近日，《‌自然·电子学》（Nature Electronics）在线发表了物理科学与技术学院何军教授课题组在阻性神经形态计算硬件方面的最新进展，论文题为 “Memristors with analogue switching and high on/off ratios using a van der Waals metallic cathode”。武汉大学物理科学与技术学院李叶生副研究员和武汉理工大学熊遥老师为该论文共同第一作者，何军教授和李叶生副研究员为共同通讯作者，武汉大学为第一署名单位。

随着人工智能（AI）的飞速发展，尤其是ChatGPT等大模型的应用，数据呈现爆炸式的增长，对传统计算机的算力和能效提出了严峻的挑战。基于忆阻器的神经形态计算硬件因为其颠覆性的并行存算融合能力和模拟计算范式为AI提供有希望的解决方案。高效的神经形态计算需要具有大开/关比和大量可区分阻态的模拟忆阻器。然而，主流的离子型忆阻器存在开/关比和模拟阻性行为之间的权衡，即大开/关比总是伴随着突变的阻性行为和有限的阻态，而模拟阻性行为和小开/关比总是如影随形，很难获得大量可调制的阻态和高权重映射能力。同时实现大模拟开/关比和多阻态面临挑战。

常规的器件改性策略集中于阻性层和阳极的改性上，很难兼顾开/关比和模拟阻性行为，对于忆阻器阴极的设计和改性则很少被研究。何军教授研究团队创新性地提出采用允许离子插入/脱插的二维（2D）范德华(vdW)金属材料作为忆阻器阴极的策略，可以解决高开/关比与模拟阻性行为之间的矛盾。与传统阻碍离子渗透的惰性阴极不同，金属性2D vdW阴极允许原位的离子插入/脱插，由此引入额外的高扩散势垒来调控离子的运动，获得模拟阻性行为。与常规策略不同，这种vdW金属阴极的方法不会牺牲开/关比，可以在保持高达10⁸的开关比的同时，实现超过8位的阻态和低至aJ级别的超低功耗。大开关比多阻态的模拟阻性行为确保了高精度芯片级别的卷积图像处理任务的成功执行，充分展示了基于2D vdW阴极策略的模拟阻性神经形态计算硬件在人工智能应用的潜力。

该工作得到国家重点研发计划、国家自然科学基金、江苏省自然科学基金和湖北省自然科学基金的经费支持，同时也受到武汉大学电镜中心和武汉大学科研公共服务平台的支持。

论文链接：https://doi.org/10.1038/s41928-024-01269-y