【儀表網 研發快訊】人腦由千億級神經元和突觸構成，是自然界最高效的計算平臺，具備卓越的學習、記憶與并行處理能力，同時功耗極低。受此啟發，類腦計算(Neuromorphic Computing)成為突破傳統馮·諾依曼架構瓶頸的關鍵方向。其中，阻變器件(Resistive Switching Devices)因其結構簡單、可微縮性強、能耗低等優勢，被視為實現人工突觸功能的理想候選器件。而復雜氧化物材料由于其豐富的亞穩態和強關聯電子特性，在外加電場下可展現出多樣化的阻變行為，為模擬生物神經元的脈沖特性以及突觸的可塑性、適應性等非線性動力學特性提供了獨特平臺。
 

　　圖1. 面向類腦計算的復雜氧化物芯片發展路線示意圖。a) 復雜氧化物阻變機制的示意圖，展示了氧空位遷移、界面勢壘調制以及金屬絕緣體轉變物理過程；b) 復雜氧化物器件典型阻變行為的示意圖，包括電壓-電流響應于脈沖響應；c) 基于阻變器件構建的代表性交叉陣列電路結構；d) 復雜氧化物在類腦硬件架構中的方案示意，體現從單器件到陣列、從功能單元到系統級的演進路徑；e) 類腦計算可高效實現的典型任務示例，如模式識別、時序學習、低功耗邊緣智能等。
 

　　近日，金屬材料強度全國重點實驗室研究團隊在《先進材料》(Advanced Materials)在線發表了題為《阻變氧化物：機制、性能及其在人工智能中的器件-算法協同設計》(Resistive Switching Oxides: Mechanism, Performance, and Device-algorithm Co-design for Artificial Intelligence)的綜述論文。從“材料機制-器件性能-算法協同”三位一體的視角出發，系統梳理了基于復雜氧化物的阻變器件在類腦計算領域的最新進展，闡述了導電細絲遷移、界面效應、金屬-絕緣體轉變等阻變電學特性的多尺度微觀起以及動力學特征；對當前各類復雜氧化物阻變器件的關鍵指標(如開關比、耐久性、保持性、能耗等)進行了橫向對比，明確了性能優化路徑；展示了單器件層面模擬生物神經功能的能力，更進一步探討了器件集成下的任務驅動算法協同設計策略，為實際應用提供指導；文章最后客觀分析了當前復雜氧化物阻變器件在一致性、穩定性、大規模集成等方面的挑戰，并對未來神經形態芯片在材料、器件以及算法方向的發展提出了展望。
 

　　西安交通大學材料學院博士生喬煦容，劉子煜，孫嘉輝為共同第一作者，碩士生晏曦、賈欣、劉顯偉、焦婧愷參與了論文的寫作。西安交通大學材料學院倪妍、張禎教授為論文共同通訊作者。該論文在西安交通大學材料學院孫軍院士和丁向東教授共同指導下完成，論文依托金屬材料強度全國重點實驗室，同時得到了國家自然科學基金(62475211)(52071258)，中央高校基本科研業務費專項資金(xzd012022022)(xtr072024009)、以及小米青年學者項目的支持。