综述：基于二维材料的神经形态计算器件制备技术进展

这篇综述系统探讨了二维（2D）材料在神经形态计算（neuromorphic computing）器件中的制备技术进展，重点分析了化学气相沉积（CVD）、原子层沉积（ALD）和近程气相转移（PVT）等方法在实现低功耗、可扩展的仿生突触（STP/LTP）器件中的应用，为突破冯·诺依曼架构瓶颈提供了材料与工艺解决方案。

　　

神经形态计算与二维材料的崛起

传统计算架构面临功耗瓶颈之际，神经形态计算通过模拟人脑突触机制（如STP和LTP）实现并行高效处理。二维材料凭借原子级厚度、可调电子特性（如MoS₂的带隙调控）和超低功耗优势（≈0.25 μW），成为构建人工突触的理想平台。例如，Ag/PtTe₂/W忆阻器通过银离子迁移实现98.38%的MNIST识别准确率，媲美软件算法。

材料选择与器件物理

二维材料家族各显神通：石墨烯（Graphene）的高导电性适合互联电路，TMDCs（如MoS₂、WS₂）的电荷俘获特性模拟突触权重更新，而SnSe₂在低温下的光电响应为极地环境应用提供可能。相变工程（如Li⁺插层诱导2H→1T'相变）可动态调控MoTe₂的导电性，实现生物突触的LTp/LTd行为。

制备技术的突破与挑战

• CVD：制备的MoS₂/hBN异质结通过氧空位迁移实现STDP学习规则，但高温工艺限制量产。
• ALD：原子级精度沉积的MoS₂突触器件展现α≈1.1的线性权重更新，但沉积速率仅1 ?/cycle。
• PVT：3英寸SnS晶圆通过光生载流子俘获实现逻辑门（AND/OR）操作，兼具透明性与可扩展性。

应用场景拓展

从基础研究到实际应用：HfSe₂基忆电容通过465 nm光脉冲实现类多巴胺的奖励级联，而MoTe₂器件在天文学中成功检测系外行星凌日信号。交叉阵列架构（crossbar）的集成验证了其在图像识别（如“I-N-U”光模式存储）和边缘计算的潜力。

未来挑战

规模化制备的均匀性（如CVD的晶畴拼接）、接触电阻（肖特基势垒调控）以及器件变异系数（<5%）仍是产业化瓶颈。新兴解决方案如界面钝化（Al₂O₃介电层）和异质集成（石墨烯/MoS₂垂直堆叠）正推动神经形态硬件迈向实用化。