综述：基于二维材料的神经形态学器件的最新进展

《Advanced Materials Technologies》：Recent Advances in Neuromorphic Devices Based on 2D Materials

二维材料与神经形态计算融合突破冯·诺依曼瓶颈，实现感知-存储-计算一体化，重点发展忆阻器、铁电晶体管等器件，在亚百毫伏电压、飞焦耳能耗及多模交互方面取得进展，通过界面工程和缺陷调控提升器件稳定性，为智能边缘计算提供新路径。

　　

摘要

神经形态计算与二维材料的结合为克服冯·诺依曼瓶颈提供了一种变革性的方法，通过将传感、存储和计算功能集成在一起。由于二维材料具有原子级厚度、多样的物理效应（如铁电性、量子隧穿和相变），以及与范德华（vdWs）异质结构的兼容性，它们在模拟突触可塑性和实现多功能、低功耗的神经形态系统方面展现了显著的潜力。本文全面总结了2010年至2025年间基于二维材料的神经形态器件领域的最新进展，涵盖了忆阻器、电解质栅控晶体管和铁电晶体管以及浮栅存储器等方面。这些突破包括低于100毫伏的开关电压、飞焦耳级别的能耗以及多模态感知能力。特别关注了融合触觉、视觉和听觉功能的生物启发式交互系统，以实现实时处理。此外，还分析了通过界面工程、缺陷控制和异质结构设计来解决器件非理想特性（如器件变异性和不稳定性问题）的关键材料创新。这些发展凸显了二维材料在推动下一代人工智能和边缘计算应用中高度集成、能效高效且智能的神经形态硬件方面的重要作用。

利益冲突

作者声明没有利益冲突。