【儀表網 研發快訊】近日，《‌自然·電子學》(Nature Electronics)在線發表了物理科學與技術學院何軍教授課題組在阻性神經形態計算硬件方面的最新進展，論文題為“Memristors with analogue switching andhigh on/off ratios using a van der Waals metallic cathode”。武漢大學物理科學與技術學院李葉生副研究員和武漢理工大學熊遙老師為該論文共同第一作者，何軍教授和李葉生副研究員為共同通訊作者，武漢大學為第一署名單位。
 

　　隨著人工智能(AI)的飛速發展，尤其是ChatGPT等大模型的應用，數據呈現爆炸式的增長，對傳統計算機的算力和能效提出了嚴峻的挑戰。基于憶阻器的神經形態計算硬件因為其顛覆性的并行存算融合能力和模擬計算范式為AI提供有希望的解決方案。高效的神經形態計算需要具有大開/關比和大量可區分阻態的模擬憶阻器。然而，主流的離子型憶阻器存在開/關比和模擬阻性行為之間的權衡，即大開/關比總是伴隨著突變的阻性行為和有限的阻態，而模擬阻性行為和小開/關比總是如影隨形，很難獲得大量可調制的阻態和高權重映射能力。同時實現大模擬開/關比和多阻態面臨挑戰。
 

　　常規的器件改性策略集中于阻性層和陽極的改性上，很難兼顧開/關比和模擬阻性行為，對于憶阻器陰極的設計和改性則很少被研究。何軍教授研究團隊創新性地提出采用允許離子插入/脫插的二維(2D)范德華(vdW)金屬材料作為憶阻器陰極的策略，可以解決高開/關比與模擬阻性行為之間的矛盾。與傳統阻礙離子滲透的惰性陰極不同，金屬性2DvdW陰極允許原位的離子插入/脫插，由此引入額外的高擴散勢壘來調控離子的運動，獲得模擬阻性行為。與常規策略不同，這種vdW金屬陰極的方法不會犧牲開/關比，可以在保持高達108的開關比的同時，實現超過8位的阻態和低至aJ級別的超低功耗。大開關比多阻態的模擬阻性行為確保了高精度芯片級別的卷積圖像處理任務的成功執行，充分展示了基于2DvdW陰極策略的模擬阻性神經形態計算硬件在人工智能應用的潛力。
 

　　該工作得到國家重點研發計劃、國家自然科學基金、江蘇省自然科學基金和湖北省自然科學基金的經費支持，同時也受到武漢大學電鏡中心和武漢大學科研公共服務平臺的支持。新聞網訊(通訊員物軒)