近日，威尼斯144777物理学院孙林锋教授课题组在中国物理学重要期刊《物理学报》上发表题为“基于二维层状材料的神经形态器件研究进展”的前沿综述论文，该论文近期被评选为《物理学报》当期优秀论文，并在《物理学报》网站首页和微信公众号重点推荐。孙林锋教授是论文通讯作者，课题组李策和杨栋梁同学为本文共同作者，威尼斯144777是第一单位。该工作获得了北京市自然科学基金重点专题项目和国家自然科学基金青年科学基金的支持。

摩尔定律的放缓以及传统冯·诺依曼架构中计算与存储单元的分离，导致了大量数据在搬运过程中功耗增加和时间延迟，致使集成电路以及芯片设计面临越来越多的挑战。而基于存算一体架构的神经形态器件，可利用欧姆定律和基尔霍夫定律实现原位计算，从而有望克服传统冯·诺依曼架构瓶颈。二维材料由于其层状超薄特性和新奇的物理效应，为进一步缩小器件尺寸，并实现存算/感存算一体技术提供了方案。该文从经典理论和量子理论角度出发，综述了基于二维材料的神经形态器件中的物理效应和忆阻特性，并详细阐述了神经形态器件对LIF模型、H-H模型等神经元模型以及长期可塑性、短期可塑性、放电时间依赖可塑性和尖峰频率依赖可塑性等突触可塑性的模拟。在此基础上，该综述进一步介绍了基于二维材料的神经形态器件在视觉、听觉以及触觉感知等领域的探索性应用。最后该综述总结了当前研究领域面临的一系列问题，并从高密度器件阵列集成、多物理场效应耦合调控角度对未来实现大规模存算/感存算一体的神经形态计算系统，延续摩尔定律，克服冯·诺依曼瓶颈限制进行了展望。

图1：(a) 声音定位示意图[1]；(b) 焦耳热驱动的电导变化[1]；(c) 两个连续脉冲刺激后的双脉冲易化(PPF)和双脉冲抑制(PPD)指数与脉冲间隔(Δt)的函数关系图[1]；(d) 在生物储备池计算系统上执行的认知任务示意图[2]；(e) 对语言符号的识别准确率[2]。

参考文献：

[1] Sun L, Zhang Y, Hwang G, Jiang J, Kim D, Eshete Y A, Zhao R, Yang H 2018 Nano Lett. 18 3229.

[2] Sun L, Wang Z, Jiang J, Kim Y, Joo B, Zheng S, Lee S, Yu W J, Kong B S, Yang H 2021 Sci. Adv. 7 eabg1455.

文章信息：Li Ce, Yang Dong-Liang, Sun Lin-Feng. Research progress of neuromorphic devices based on two-dimensional layered materials. Acta Phys. Sin., 2022, 71(21): 218504. doi: 10.7498/aps.71.20221424

文章链接：https://wulixb.iphy.ac.cn/cn/article/doi/10.7498/aps.71.20221424