用于超低功耗神经形态突触和内存逻辑运算的铁电调制非对称范德华异质结构
Ferroelectricity-modulated asymmetric van der Waals heterostructure for ultralow-power neuromorphic synapse and logic-in-memory operations
1. 领域背景与文献
发表期刊：Nature Communications；影响因子：17.6（2025年）；研究领域：材料科学-二维材料与神经形态计算交叉领域
近年来，物联网与人工智能的快速发展对终端设备的数据处理能力提出了极高要求，传统冯·诺依曼架构因内存与计算单元分离，面临“内存墙”瓶颈与高功耗问题，难以满足大规模感知数据的高效处理需求。受生物系统高效低功耗的感知与信息处理机制启发，集传感、存储、计算于一体的神经形态器件成为突破传统架构限制的核心方向。二维层状材料因独特的光电特性、原子级厚度与优异的集成潜力，成为构建下一代光电器件的理想平台，基于二维异质结的存内逻辑器件、光电探测器、光子突触器件等相继被报道，分别在高速信息处理、人工视觉感知、传感计算集成等领域展现出应用潜力。然而，当前多数器件仅具备单一功能，将多种功能集成于单个器件仍面临巨大挑战，限制了神经形态系统的小型化与低功耗化发展。针对这一问题，本文提出利用二维铁电材料的本征极化特性实现器件功能调控，构建了兼具五种布尔逻辑运算、宽光谱光电突触与光电探测功能的超低功耗集成器件，为下一代低功耗智能硬件提供了新的设计策略。
2. 文献综述解析
本文综述部分围绕神经形态计算领域的二维材料器件研究展开，按功能维度将现有研究分为存内逻辑计算器件、光电探测器件与光子突触器件三类，系统梳理了各类器件的技术优势与未解决问题。
存内逻辑计算器件基于二维异质结的能带调控特性，可实现高速高精度的信息处理，但多数器件仅支持单一逻辑功能，且难以与传感、突触功能集成；光电探测器件可模拟人工视觉感知，在目标识别与成像领域应用广泛，但缺乏突触可塑性与逻辑运算能力；光子突触器件可直接将光信号转换为突触权重更新，为传感计算集成提供了可行方案，但通常仅具备单一突触功能，且功耗水平仍有优化空间。现有研究的核心局限在于难以在单个器件中实现多功能集成，同时兼顾超低功耗与高稳定性，这也成为制约神经形态系统向小型化、智能化发展的关键瓶颈。本文通过引入二维铁电材料In₂Se₃的极化调制机制，结合MoS₂的缺陷工程，首次实现了兼具五种可重构布尔逻辑门、宽光谱双模光电功能的集成器件，突破了现有单一功能器件的局限，同时将突触事件功耗降至生物突触水平，为多功能神经形态器件的设计提供了新范式。
3. 研究思路总结与详细解析
本文的研究目标是构建一种结构简单、功能丰富、超低功耗的多功能集成神经形态器件，核心科学问题是如何利用二维铁电材料的极化特性调控异质结能带结构，实现多功能的动态切换与稳定运行，技术路线遵循“器件设计与制备→结构与性能表征→功能仿真与验证→系统应用演示”的闭环逻辑。
3.1 器件制备与结构表征
实验目的：构建In₂Se₃/MoOₓ/MoS₂/Gra异质结器件，并对其微观结构、组分与铁电特性进行系统表征，验证器件的层状结构与铁电调制可行性。
方法细节：通过机械剥离法从块体晶体中获取石墨烯、MoS₂与In₂Se₃纳米片，将石墨烯与MoS₂依次转移至SiO₂/Si衬底，经300℃退火2小时引入可控缺陷以稳定忆阻特性，随后转移In₂Se₃层，最后通过热蒸发制备Cr/Au电极。采用原子力显微镜（AFM）、透射电子显微镜（TEM）、能量色散光谱（EDS）、拉曼光谱、X射线光电子能谱（XPS）与压电响应力显微镜（PFM）对器件进行表征，同时通过密度泛函理论（DFT）计算分析异质结的能带结构。
结果解读：AFM测量显示石墨烯、MoS₂与In₂Se₃的厚度分别约为16 nm、27 nm与46 nm；TEM与EDS映射清晰展示了器件的层状结构与界面元素分布；拉曼光谱检测到MoS₂的E₂g与A₁g特征峰，以及α-In₂Se₃的A₁(LO+TO)、A₁(TO)与A₁(LO)振动模式，与已有报道一致；XPS光谱证实退火后MoS₂中存在MoOₓ相，且MoOₓ与MoS₂之间的不饱和键促进了界面硫空位的形成；PFM测试显示厚度约46 nm的In₂Se₃纳米片具有约-2 V与+1.5 V的矫顽场，自发铁电畴的存在进一步证实了其强铁电性；DFT计算表明MoS₂/In₂Se₃为II型能带排列，且MoS₂的缺陷诱导杂质能级对能带结构具有显著影响，为后续的极化调制提供了理论依据。
产品关联：实验所用关键产品：Bruker Icon原子力显微镜、Thermo Scientific Kα+ X射线光电子能谱仪、Vienna Ab initio Simulation Package（VASP）计算软件。
3.2 电学性能与突触行为测试
实验目的：验证器件的忆阻特性与突触可塑性，评估其在神经形态计算中的电学性能与能量效率。
方法细节：采用Keithley B1500A半导体参数分析仪测试器件在0至+1 V与0至-1 V电压扫描下的滞回曲线，通过±3 V脉冲调制测试高低阻态的保持特性与循环稳定性，施加不同强度、宽度与间隔的电脉冲模拟生物突触的兴奋、抑制与脉冲成对易化（PPF）行为，并计算突触事件的能量消耗。
结果解读：退火后的器件显示出稳定的忆阻窗口，未退火器件的忆阻窗口可忽略，证实了缺陷工程对忆阻特性的调控作用；器件的高低阻态可稳定保持5000秒以上，且经过3000次连续开关循环后仍保持稳定；电脉冲刺激下，器件成功模拟了生物突触的兴奋与抑制功能，PPF指数随脉冲间隔增加快速衰减并趋于稳定，与生物突触的时间动态特性高度相似；不同强度与宽度的电脉冲均可调控器件的突触可塑性，在1 mV工作电压下，单个电突触事件的能耗低至0.03 fJ，与生物突触的能耗范围（1-10 fJ）一致，且在近年报道的同类器件中具有显著的能耗优势。
产品关联：实验所用关键产品：Keithley B1500A半导体参数分析仪。
3.3 布尔逻辑门功能仿真
实验目的：基于器件的铁电极化切换特性，实现五种可重构布尔逻辑门（AND、OR、NOT、NOR、NAND）的动态仿真，并验证其稳定性。
方法细节：通过施加不同极性的电脉冲（+3 V与-3 V）切换In₂Se₃的铁电极化状态，调控异质结的界面能带排列，使器件呈现正负两种电导响应；通过配置不同的读取电压（Vread），利用正负电导响应的竞争关系，分别实现五种布尔逻辑运算，并测试逻辑输出的循环稳定性、温度稳定性与器件一致性。
结果解读：+3 V与-3 V脉冲可诱导In₂Se₃形成Pout与Pin两种稳定极化状态，分别对应器件的正负电导响应；在负读取电压下，通过调控正负电导的竞争关系，成功实现OR与AND逻辑门，其中OR门在单个输入为“1”时输出“1”，AND门仅在两个输入均为“1”时输出“1”；在正读取电压下，实现NOT、NOR与NAND逻辑门，NOT门实现输入输出的反转，NOR与NAND门则基于多输入的竞争关系实现对应逻辑功能；器件的逻辑输出在5000次循环测试中保持一致，且在10-300 K的宽温度范围与不同偏置电压下均表现出稳定的输出，验证了其在复杂环境下的高稳定性。
产品关联：实验所用关键产品：Keithley B1500A半导体参数分析仪、信号发生器（用于脉冲调制）。
3.4 光学性能与双模功能验证
实验目的：验证器件的宽光谱光电响应特性，实现光电探测与光电突触功能的动态切换，并评估其光学突触性能与能耗。
方法细节：在0 V偏置下测试器件在375-808 nm宽光谱范围内的光电探测性能，计算响应度与比探测率；在0.1 V偏置下，通过不同频率、强度与宽度的激光脉冲刺激，测试器件的光电突触可塑性，包括脉冲成对易化、电导态调控与能耗计算，并模拟巴甫洛夫条件反射与单像素双波段成像。
结果解读：在0 V偏置的光电探测模式下，器件的暗电流被抑制至亚飞安水平，在375 nm激光激发下，响应度达89.3 mA/W，比探测率达1.4×10¹¹ Jones；在0.1 V偏置的光电突触模式下，器件表现出频率依赖的可塑性，脉冲频率增加时，电导响应从短期增强（STP）转变为长期增强（LTP），PPF指数的衰减趋势与生物突触高度相似；器件可实现超过128（7-bit）的连续可调电导态，单个光突触事件的能耗低至0.37 fJ；此外，器件成功模拟了经典巴甫洛夫条件反射与单像素双波段（可见光至近红外）成像，验证了其在人工视觉与神经形态系统中的应用潜力。
产品关联：实验所用关键产品：Keithley B1500A半导体参数分析仪、375-808 nm激光源、功率计。
3.5 高精度图像识别系统构建
实验目的：基于器件的光电突触与逻辑门功能，构建集成化的图像识别系统，验证其在复杂图像处理中的性能优势。
方法细节：构建融合光电突触层与五种可重构逻辑门的混合计算系统，其中光电突触层初步提取图像的轮廓与纹理特征，五种逻辑门（OR、AND、NOT、NAND、NOR）分别通过不同的卷积与注意力机制进行差异化特征增强，最后通过智能特征融合模块整合特征并输入分类器；在CIFAR-10数据集上测试系统的图像识别精度，并与单一光电突触层的性能进行对比。
结果解读：混合计算系统中，OR门提取目标整体轮廓，AND门增强局部细节，NOT门抑制背景干扰，NAND门实现鲁棒特征表示，NOR门聚焦核心目标区域，经特征融合后形成的统一特征具有更强的判别能力；在CIFAR-10数据集上，经过100个训练周期后，混合系统的识别精度达97.28%，显著高于单一光电突触层的91.56%，证实了逻辑门与光电突触协同处理的性能优势。
产品关联：实验所用关键产品：图像识别算法平台（基于Python与深度学习框架构建）。
4. Biomarker研究及发现成果
本文属于材料科学与神经形态计算交叉领域的器件研究，未涉及生命科学领域的生物标志物（Biomarker）相关内容，因此无对应研究成果。