明各向异性褶皱ReS₂电子突触在所有晶体方向上都表现出优越的识别能力（图4g）。    

图5. 褶皱ReS₂ FET的光电突触功能。（a）光照前后褶皱ReS₂的转移曲线。（b）光脉冲刺激下的兴奋性PSC响应。（c）不同功率光脉冲刺激的褶皱ReS₂的兴奋性PSC。（d）ΔPSC与光功率的关系。（e）通过调节光脉冲数(N)实现从STM到LTM的转变。（f）b轴和a轴褶皱ReS₂的各向异性兴奋性PSC响应。（g）各向异性褶皱ReS₂光电突触对“花”和“叶”图案的图像记忆和识别示意图。

除了响应电刺激外，ReS₂的本征光电性质使其褶皱结构具有非易失性光电突触的功能。图5a为波长为473 nm、功率为180 mW/cm²的光照射前后褶皱ReS₂的转移曲线。阈值电压在光照1 min后呈现显著的负移，在灭光5 min后保持不变。相反，在去光后，平坦ReS₂ FET的阈值电压逐渐恢复到初始状态。因此，ReS₂的褶皱结构主导了非易失性持久光电导率（PPC）行为，这是构建集成感知和记忆功能的光电突触的重要特征。在光电突触场景中，光脉冲被认为是突触前刺激，触发的光电流对应于突触后反应。首先，通过施加正栅极电压脉冲（+80 V，3 s）将褶皱ReS₂突触编程到相对较低的电导状态（约3 nA），这有助于在光信号的刺激下获得较大的动态范围。在V_g=0 V和V_ds=0.1 V下进行光电突触的后续激发和响应。如图5b所示，在施加47 3nm，100 ms，0.1 mW/cm²的光脉冲后，PSC迅速上升，然后逐渐延迟到一个新的平衡状态，表现出典型的激发PSC行为。这可以归因于光生载流子的快速生成或复合以及界面缺陷处俘获电子的缓慢释放。兴奋性PSC的衰减过程包括两种机制：由带间跃迁引起的超快光生载流子复合和界面缺陷引起的较慢的电子去俘获。

与生物视觉系统能够感知和记忆携带强度信息的光信号类似，褶皱ReS₂光电突触也表现出受光功率调节的突触可塑性。不同功率光脉冲下的激发性PSC响应如图5c所示，每种光脉冲最终稳定在比初始水平更高的电导状态，证明了非易失性光电存储器的形成。非易失光电流与脉冲光功率之间的关系可以分为两个区域：功率低于15 mW/cm²时的功率定律依赖区域（ΔPSC~P^0.54）和线性区域（ΔPSC~P^1.0），如图5d所示。更多的光生载流子可以被更高光强度的界面缺陷俘获，导致更慢的衰减和更明显的PSC变化。从STM到LTM的转变也可以通过增加光脉冲的数量来实现，类似于生物视觉系统中通过持续的视觉刺激来增强记忆行为。当光脉冲从8增加到128时，激发性PSC显著增加，去除脉冲后衰减变慢，这意味着LTM行为的形成（图5e）。有趣的是，由于ReS₂的光学和电学各向异性，褶皱ReS₂光电突触表现出方向依赖特征。如图5f所示，单光脉冲作用下，b轴和a轴褶皱ReS₂的PSC分别为4.27和3.52 nA，各向异性比为1.21。随着光脉冲增加，b轴和a轴褶皱ReS₂的PSC差值增大，连续128个光脉冲后PSC分别达到83.29 nA和29.41 nA，各向异性比上升到2.83。各向异性响应增强了褶皱ReS₂光电突触模拟识别和记忆具有不同模式特征的图像的能力。然后，在9×9像素阵列上演示各向异性褶皱ReS₂光电突触的图像记忆和识别功能，其中b轴和a轴褶皱ReS₂的PSC分别写入“花”和“叶”图案（图5g）。在单一脉冲刺激下，这两种图案很难从背景中区分出来。在更多的光脉冲后，PSC逐渐增加，“花”和“叶”的轮廓更加清晰，显示出图像记忆的能力。同时，由于PSC的各向异性响应，“花”和“叶”图案的对比度增强，从而使两种图案之间的区分更加清晰，从而实现生物视觉系统中的图像识别功能。此外，得益于褶皱ReS₂的非易失性PSC，在500 s的遗忘时间后，图像仍然可识别，进一步凸显了其在构建图像识别和记忆的人工视觉系统中的潜力。因此，利用褶皱2D材料的各向异性特性来促进多维突触反应，可以开发出能够模拟生物神经系统复杂功能的复杂光电器件。    

图6. 基于褶皱ReS₂光电突触的仿生视觉功能。（a）256个连续波长为473 nm的光脉冲下的多电平线性PSC响应。（b）用连续128个光脉冲和160个正栅极电压脉冲模拟长期兴奋和抑制曲线。（c）5个兴奋和抑制过程周期下沟道电导的周期变化。（d）不同波长光脉冲刺激下褶皱ReS₂的兴奋性PSC。（e）不同波长光脉冲刺激下ΔPSC与光功率的关系。（f）去除128个不同波长连续光脉冲1000 s后褶皱b轴ReS₂光电突触的保留能力。（g）基于褶皱ReS₂的仿生视觉示意图。（h）降噪预处理前后MNIST数据集识别精度的演变。

多电平线性电导状态是实现高效神经形态计算的关键。因此，256个连续的光脉冲被施加到褶皱ReS₂突触，以评估其多位存储容量。如图6a所示，在波长为473 nm的光刺激下，PSC呈现出从3 nA到133 nA的线性更新，并且每种电导状态是可区分的。图6b和c分别显示了光和电信号协同刺激下单周期和五个周期的长时程增强和抑制行为。因此，褶皱ReS₂光电突触可以集成光电信号，在实现更高识别精度和效率的神经形态计算方面显示出巨大的潜力。除了在单一波长的光刺激下具有记忆和识别功能外，褶皱ReS₂还表现出显著的多波长敏感性，能够完成更复杂的视觉信息处理任务。如图6d所示，在三种不同波长（473，532和633 nm）光脉冲的刺激下，EPSC经历了相同的快速上升和缓慢下降过程，最终稳定在不同的非易失性电导状态。当光的波长从633 nm变化到473 nm时，由于光子能量越高，光吸收越强，PSC变化增加了5倍。对蓝光的高灵敏度表明褶皱ReS₂可以提取蓝色视觉信息并过滤其他颜色。ΔPSC在所有波长刺激下都表现出一致的光功率依赖性，在15 mW/cm²阈值以上呈线性变化（图6e），这对于实现光电突触的可控光编程具有重要意义。经过256个波长为473、633和808 nm的连续光脉冲后，PSC分别达到133、41和12 nA，并非易失性状态保持10³ s（图6f）。    

最后，本文构建了基于褶皱ReS₂光电突触的仿生视觉系统。人类的视觉系统本质上是一个感觉-记忆-处理系统，视网膜接收视觉信息，这些信息首先经过无突细胞和神经节的预处理，突出特征信息，然后传递给视觉皮层，最终进行图像识别。同样，仿生视觉系统包含两部分：用于预处理图像信息的神经形态视觉传感器阵列和用于执行训练和识别任务的人工神经网络（图6e）。为了证明提取蓝色信息和降低其他颜色噪声的能力，在MNIST数据集中将红色和绿色高斯噪声信号添加到图像中。然后，将带噪声信号的实景图像转换成红(R)、绿(G)、蓝(B)三个分量，根据光功率与ΔPSC的线性变化关系，将RGB值进一步编码为对应的ΔPSC。由于褶皱ReS₂对蓝光的高灵敏度，将RGB值转换为ΔPSC后，可以提取蓝色数字信息，滤除红绿噪声，从而实现降噪预处理。随后，将预处理后的图像输入到三层神经网络中进行图像训练和识别，并通过连续光编程和电擦除的突触权值实现神经网络的完全连接。ANN的训练和识别过程与褶皱ReS₂电子突触相同。经过降噪预处理后，神经网络在MINST数据集上的识别精度从87.47%提高到91.08%，收敛速度更快（图6f）。本文成功证明了褶皱ReS₂光电突触有效提取蓝光信息和降低周围噪声的能力，在模拟生物视觉系统功能方面具有广阔的前景。    

总结与展望

本文报道了一种利用ReS₂褶皱结构实现电和光调制记忆和突触功能的策略。褶皱ReS₂是通过将ReS₂薄片转移到预图案化的Si/Si₃N₄衬底上得到的，其中ReS₂和Si₃N₄之间增强的界面缺陷有助于可控的载流子俘获/去俘获，从而实现非易失性行为。ReS₂的电各向异性进一步促进了褶皱ReS₂存储和突触中方向依赖的多层次存储。作为一种非易失性存储器，褶皱ReS₂具有100 V的大迟滞窗口，接近10³的高编程/擦除比，以及4×10³ s和10³个周期的优异保留和耐久性。此外，它可以被编程成一个人工突触，允许理想的线性权重更新和在电和光信号刺激下的微小周期变化。作为一种电子突触，它表现出高达9位的多电平电导状态，对手写数字的识别精度达到92.9%。作为一种光电突触，由于其各向异性响应和多波长敏感性，它能够模拟复杂的生物视觉系统，集图像感知、记忆、预处理和识别功能于一体。本文的工作为在简单的器件配置中建立有效的神经形态系统提供了一种实用的策略。    

文献信息

Wrinkled Rhenium Disulfide for Anisotropic Nonvolatile Memory and Multiple Artificial Neuromorphic Synapses

（ACS Nano, 2024, DOI:10.1021/acsnano.4c11898）

文献链接：https://pubs.acs.org/doi/10.1021/acsnano.4c11898    

上海昂维科技有限公司现提供二维材料单晶和薄膜等耗材，器件和光刻掩膜版定制等微纳加工服务，以及各种测试分析，欢迎各位老师和同学咨询，竭诚做好每一份服务。