研究背景
随着大数据分析、人工智能和物联网的快速发展，传统的冯·诺依曼结构计算机已无法满足高速大数据处理的需求。人脑以高速、低功耗、高精度进行并行信息处理，近年来，类脑神经形态计算得到了迅速发展。人脑中有大量的神经元和突触，尖峰信号通过突触从一个神经元传递到另一个神经元，因此，模拟人脑的突触功能对于神经形态计算至关重要。迄今，人工突触器件已经得到了广泛发展，多种突触器件，包括突触忆阻器和突触晶体管，已经成功用于模拟生物突触功能。为了促进类脑神经形态器件的实际应用，应进一步探索新材料和设计新型突触器件。
纳米结构突触器件因其高集成度而得到广泛关注，包括量子点、纳米线和二维材料。纳米线材料具有准一维结构、高纵横比、高载流子迁移率和大比表面积等优势，相比较量子点和二维材料，纳米线更适用于制备高集成度、低功耗突触器件。综述纳米线基突触器件的研究现状，讨论其在神经形态计算中的应用，分析纳米线基突触器件所面临的严峻挑战，有助于促进纳米线基突触器件在神经形态系统中的应用。
工作亮点
本文介绍了纳米线基突触器件的研究现状，包括纳米线基突触忆阻器和纳米线基突触晶体管。目前，纳米线基突触器件已经成功地模拟了多种突触功能，包括短时程促进/短时程抑制、长时程促进/长时程抑制、尖峰时间依赖可塑性等。此外，纳米线基突触器件已被应用于神经形态计算，通过将纳米线基突触器件用于人工神经网络和储备池，成功实现了模式识别和时空模式识别。最后，提出了目前纳米线基突触器件所面临的挑战，包括纳米线和器件的稳定性、功耗、神经形态互连和片上集成等。
图文导读
图1给出了这项工作的研究脉络，首先介绍纳米线基突触器件的研究现状，包括纳米线基突触忆阻器和纳米线基突触晶体管。然后讨论纳米线基突触器件在神经形态计算中的应用，如模式识别、语音识别、图像处理、运动监测等。
1
本工作的研究脉络
纳米线基突触忆阻器已得到广泛研究，并成功模拟多种突触功能，包括短时程促进/短时程抑制、长时程促进/长时程抑制、双脉冲易化/弱化、学习和遗忘行为等，如图2(a-g)所示。此外，通过等离子体处理等方式可显著提高纳米线基突触忆阻器的突触权重，并调节其尖峰时间依赖可塑性，如图2(h-i)所示。为进一步促进纳米线基突触忆阻器的发展，应进一步探索实现增强突触可塑性、高稳定性和低功耗纳米线基突触忆阻器的策略。
2
纳米线基突触忆阻器的阻变行为和多种突触功能
虽然纳米线基突触忆阻器具有低功耗和高集成度的优点，但是在大规模操作忆阻器时通常会存在寄生电流。此外，由于忆阻器的信号传输和学习过程发生在相同的路径上，不利于模仿生物突触。而对于晶体管而言，其存在三个端口，可同时实现信号传输和学习，且沟道电导率可以通过栅极来调节。纳米线基突触晶体管已被广泛研究，如图3(a-e)所示。但是，器件的多功能性受到纯电输入和输出的限制，导致其运行速度和功耗并不理想。为了克服这些缺点，光电突触器件成为了研究重点。基于纳米线的光电突触器件已经模拟了各种突触功能，同时，由于材料性质的不同，可以在纳米线基突触器件中实现光促进和光抑制突触功能，如图3(f-k)。
3
纳米线基突触晶体管用于模拟突触功能
通过人工突触器件模拟人脑的结构和功能，可实现神经形态计算。通过纳米线基突触器件构建人工神经网络，已成功实现了高精度模式识别，如图4(a)所示。此外，通过将纳米线基突触器件用于储备池，可实现储备池计算，识别时空模式信号，如图4(b)。
4
纳米线基突触器件用于模式识别和时空模式识别
除了模式识别，神经形态计算还可以用于图像处理、语音识别和运动监控。然而，目前很少有工作探究纳米线基突触器件在这些领域中的应用，未来应进一步扩展纳米线基突触器件的神经形态应用。
╱ 总结与未来展望 ╱
传统的冯•诺依曼架构计算机已无法满足高速大数据处理的需求，而脑启发神经形态计算具有低功耗、高速和高精度的优点，因此，通过人工突触器件模拟生物突触功能来实现神经形态计算成为打破冯•诺依曼瓶颈的有效策略。纳米线是纳米电子学和光电子学的重要组成部分，纳米线基人工突触器件在脑启发神经形态计算中表现出潜在应用价值。本文研究工作总结并分析了纳米线基突触器件在神经形态计算中的应用。纳米线基突触器件已成功模拟了多种突触功能，包括短时程促进/短时程抑制、长时程促进/长时程抑制、尖峰时间依赖可塑性等。此外，纳米线基突触器件已被应用于神经网络和储备池中，实现了模式识别和时空模式识别。然而，纳米线基突触器件仍然面临着一些挑战，包括纳米线和器件的稳定性、功耗、神经形态互连和片上集成等。
为了促进纳米线基突触器件在神经形态系统中的应用，未来的研究应致力于制备稳定、均一的纳米线突触器件，实现器件突触可塑性的可控调节，拓展纳米线基突触器件在不同神经形态领域中的应用。经过不懈努力，纳米线基突触器件有望应用于未来多功能神经形态系统。
这项工作获得了国家自然科学基金(No. 61974093)、广东省基础与应用基础研究基金(No. 2023A1515012479)、深圳市科技创新委员会(No. RCYX20200714114524157和JCYJ20220818100206013)、台北科技大学与深圳大学学术合作专题研究计划的资助。
作者简介 ✦
周晔
通讯作者
博士，研究员，博士生导师。2013年博士毕业于香港城市大学，现为深圳大学高等研究院研究员，英国物理学会会士，皇家化学会会士，英国工程技术学会会士。主要开展信息存储与传感器件的相关研究工作，在Science，Chem. Rev.，Nat. Electron.，Nat. Commun.，Matter，Adv. Mater.，Appl. Phys. Rev.，Adv. Funct. Mater.，Nano Lett.，IEEE EDL，IEEE TED等期刊发表论文100余篇，被引用8000余次，H-因子49，获授权中国与美国发明专利20余项。
期刊特色｜Unique Features
01
免费开放获取，免除作者出版费
02
快速发表，文章被接收后24h内上线
03
“未来展望”，展示该研究领域前瞻性专家观点
04
自由格式撰写，排版工作由IOPP承担
期 刊 简 介
扫码关注期刊公众号
Materials Futures（《材料展望》， ISSN 2752-5724）创刊于2022年，由松山湖材料实验室与英国物理学会出版社（IOPP）联合出版，入选“2022年度中国科技期刊卓越行动计划高起点新刊”、“2023年度广东省高起点英文新刊项目”，2023年3月成为国际出版伦理委员会 (COPE) 成员，现已被ESCI、Ei、Scopus、Inspec、DOAJ、万方等数据库收录。获得首个影响因子12.0，在全球材料综合类438本期刊中排名第41，位列Q1区。本期刊面向全球开放获取，免收作者版面费 (APC)。期刊致力于打造材料科学领域的高水平综合性期刊，为全球材料领域科学家搭建学术交流与合作平台。刊载范围聚焦结构材料、能源材料、生物材料、纳米材料、量子材料、信息材料、材料理论与计算。
自有出版平台：
http://www.materialsfutures.org/
合作出版平台：
https://iopscience.iop.org/mf
期刊投稿链接：
https://mc04.manuscriptcentral.com/mf-slab
编辑部邮箱：
editorialoffice@materialsfutures.org
