MoTe2-gebaseerde synaptische-brug memristor voor breingerichte computing: neuromorfe prestatie-evaluatie met MLP- en CNN-kaders

Waarom kleine elektronische “synapsen” ertoe doen

Onze telefoons en computers worden slimmer, maar verbruiken nog steeds veel energie door constant gegevens heen en weer te verplaatsen tussen geheugen en processors. De menselijke hersenen daarentegen slaan informatie op en verwerken die op dezelfde plaats, met uitgebreide netwerken van energiezuinige synapsen. Dit artikel onderzoekt een nieuw soort klein elektronisch component, gemaakt van een gelaagd kristal genaamd MoTe2 vermengd in een veelgebruikt polymeer, dat enigszins gedraagt als een biologische synaps en kan helpen bij het bouwen van breingerichte hardware voor toekomstige kunstmatige intelligentie.

Een nieuw soort schakelaar bouwen

Centraal in dit werk staat een apparaat dat een memristor heet, een component met twee aansluitingen waarvan de elektrische weerstand kan worden veranderd en onthouden, zelfs wanneer de stroom uit staat. De onderzoekers maakten een memristor door een dunne film van MoTe2-vlokken gemengd met polyvinylalcohol (PVA) tussen een onderste indium-tinoxide (ITO) elektrode en een bovenste zilveren elektrode te plaatsen. De MoTe2 komt van zorgvuldig gekweekte, hoogwaardige enkelvoudige kristallen, die vervolgens worden geëxfolieerd tot multilayer-vlokken die zich in de PVA verspreiden en zo een verbonden maar gecontroleerd netwerk voor stroom vormen. Microscopie- en spectroscopiemetingen bevestigen dat de MoTe2 een stabiele kristalvorm behoudt met schone chemische bindingen, terwijl de composietfilm ongeveer 100 nanometer dik en uniform is over het apparaatoppervlak.

Hoe het apparaat onthoudt

Wanneer er een spanning wordt aangelegd, kunnen zilveratomen van de bovenste elektrode in de MoTe2‑PVA-laag bewegen als ionen en zich assembleren tot een smalle metalen filament die de twee elektroden overbrugt. Dit filament creëert een pad met lage weerstand, wat een AAN‑toestand vertegenwoordigt. Het omkeren van de spanning lost het filament op of maakt het dunner, waardoor het apparaat terugkeert naar een HOOG‑weerstands UIT‑toestand. De auteurs tonen aan dat het kiezen van de juiste MoTe2:PVA-mengverhouding (3:1) cruciaal is: te veel polymeer onderbreekt de geleidende paden, terwijl te veel MoTe2 het apparaat moeilijk bestuurbaar maakt. Met de geoptimaliseerde mix vertoont het apparaat stabiele “bipolaire” schakeling — schakelen tussen AAN en UIT met tegengestelde spanningspolen — gedurende ten minste 125 cycli, met weinig variatie in de benodigde spanningen en goede gegevensretentie over vele duizenden seconden.

Van eenvoudige opslag naar breinachtige leren

Aangezien de conductantie geleidelijk kan worden aangepast met elektrische pulsen, kan de MoTe2-memristor nabootsen hoe biologische synapsen sterker of zwakker worden door activiteit. Door reeksen korte spanningspulsen toe te passen, demonstreerde het team elektronische analogen van belangrijke synaptische gedragingen: langetermijnpotentiëring en -depressie (blijvende toename of afname van verbindingssterkte), timing-afhankelijke leeregelingen waarbij de volgorde van twee pulsen van belang is, en afhankelijkheid van pulsaantal en -snelheid. Het apparaat toont ook kortdurende facilitatie, waarbij een tweede puls die kort na de eerste arriveert een sterkere reactie produceert, vergelijkbaar met een neuron dat nog “geprimeerd” is. Gezamenlijk suggereren deze gedragingen dat het apparaat rijke leerdynamica direct in hardware kan ondersteunen, zonder constante verplaatsing van gegevens naar een apart geheugen.

Een apparaat leren “associëren” en patronen lezen

Om complexere functies te illustreren, zetten de onderzoekers Pavlovs beroemde conditioneringsexperiment elektronisch uiteen. Ze gebruikten een zwakke “neutrale” puls en een sterkere “betekenisvolle” puls als vervangers voor een bel en voedsel. Aanvankelijk produceerde alleen de sterke puls een grote stroomreactie, maar na herhaaldelijk samen toedienen, veroorzaakte de zwakke puls alleen een sterkere reactie, wat associatief leren aantoont. Ditzelfde apparaat kon korte en lange pulsen onderscheiden als verschillende stroomniveaus, waardoor het morsecode‑reeksen als tijdspatronen kon herkennen. Door gemeten apparaatkarakteristieken om te zetten in softwaremodellen, testte het team vervolgens hoe goed deze memristor‑achtige synapsen zouden presteren in kunstmatige neurale netwerken. Met zowel een multilayer perceptron als een convolutioneel neuraal netwerk behaalden ze nauwkeurige classificatie van afbeeldingen uit de veelgebruikte CIFAR‑10 dataset, wat aangeeft dat het waargenomen apparaatgebruik geschikt is voor praktische neuromorfe computing.

Wat dit betekent voor toekomstige AI‑hardware

In eenvoudige bewoordingen laat deze studie zien dat een eenvoudige, oplossingverwerkte stapel van MoTe2-vlokken in een polymeerbindmiddel kan fungeren als een stabiele, instelbare elektronische synaps. Hij schakelt betrouwbaar tussen AAN- en UIT‑toestanden via een omkeerbaar zilverfilament, behoudt zijn geheugen voor lange tijden en ondersteunt een verscheidenheid aan breinachtige leeregels, van basisversterking en -verzwakking van verbindingen tot associatief leren en tijdgebaseerde patroonherkenning. Wanneer deze gedragingen worden vertaald naar neurale netwerkmodellen, kunnen ze effectieve beeldherkenningssystemen ondersteunen. Hoewel praktische uitdagingen blijven — zoals het voorkomen van ongewenste filamentgroei en het beschermen van het polymeer — wijst het werk op laaggeprijsde, energiezuinige chips waarbij geheugen en berekening nauw met elkaar verweven zijn, en die alledaagse elektronica een stap dichter bij de manier brengen waarop onze hersenen informatie verwerken.

Bronvermelding: Bhunia, R., Jana, R., Saraswati, A. et al. MoTe₂-based synaptic-bridge memristor for brain-inspired computing: neuromorphic performance evaluation using MLP-CNN frameworks. npj 2D Mater Appl 10, 45 (2026). https://doi.org/10.1038/s41699-026-00682-5

Trefwoorden: neuromorfe computing, memristor, MoTe2, kunstmatige synaps, in-memory computing