ニッケルとペロブスキートメムリストを基にしたフィードバックニューロンは,単原子エンジニアリングによる減少グラフェン酸化物カトドを基に設計されています
Qing-Xiu Li1, Hua-Xin Li2, Tao Sun3
1Department of Applied Biology and Chemical Technology and Research Institute for Smart Energy, The Hong Kong Polytechnic University, Kowloon, Hong Kong, PR China.
Nature communications
|February 23, 2026
まとめ
ペロブスキートメモリストの原子スケールのカトドエンジニアリングは,効率的なニューロモルフコンピューティングを可能にします. このブレークスルーは,インターフェイスの障壁とイオン移動を解決し,高度な人工ニューロン装置の道を開く.
科学分野:
- マテリアルサイエンス 材料科学
- 神経科学は神経科学である.
- エレクトロニクス・エレクトロニクス エレクトロニクス・エレクトロニクス
背景:
- バイオインスピレーションのニューロモルフィックシステムの開発には,刺激機能と抑制機能の両方を兼ね備えた人工ニューロン装置が必要です.
- ペロブスキートメムリストは潜在的可能性を示しているが,インターフェイスの障壁やイオン移動などの課題に直面し,モジュレーション能力を制限している.
研究 の 目的:
- 原子スケールのカソード工学を通じて,神経形態的アプリケーションのためのペロブスキートメムリストの限界を克服する.
- 安定性と二重機能性を強化したペロブスキートベースのメモリストの開発.
主な方法:
- ニッケル単原子改変された減少グラフェン酸化物 (Ni1-rGO) カソードを使用して,ペロブスキートメミストー (Au/Ni1-rGO/MAPbI3/ITO) の製造.
- Ni1-rGO内のNi-O構成の原子スケールの特徴付けは,電子特性とイオン移動への影響を理解するために行われます.
- ショットキー障壁を減らすためのエネルギー帯の調整の分析と,イオン拡散エネルギー障壁の調査.
主要な成果:
- Ni1-rGO カトドは電子特性を効果的に調節し,ショットキー障壁を軽減し,ヨウ素イオン移動を高拡散エネルギー障壁 (2.912 eV) で制限し,780 ms のリラックス時間をもたらしました.
- エンジニアリングされたメモリストは,1000の異なる伝導状態を実証し,層間接続や双方向信号伝送などのニューロンのネットワーク機能を成功裏にエミュレートしました.
- クラスタリングの精度が50%を超えた無監督競争学習や,模擬リネリングよりも6倍速くNPハード問題を解いた協同学習など,ニューロモルフィック機能が展示されました.
結論:
- 原子スケールのカトドエンジニアリングは,高効率のニューロモルフィックハードウェアを作成するための実行可能な戦略です.
- 開発されたペロブスキート・メミリストは,高度な人工神経系の有望な特性を示している.
- このアプローチは,ニューロモルフィックコンピューティングのためのメムリストア技術における主要な課題を克服するための経路を提供します.
