综述:基于二维材料的专用与可重构人工神经元和突触实现高效神经形态应用

《Nano-Micro Letters》:Dedicated and Reconfigurable Artificial Neurons and Synapses based on Two-Dimensional Materials for Efficient Neuromorphic Application

【字体: 大 中 小 】 时间:2026年04月01日 来源:Nano-Micro Letters 36.3

编辑推荐:

  神经形态计算(NC)作为一种极具前景的计算架构,为克服存储-计算分离与尺寸缩放限制提供了高效解决方案。实现该架构的关键在于开发能够进行仿生模拟的人工神经元和突触作为核心神经形态组件。近年来,具有原子级厚度和丰富可调物理化学性质的多样化二维(2D)材料库备受关注

  
神经形态计算(NC)作为一种极具前景的计算架构,为克服存储-计算分离与尺寸缩放限制提供了高效解决方案。实现该架构的关键在于开发能够进行仿生模拟的人工神经元和突触作为核心神经形态组件。近年来,具有原子级厚度和丰富可调物理化学性质的多样化二维(2D)材料库备受关注。这些独特性质满足了神经形态器件对超低功耗、动态可塑性和多功能集成的苛刻要求,从而为新一代高性能、多功能神经形态硬件系统中的突破提供了可能。本文综述了基于二维材料的专用人工神经元和突触器件的最新进展,重点讨论了仿生模型、物理机制和性能指标。讨论进一步扩展至可重构组件中的复杂开关策略。随后,总结了神经形态器件的系统集成,特别关注其在神经感知、神经网络和逻辑操作任务中的功能作用。最后,对人工神经元和突触在器件和系统层面面临的局限性进行了系统分析,为实现更高效、多功能的类脑芯片规划了路线图。
(以下为主体内容总结,字数约1900字)
当前,计算系统主要基于冯·诺依曼架构,其指令与数据在存储单元中共享,并由中央处理器执行。然而,这种存储与计算分离的架构引入了严重的通信瓶颈,在大规模数据处理中暴露出执行效率低下、吞吐量受限和能耗过高等固有局限。同时,随着摩尔定律逐渐逼近硅基工艺的缩放极限,硬件系统面临着短沟道效应、量子隧穿和热耗散等基本物理约束。架构瓶颈与工艺极限的双重困境为人工智能与物联网(AIoT)系统在实时信息处理、能效优化和系统可扩展性方面带来了根本性技术挑战。

**1 引言**
为突破现有计算范式的硬件级限制,基于二维材料的神经形态工程应运而生。神经形态计算(NC)通过模拟生物神经系统的结构特征和生物机制,旨在弥补传统架构的缺陷。其硬件核心在于对生物神经形态关键组件的物理映射。人工神经元和突触是人工神经系统的基础构件,能够精确模拟生物信息处理行为。随着研究深入,基于忆阻器、忆晶体管、忆容器等具有动态特性的神经形态器件,正逐步取代早期复杂的CMOS电路,实现信息编码、传输、处理与存储在硬件层面的更紧凑集成。此外,受传统可重构计算架构(如现场可编程门阵列,FPGA,和粗粒度可重构阵列,CGRA)中动态资源分配概念的启发,可重构神经形态器件(RNDs)得以发展。这些器件通过自适应开关,在相同的硬件平台上实现突触和神经元功能的仿生融合,展现出对系统集成、高效运行和智能功能需求的出色适应性。

发展高效节能、高度集成的神经形态系统,需要探索兼具尺寸缩减和优异性能的新型材料。新兴二维(2D)材料为超越CMOS技术提供了有前景的材料平台。二维材料库提供了从绝缘(如h-BN)、半导体(如过渡金属硫族化合物、黑磷)到半金属(如石墨烯)和超导体(如NbSe2)的多样电子特性,为神经形态工程提供了丰富选择。材料的具体电导率、带隙和载流子迁移率可根据不同神经形态功能的需求进行选取。例如,h-BN可用作栅介质或钝化层;半导体如MoS2构成用于电导调制的功能层;而高迁移率材料如石墨烯则适用于高速载流子传输通道或电极。此外,二维材料的亚纳米厚度(如单层石墨烯的0.335?nm)提供了卓越的静电控制能力,有效抑制短沟道效应,从而实现高开关比,在支持器件缩放的同时显著降低工作功耗。二维材料还表现出丰富且可调的物理性质。WSe2、In2Se3和二维钙钛矿等材料对电、光、机械、热等多种刺激具有固有响应性,使其能够复制生物感觉器官的多模态感知能力。通过层数、应变、电场、掺杂、界面工程或堆叠角,可以设计和调控带隙、功函数、载流子类型乃至晶格结构等关键物理参数,从而赋予器件可塑性和可重构的神经形态功能。最后,二维材料无悬挂键的表面有利于无需晶格匹配的范德华集成,这种“乐高”式模块化组装策略为开发多功能神经形态系统奠定了材料基础。总体而言,基于二维材料的神经形态硬件为解决现有技术局限性和开拓后摩尔时代微电子学演进提供了独特前景。

**2 仿生人工神经系统**
生物神经系统的中枢是一个高度复杂的调控网络,神经元是其基本结构和功能单元。信息传输过程包括静息状态、去极化、复极化、不应期和突触传递等阶段。人工神经系统旨在通过模仿生物神经系统的结构和功能,构建大规模分布式处理集成电路架构。其基本组件人工神经元和人工突触与生物对应物存在直接的硬件映射关系:前者模拟生物神经元的整合与发放功能,将膜电位变化(输入)转化为离散的脉冲序列输出;后者复制生物突触的信号传递与可塑性,其电导状态直接对应于突触权重。人工神经系统的运行遵循事件驱动的处理逻辑,外部时空编码的输入驱动神经元生成稀疏脉冲,这些脉冲传输至突触阵列并根据学习规则调制突触权重,实现时空相关学习和特征提取。

**3 基于二维材料的专用人工神经元**
**3.1 神经元模型**
神经元模型可分为两大类:电导依赖型和电导无关型。电导依赖型模型通过复制神经元细胞膜的特定电生理特性来模拟神经元行为,如经典的Hodgkin–Huxley(H–H)模型。该模型通过等效电阻-电容(RC)电路方法实现数学描述的物理实现。然而,这些模型过多的动态变量导致大规模网络计算效率低下。因此,进一步深入探索了电导无关型神经元模型,旨在通过抽象数学描述神经元的输入-输出行为,侧重于功能而非特定生理结构。例如,FitzHugh–Nagumo(FHN)神经元模型、Izhikevich神经元模型和漏积分-发放(LIF)神经元模型。LIF模型硬件实现通常利用阈值开关器件(TSD)与存储电荷的电容和泄漏电阻耦合。当输入电压脉冲施加时,电容开始积累电荷,一旦电压超过阈值(Vth),TSD从高阻态(HRS)突变为低阻态(LRS),产生脉冲并通过TSD放电复位。随着神经元硬件实现的进展,H–H和LIF模型的动力学特性已通过忆阻系统有效实现。更重要的是,具有易失性和阈值开关能力的单个忆阻器件也能通过驱动电开关的物理或化学过程模拟某些经典神经元行为,无需复杂外部电路,在面积效率上具有巨大潜力。

**3.2 人工神经元器件机制**
二维材料是构建忆阻神经元器件的优异平台,在模拟高能效和复杂神经动力学方面具有独特优势。其内在物理机制的深入探索和精确控制是当前研究的重点,主要可分为以下五类机制:
**离子迁移神经元:** 其动力学是目前二维材料神经元器件中最广泛使用的机制之一,包括金属离子迁移和空位迁移。在金属-半导体-金属(MSM)结构中,活性电极产生金属离子,迁移并形成超薄导电细丝,触发电流尖峰,对应于电化学金属化(ECM)机制。或者,功能层中的本征空位在电场或热激发下定向迁移,作为电荷陷阱或离子传输路径动态调制局部电导,这称为价变机制(VCM)。二维材料中的本征缺陷(如空位、晶界)为金属离子提供了扩散通道,显著降低了迁移活化能,从而实现更快的开关速度和接近生物水平的能效。
**相变神经元:** 某些二维材料在外部刺激下表现出可逆相变,紧密模仿生物神经元的刺激-发放行为。当输入信号超过相变临界阈值时,材料发生快速相变,诱导电导率急剧变化,模拟神经元动作电位发放。此过程通常涉及通过能量积累的耦合电子和结构相变。相变神经元的复位阶段通过热耗散机制逐渐恢复初始状态。
**碰撞电离神经元:** 这类器件基于半导体雪崩效应。在强电场下,载流子被加速并获得足够动能,与晶格原子碰撞电离,触发载流子浓度的雪崩倍增。该过程能在短时间内实现能量高效的脉冲生成,从而模拟生物神经元的积分-发放行为。
**电荷俘获神经元:** 电荷俘获与释放过程能有效模拟神经元的积分、发放和泄漏。电荷载流子从端电极注入并在介质层缺陷处俘获,驱动神经元积分。当累积电荷达到晶体管的阈值电压时,通道载流子被突然触发,产生脉冲。电压移除后,浅能级缺陷中俘获的电荷自发释放,控制复位过程。
**掺杂神经元:** 掺杂型神经元通过外部刺激向电阻开关层引入电荷或离子,导致状态瞬时变化。例如,通过栅电解质中Li+的迁移诱导通道层的可逆电化学掺杂,动态调制其阈值电压,再利用底部栅时钟信号通过场效应控制漏极电流脉冲。

**4 基于二维材料的专用人工突触**
作为神经网络的关键组件,人工突触处理信息传输、处理和记忆的核心功能。利用二维材料作为前沿平台,相关研究正通过机制创新和性能优化的关键路径,推动生物突触行为的精确模拟。
**4.1 人工突触器件机制**
**导电细丝突触:** 此机制也遵循前述的ECM/VCM,通过控制导电通道的形成来调控电阻状态。与神经元器件中的瞬态细丝形成不同,突触器件中的导电细丝在电刺激撤除后表现出保持和逐渐溶解的非易失性,这使得突触电导的连续调制得以实现,其状态由电极间导电通道的数量、厚度和空间分布控制。
**相变突触:** 利用二维材料的相变特性为模拟突触功能提供了有效策略。在MoTe2、MoS2等层状相变材料中,半导体与金属相之间或晶态与非晶态之间的相变可通过辐照、电场、掺杂、压力和热激活等多种刺激可控诱导。这种电导态的非易失性渐进调制归因于晶相的适当生长与收缩,从而实现突触权重更新和记忆保持。
**铁电突触:** 具有非对称结构的二维铁电材料表现出宏观自发极化。该极化可通过外电场翻转并保持改变的状态。铁电极化广泛应用于两端和三端忆阻器件中,通过调制界面势垒或通道电导来模拟生物突触特性。
**自旋电子突触:** 非线性和非易失性的自旋动力学从根本上使得磁阻器件能够表现出突触行为。通常,磁性层的磁状态(磁化方向或磁畴)可通过自旋转移矩(STT)或自旋轨道矩(SOT)进行调制,其改变通过磁阻效应转化为电阻变化,从而模拟突触权重的可塑性。
**电荷调制突触:** 电荷调制突触通过电荷的注入、存储和释放来运行。外部刺激控制此过程以改变器件内的势垒高度或载流子浓度,从而调制突触器件的连续电导。已广泛探索的几种电荷调制方法包括利用浮栅、电荷俘获层、电双层结构和薄膜界面。

**4.2 人工突触性能指标**
突触后膜的电生理特性变化是评估突触传递的关键指标。施加动作电位或光刺激可诱导类似生物突触后电流(PSC)的电位变化,包括兴奋性和抑制性突触后电流(EPSC和IPSC)。突触可塑性的模拟是另一个重要目标。短时程可塑性(STP)的基本行为包括配对脉冲易化(PPF)和配对脉冲抑制(PPD)。长期增强(LTP)和长期抑制(LTD)响应的高线性度和对称性是神经网络高效反向传播训练的关键指标。此外,脉冲时序依赖可塑性(STDP)、脉冲幅度依赖可塑性(SADP)等多种脉冲参数依赖的可塑性机制对于人工突触器件的开发也是必需的。降低功耗对推动类脑计算技术发展至关重要,这要求从根本上降低工作电压和响应电流,并提高器件响应速度。目前,基于二维材料构建的人工突触器件已实现飞焦(fJ)甚至更低的能耗,与单个生物突触事件的能耗(~10?fJ)相当。

**5 基于二维材料的可重构人工神经元和突触**
经典类脑系统的基本构件是互联的神经元和突触模块。专用神经形态器件在追求极致性能和低延迟方面具有显著优势。相比之下,可重构神经形态器件(RNDs)特别适用于硬件资源与算法要求不完全匹配的场景,能够实现自适应功能转换和模块共享。其可重构性依赖于结构设计、外部控制和内部机制的协调。二维材料丰富且可调的物理性质为RNDs的实现路径提供了更高的灵活性。根据主导因素,可将其实现路径分为三类:
**端口编程:** 该策略通过不同的电极调用单个器件中的不同模块或单元。这些模块或单元在结构上部分重叠,一旦被调用便成为完整的小单元,能够分别执行神经元脉冲发放和突触权重更新,从而在硬件层面实现类脑计算的动态分配。
**输入参数调控:** 该策略通过改变外部控制信号(如电压幅度、合规电流、脉冲宽度等)来调制材料性质或载流子输运行为,从而实现神经形态器件的功能区分。例如,利用栅极电压幅度精确隔离易失态和非易失态,或通过编程外部电刺激来控制导电细丝的生长和断裂动力学,实现易失性神经元和非易失性突触之间的模式重构。
**材料特性调制:** 第三种策略巧妙地利用材料的本征特性进行可重构操作。与块体材料相比,二维材料表现出更广泛的可调特性谱。其物理起源在于其电子结构、离子分布甚至晶相的可直接操纵性,从而导致其物理性质发生显著变化。这些可调的本征特性为高性能可重构器件建立了物理基础。例如,利用α-In2Se3的极性实现突触与神经元模式之间的切换,或基于CuInP2S6中动态分配铁电离子相实现可刷新的忆阻器。此外,包括电极化学活性、缺陷和界面性质在内的各种材料相关因素也可能关键地影响神经形态器件的整体性能。

**6 人工神经元和突触的系统级实现**
基于二维材料的专用和可重构人工突触与神经元的不断涌现,为集成神经形态发展建立了丰富的材料基础和多样化的器件原型。
**6.1 神经元-突触集成与互联**
人工神经元和突触之间的相互作用构成了神经信息处理和网络动态调节的核心。当前研究已确定三种基本互联模式:(i) 突触向神经元或神经元向突触的信息流路径;(ii) 神经元-突触-神经元互联;(iii) 互联反馈。
**6.2 人工神经元和突触的多模态感知与执行**
生物系统接收外部数据输入的初级阶段,神经元通过两种不同的模态整合信号:通过专门的神经元直接响应外部刺激,以及通过感觉细胞间接获取信息。这些双重路径在电子系统中得到了精确复制和优化。研究已通过探索二维材料异质集成技术、开发新型互联架构,并结合生物神经系统的层次化组织和信息处理原理,实现了对五种感觉模态(听觉、嗅觉、视觉、味觉和触觉)的全面覆盖。此外,神经形态系统与执行器之间的互联控制实现了从感知到行动的闭环智能行为。
**6.3 用于脉冲神经网络的神经形态硬件系统**
面向神经科学的脉冲神经网络(SNN)是事件驱动应用的理想选择,可部署在神经形态芯片上进行并行、低功耗运行。采用二维材料作为功能层的神经形态硬件系统在模式识别应用中展现出独特优势,包括相对较高的电载流子迁移率、出色的机械稳健性和可调材料特性,后者为在硬件层面精确映射SNN学习规则(如STDP)提供了物理基础。
**6.4 用于逻辑运算的神经形态器件**
传统CMOS逻辑门需要大量晶体管,电路复杂。值得注意的是,人工神经元和突触可以直接用作执行逻辑运算的基本物理单元。忆阻突触利用其动态电阻特性,可通过门控控制直接实现硬件级逻辑状态存储和顺序计算。其固有可编程性使其可配置为与非(NAND)、或(OR)、异或(XOR)等逻辑门。众多神经形态硬件平台还表现出多模态可调谐逻辑能力,例如通过电、光、机械等多刺激调制策略扩展可编程逻辑功能。

**7 路线图与挑战**
基于二维材料的神经形态器件工程和芯片原型是一个新兴且快速发展的前沿。未来研究应聚焦于性能优化、机制探索、多功能融合和先进集成技术等关键方向。尽管已取得显著进展,但所展示的神经形态硬件系统与实际大规模计算应用所需之间仍存在巨大差距。挑战主要存在于三个方面:(i) 二维材料的材料制备与制造工艺;(ii) 器件层面的设计与性能;(iii) 面向系统级应用的集成。在材料制备与制造工艺方面,高质量二维半导体材料的制备是推动其走向集成电路应用的基础,但当前方法面临产量低、尺寸不可控、难以精确图案化和性能波动大等问题。在器件设计与性能方面,神经元器件的发展在性能和二维材料探索方面仍滞后于突触器件,需要满足更复杂的功能要求。在系统级集成方面,集成的神经形态硬件系统需要谨慎考虑动态范围匹配、时序对齐、系统级功耗和信号串扰等多个领域。总之,构建基于二维材料的更强大人工神经元、突触和集成系统仍面临诸多挑战,未来突破乃至产业化实施有赖于市场引导下的全链条协同创新。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号