基于动态Ag/Ag+ 锚定策略的柔性忆阻器及其在储层计算中的应用

【编辑推荐】针对忆阻器中离子迁移不可控导致器件稳定性差的问题，研究人员通过化学优化策略动态诱导Ag原子沉淀形成固定位点，实现了对离子迁移的精准调控。所制备的Ag/PVDF-HFP:AgTCNQ/ITO忆阻器展现出8倍稳健性提升、3倍稳定性增强及多级存储能力，并集成储层计算（RC）模型实现90.81%手写数字识别准确率，为大数据时代能效计算提供了新方案。

　　

在人工智能（AI）和物联网（IoT）飞速发展的今天，海量数据处理带来的能耗问题日益严峻。传统计算架构中存储与运算分离的“冯·诺依曼瓶颈”导致高达90%的能耗浪费在数据搬运上。忆阻器（Memristor）因其存算一体特性被视为突破这一瓶颈的关键，但材料层面离子迁移的不可控性严重制约其实际应用——随机形成的导电细丝（CFs）会引发器件性能波动甚至失效。

针对这一挑战，吉林大学的研究团队在《Journal of Energy Chemistry》发表论文，提出了一种革命性的动态Ag/Ag⁺
锚定策略。他们通过预合成银-氰基配位化合物（AgTCNQ）纳米棒并嵌入聚偏氟乙烯-六氟丙烯（PVDF-HFP）基质，在电场作用下动态诱导Ag原子沉淀形成稳定锚定位点，实现了离子迁移的精准调控。这种“化学刹车”机制使器件性能实现质的飞跃：循环稳定性提升至400次，数据保持时间达3×10⁴
秒，同时兼具柔性弯曲特性。更令人振奋的是，基于该忆阻器构建的储层计算（Reservoir Computing, RC）系统，仅通过简单的时空信息转换就实现了90.81%的手写数字识别准确率，展现出类脑计算的高效性。

关键技术方法
研究采用预掺杂法将AgTCNQ纳米棒均匀分散于PVDF-HFP聚合物基质，通过垂直器件结构（Ag/PVDF-HFP:AgTCNQ/ITO）实现大面积集成；利用电化学阻抗谱（EIS）和X射线光电子能谱（XPS）表征离子迁移行为；通过构建8×8忆阻器阵列验证多级存储性能；最后结合RC模型将MNIST数据集的空间特征转化为时序信号进行模式识别。

研究结果

1. 动态Ag/Ag⁺
   锚定策略器件结构
   垂直架构的忆阻器通过氰基配位键动态调控Ag⁺
   释放速率，电场诱导的Ag原子沉淀形成直径约20 nm的稳定CFs，相较传统平面结构器件，其开关比提升3个数量级。

2. 材料优化与性能提升
   引入Pluronic P123模板剂使AgTCNQ纳米棒分布均匀性提升70%，器件参数波动率从35%降至8%。经优化的样品在弯曲半径5 mm下仍保持稳定电阻态。

3. 储层计算集成应用
   RC模型将28×28像素图像转换为40个时间步长的脉冲序列，仅训练输出层权重即达到接近深度神经网络的识别精度，能耗降低2个数量级。

结论与意义
该工作通过分子尺度设计实现了“离子迁移-电子传导”的协同调控，为开发高可靠柔性忆阻器提供了新范式。其创新性体现在：①首次将配位化学动态锚定概念引入忆阻材料设计；②证实RC架构与忆阻器阵列的天然兼容性；③为边缘智能设备提供了可扩展的低功耗解决方案。这项研究不仅推动了神经形态计算硬件的发展，更对实现“双碳”目标下的绿色ICT产业具有战略意义。