基于MoTe2的突触桥式忆阻器用于类脑计算：使用MLP-CNN框架的神经形态性能评估

为何微小的电子“突触”至关重要

我们的手机和电脑变得越来越智能，但在内存与处理器之间频繁传输数据时仍然消耗大量能量。相比之下，人脑在同一位置既存储又处理信息，依靠大量能效极高的突触网络工作。本文探讨了一种新型微小电子元件——由层状晶体MoTe2与常见高分子混合制成的复合薄膜——它的工作方式有点类似生物突触，可能有助于构建面向未来人工智能的类脑硬件。

构建一种新型开关

这项工作核心是忆阻器，一种双端器件，其电阻可以被改变并在断电后保持记忆。研究人员通过将一层掺杂有MoTe2薄片的聚乙烯醇（PVA）薄膜夹在下方的氧化铟锡（ITO）电极与上方的银电极之间来制造忆阻器。MoTe2来自精心生长的高质量单晶，然后剥离成多层薄片分散到PVA中，形成一个连通但可控的电流通道网络。显微与光谱学测量确认MoTe2保持稳定的晶体形态且化学键合清晰，同时复合薄膜厚度约为100纳米并在器件区域上均匀。

器件如何记忆

当施加电压时，上电极的银原子可以以离子形式进入MoTe2‑PVA层并组装成狭窄的金属丝状通道，连接两个电极。该金属丝形成低阻通路，代表ON态。反向电压会溶解或变细该细丝，使器件恢复为高阻OFF态。作者指出，选择合适的MoTe2:PVA混合比例（3:1）至关重要：过多聚合物会破坏导电路径，而过多MoTe2则使器件难以控制。使用优化配方后，器件表现出稳定的“双极”开关特性——在相反电压极性下切换ON与OFF——至少可重复125个周期，所需电压变化较小，并在数千秒内表现出良好的数据保持能力。

从简单存储到类脑学习

由于其电导可通过电脉冲逐步调节，MoTe2忆阻器可以模拟生物突触随活动而强化或削弱的机制。通过施加一系列短电压脉冲，团队演示了关键突触行为的电子类比：长期增强与抑制（连接强度的持续增加或减少）、时序依赖学习规则（两次脉冲顺序重要）以及对脉冲数量和频率的依赖。器件还显示短时促进效应，即在第一脉冲后不久到来的第二脉冲会产生更强的响应，类似于仍处于“预激”状态的神经元。综合这些行为表明，该器件可在硬件中直接支持丰富的学习动力学，而无需频繁将数据移动到独立存储。

教器件“联想”与识别时序模式

为演示更复杂功能，研究人员在电子系统中重现了巴甫洛夫（Pavlov）著名的条件反射实验。他们使用弱的“中性”脉冲和较强的“有意义”脉冲分别模拟铃声与食物。起初，只有强脉冲产生大电流响应，但在反复同时施加两者后，弱脉冲单独也能触发更强响应，显示出联想学习。相同器件能将短脉冲与长脉冲区分为不同的电流水平，从而识别摩尔斯电码等时间序列模式。通过将测得的器件特性转换为软件模型，团队进一步测试了这些类忆阻器突触在人工神经网络中的表现。使用多层感知器（MLP）和卷积神经网络（CNN），他们在广泛使用的CIFAR‑10数据集上实现了准确的图像分类，表明观察到的器件行为适合实际的神经形态计算。

这对未来AI硬件意味着什么

通俗地说，这项研究表明，一种简单的、溶液工艺制备的MoTe2薄片与高分子粘结剂的叠层可以充当稳定且可调的电子突触。它通过可逆的银丝在ON和OFF态之间可靠切换，具有长期记忆保持能力，并支持多种类脑学习规则，从基础的连接加强与减弱到联想学习和时间模式识别。当这些行为被映射到神经网络模型时，可以支撑有效的图像识别系统。尽管仍存在实际挑战——例如防止不期望的丝状生长和保护高分子材料——该工作指向了低成本、能效高的芯片方向，在这些芯片中内存与计算紧密结合，使日常电子设备更接近大脑的信息处理方式。

引用: 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

关键词: 神经形态计算, 忆阻器, MoTe2, 人工突触, 内存计算