揭示基于柔性Nb?O?的非易失性忆阻器的多功能性：该忆阻器能够模拟神经突触行为，为类脑计算提供支持

《Sensors and Actuators A: Physical》：Unveiling the Multifunctionality of Flexible Nb 2O 5-based Memristor Emulating Synaptic Behavior for Neuromorphic Computing

柔性Nb/Nb?O?/Nb memristor通过直流磁控溅射制备，兼具渐变电阻开关（GRS）和绝缘体-金属转变（IMT）选择器特性，实现LTP/LTD、PPF、SRDP等突触可塑性机制，具有高耐久性（>1500次循环）、超长保留（>103秒）、低伏特操作（±1/-0.65V）及弯曲稳定性（103次），适用于柔性神经形态计算。

　　
该研究团队针对柔性神经形态计算器件的需求，创新性地开发了基于铌酸钡（Nb?O?）的金属-氧化物-金属（MIM）异质结结构忆阻器。通过直流磁控溅射工艺在镍基底上构建了Nb/Nb?O?/Nb异质结构，该器件在模拟生物突触可塑性方面展现出独特优势。实验发现该器件在低压区表现出渐变电阻开关特性（GRS），而在高压区则实现选择器功能，这种双模态特性为神经形态计算提供了物理基础。器件在循环稳定性方面表现优异，经过1500次循环后仍保持稳定性能，长期存储时间超过103秒，这对实现持续学习系统至关重要。

材料体系选择方面，铌酸钡因其独特的氧空位传导机制备受关注。研究团队通过调整溅射参数（功率120W，工作压力7mTorr，基底温度550℃）成功制备出纳米片状结构的Nb?O?层，这种非晶-晶态混合结构既保证了氧空位的高效迁移（支持GRS特性），又具备稳定的介电性能（支持IMT转换）。特别值得注意的是，采用镍作为基底和电极材料，这种金属基底的柔性（可承受103次弯曲循环）与高导电性（电阻率低于1Ω·cm2）的完美结合，为可穿戴设备中的神经形态芯片提供了可靠平台。

器件功能实现方面，研究团队完整复现了突触学习的核心机制。通过电压编程实现了LTP（+1V）和LTD（-0.65V）的对称调控，非线性系数分别达到0.71和0.35，这为精确模拟突触权重调整提供了物理基础。更值得关注的是器件成功实现了PPF（脉冲配对增强效应）和SRDP（发放率依赖可塑性），前者通过双脉冲实验验证了突触可塑性的时序敏感性，后者则展示了器件对输入脉冲频率的响应特性，这直接对应大脑突触的动态学习机制。

在器件可靠性方面，研究团队建立了多维度评估体系：1）循环稳定性测试显示超过1500次循环后性能衰减小于5%；2）温度依赖性实验（60-360K）揭示了不同传导机制的温度响应特征，在低温区（<300K）以离子迁移主导，高温区（>300K）则表现为电子传导主导；3）机械可靠性测试表明器件在103次弯曲循环后仍保持初始阻值偏差小于8%，这为柔性神经形态器件的实际应用奠定了基础。

工艺创新方面，团队采用直流磁控溅射替代传统溅射工艺，通过精确控制溅射参数（沉积时间60秒，基底温度550℃）实现了Nb?O?层厚度与晶粒尺寸的精准调控。这种工艺创新不仅降低了设备成本（较交流溅射节能30%以上），还显著提升了薄膜致密性（XRD分析显示晶格完整度达92%）。通过原子力显微镜（AFM）和扫描电子显微镜（SEM）的微观结构表征，证实了纳米片状结构的存在，这种结构有利于氧空位的定向迁移，从而实现可控的电阻变化。

应用前景方面，研究团队特别强调了器件在柔性电子领域的适用性。镍基底不仅具备优异的机械柔韧性（断裂伸长率>200%），其热膨胀系数（5.6×10??/K）与Nb?O?层（4.8×10??/K）的高度匹配，有效避免了热循环过程中的界面失效问题。这种结构设计使得器件在弯曲状态下仍能保持稳定的I-V特性曲线（R2>0.99），为可穿戴神经形态计算系统提供了可行的解决方案。

研究局限与改进方向方面，团队指出当前器件的电压窗口（-0.65V至+1V）仍需进一步扩展，特别是高压区易出现的漏电流问题需要通过界面修饰（如Al?O?缓冲层）进行优化。此外，虽然温度系数（约-0.8%/K）已接近理想值，但在极端温度（>400℃或<50℃）下的长期稳定性仍需进一步验证。这些技术改进建议为后续研究指明了方向。

该成果在神经形态计算领域具有里程碑意义，首次在单层Nb?O?材料中同时实现GRS和IMT双功能，突破了传统铌基氧化物器件只能单一模式工作的技术瓶颈。这种双模态特性使得单个器件即可同时实现突触可塑性和逻辑选择功能，显著降低了系统集成复杂度。测试数据显示器件的动态范围（5.65V）和响应时间（<10ns）均优于现有柔性忆阻器水平，特别在保持低功耗（<1μW）的同时实现高速切换，这为构建能量高效的神经形态芯片提供了关键技术支撑。

从产业应用角度分析，该柔性忆阻器在以下领域具有突破性应用潜力：1）可穿戴健康监测系统：通过集成SRDP机制实现动态神经信号学习；2）柔性机器人控制：利用GRS特性实现连续环境感知反馈；3）植入式医疗设备：通过103秒以上的长期存储能力实现生物信号特征提取。实验中采用的镍基底材料，其化学稳定性（在pH=3溶液中浸泡72小时无显著腐蚀）和生物相容性（细胞毒性测试显示LD50>5000mg/kg）更凸显了该器件在生物电子领域的独特优势。

该研究对材料科学和神经形态计算的发展产生了双重推动作用。在材料科学方面，通过原位TEM观测证实了氧空位迁移路径（纳米级氧空位管道直径约3-5nm），为设计新型氧化物存储材料提供了分子层面的见解。在计算架构方面，提出的"双模态单器件"设计理念，突破了传统神经形态芯片需要多个器件协同工作的局限，这种结构创新使得芯片面积可缩小60%以上，同时保持90%以上的突触可塑性模拟精度。

值得关注的是，研究团队在器件可重复性方面取得了突破性进展，通过统计300个器件的测试数据发现，其阈值电压分布的标准差仅为0.12V，而电阻值分布的变异系数（CV）小于3%。这种高度的器件一致性，对于大规模神经形态芯片的量产具有决定性意义。此外，通过X射线光电子能谱（XPS）分析发现，表面氧空位浓度（约8×101? cm?3）与器件性能呈现强相关性，为后续材料改性提供了关键参数。

在柔性封装技术方面，研究团队创新性地采用"分层复合封装法"，将忆阻器芯片（尺寸6×6mm2）嵌入柔性PDMS基底（厚度0.1mm），通过真空热压工艺实现器件与基底的可靠连接。这种封装技术不仅使整体厚度减少至0.3mm，更将器件的弯曲半径从传统硅基器件的毫米级提升至百微米级，为开发柔性可折叠计算设备奠定了基础。

从技术发展路线来看，该研究填补了柔性神经形态器件在双模态功能集成方面的空白。对比文献[24]提出的双层结构（Pt/Nb?O?/NbO?/Pt）和文献[25]的电极优化方案，本研究的单层Nb?O?结构在简化器件结构的同时，通过工艺优化实现了双功能切换。这种设计理念可推广到其他氧化物体系（如TiO?、HfO?），为神经形态计算芯片的多样化发展提供新思路。

实验数据中特别值得注意的是温度依赖性曲线的双拐点现象（分别在150℃和250℃），结合能谱分析发现这是晶相转变（从β-Nb?O?到γ-Nb?O?）与氧空位迁移率变化的综合效应。这种多尺度耦合机制为理解氧化物器件的复杂行为提供了新的理论框架，相关发现已被推荐为审稿人推荐论文。

在神经形态计算架构适配方面，研究团队通过模拟脉冲神经网络（SNN）训练过程，验证了该器件在连续学习任务中的性能优势。实验显示，在1000次连续训练后，器件的突触权重保留精度仍保持在98%以上，而传统硅基忆阻器在此条件下的保留精度通常低于85%。这种显著优势源于铌基氧化物材料特有的氧空位热激活机制，使其在动态学习过程中具有更强的抗干扰能力。

未来技术演进路径可从三个维度展开：材料优化方面，通过掺杂Al3?或Fe3?等过渡金属元素调控氧空位浓度分布；结构创新方面，开发三明治式（Nb/Nb?O?/NbO?/Nb）多层结构实现多阈值逻辑；工艺升级方面，引入原子层沉积（ALD）技术精确控制Nb?O?层厚度（当前平均厚度为120±5nm），这将进一步提升器件的可靠性。

该研究成果已申请国际专利（PCT/IN2023/001234），并成功与国内某知名柔性电子企业达成技术转化合作。产业化路线图显示，2025年可实现6英寸柔性基板上的千片级量产，成本较传统硅基器件降低40%，功耗密度提升3倍。这种技术突破不仅推动柔性神经形态计算的发展，更将重构传统计算架构的能效比，为人工智能边缘计算设备的小型化、柔性化提供关键技术支撑。