基于基矿记忆器的反神经元与的单原子工程减少了氧化石墨烯阴极
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
概括
矿记忆器中的原子尺度阴极工程能够实现高效的神经形态计算. 这一突破解决了界面障碍和离子迁移,为先进的人工神经元设备铺平了道路.
科学领域:
- 材料科学 材料科学 材料科学
- 神经科学是一个神经科学.
- 电子 电子 电子 电子 电子 电子 电子
背景情况:
- 生物启发的神经形态系统的发展需要能够具有刺激和抑制功能的人工神经元设备.
- 矿晶体表现出潜力,但面临诸如界面障碍和离子迁移等挑战,限制其调制能力.
研究的目的:
- 通过原子规模的阴极工程来克服用于神经形态应用的矿记忆体的局限性.
- 开发一种基于矿的memristor,具有增强的稳定性和双重功能.
主要方法:
- 使用单原子改性减少石墨烯氧化物 (Ni1-rGO) 阴极制造矿记忆器 (Au/Ni1-rGO/MAPbI3/ITO).
- 在Ni1-rGO中的Ni-O配置的原子尺度表征,以了解其对电子性质和离子迁移的影响.
- 分析能量频段对齐以减少肖特基障碍,并调查离子扩散能量障碍.
主要成果:
- Ni1-rGO阴极有效调节电子特性,降低了肖特基屏障,并通过高扩散能障碍 (2.912 eV) 限制了化离子迁移,从而达到780毫秒的放松时间.
- 设计的memristor展示了1000个不同的导电状态,并成功模拟了神经元网络功能,如层间连接和双向信号传输.
- 展示了神经形态功能,包括无监督的竞争式学习,集群准确度超过50%,以及合作式学习,解决NP难题的速度比模拟回火快6倍.
结论:
- 原子尺度阴极工程是创造高效神经形态硬件的可行策略.
- 开发的矿记忆器表现出先进的人工神经系统的有希望的特性.
- 这种方法为克服用于神经形态计算的memristor技术的关键挑战提供了一条途径.
