基于聚离子液体混合电解质动力学调控实现有机人工突触长效态保持

《InfoMat》：Kinetic regulation of blended electrolytes enables long-term state retention in organic artificial synapses

　　

基于有机电化学晶体管（OECTs）的人工突触是神经形态计算的有力候选者，但其性能受到非易失性态保持能力的严重限制。尽管聚电解质提供了一种新途径，但现有方案因离子迁移速率极低而失效。这一局限性主要源于电解质内离子输运动力学特性。本研究展示了一种利用聚离子液体（PIL）与离子液体（IL）组成的共混电解质实现的动力学调控策略。PIL的高玻璃化转变温度（Tg）限制了链段运动，形成刚性基体，有效固定抗衡离子（阳离子）。这种动力学俘获效应显著抑制了弛豫阶段抗衡离子向半导体沟道的自发扩散，从而阻止TFSI?掺杂剂的中和，并保留诱导极化子以实现优异的非易失性保持。与此同时，小分子IL作为增塑剂确保足够的离子迁移率以响应栅极电压。因此，优化后的器件（40 wt.% PIL）展现出卓越性能，30 s后突触态保持率达31.71%，较纯离子液体对照组提升近五倍。该动力学控制还使长时程增强的非线性（NL）值显著降低49.3%。在人工神经网络模拟中，该器件实现了90.1%的高识别准确率。本研究证明动力学调控是优化态保持同时维持足够响应特性的稳健策略。

论文解读

一、研究背景与科学问题

随着数据密集型应用的快速增长，神经形态计算作为传统冯·诺依曼架构的高能效替代方案受到广泛关注。有机电化学晶体管（OECTs）凭借其固有的混合离子-电子传导特性、低工作电压以及与生物神经递质介导突触传递的紧密类比，成为人工突触的重要候选平台。然而，大多数基于OECT的人工突触主要表现出易失性电导态，严重限制了其在长时间尺度上的信息保持能力。这种易失性本质上源于电解质-沟道系统中不受控的离子动力学——自发的离子再分布导致快速去掺杂和电导弛豫。

研究人员指出，在p型OECT中，高迁移率阳离子从电解质自发涌入以中和被俘获的掺杂阴离子，是驱动自发去掺杂过程的关键因素。聚离子液体（PILs）因其共价固定的聚合物离子骨架可显著限制自由阳离子的可用性，成为实现长时程态保持的有前景的电解质组分。然而，纯PIL基体通常具有高粘度，显著减缓离子输运，在响应速度与非易失存储性能之间形成固有取舍。这种迟缓动力学与实用神经形态系统所需的快速信号传输和实时学习过程根本不相容。

二、研究内容与核心发现

针对上述瓶颈，研究人员提出了一种通用的动力学调控策略，通过由聚离子液体（PIL）和离子液体（IL）组成的共混电解质体系，将OECT突触中的离子注入与离子保持过程解耦。该策略的核心在于：小分子IL作为增塑剂确保快速电化学掺杂所需的离子迁移率，而具有高玻璃化转变温度的PIL组分形成刚性离子骨架，在保持阶段通过空间位阻固定抗衡离子，建立有效的动力学屏障以抑制阳离子向半导体沟道的自发涌入，从而防止TFSI^?掺杂剂的中和，保留诱导极化子和突触权重态。

通过系统优化，40 wt.% PIL含量的器件实现了31.71%的30 s突触态保持率，较纯IL对照组（约6.4%）提升近五倍，同时保持了适用于短电压脉冲（20 ms）的快速响应能力。该动力学控制还使长时程增强的非线性（NL）值降低49.3%（从3.69降至1.87）。在基于MNIST数据集的人工神经网络模拟中，器件实现了90.1%的高识别准确率。该研究成果发表于《InfoMat》。

三、关键技术方法

研究人员主要运用了以下关键技术方法：分子动力学（MD）模拟采用GAFF力场和Gromacs 2019.6软件，通过B3LYP(D3BJ)/6-311G(d, p)拟合静电势并采用RESP电荷（缩放因子0.8）描述离子液体性质；电化学阻抗谱（EIS）采用两电极夹层构型定量表征电解质离子电导率和扩散系数；密度泛函理论（DFT）计算在wB97XD/6-311G(d)水平确定离子空间体积；X射线光电子能谱（XPS）检测沟道内N 1s信号以确认[EMIM]⁺阳离子的物理迁移；原子力显微镜（AFM）表征薄膜表面形貌；基于NeuroSim V3.0平台进行多层感知机（MLP）神经网络模拟，采用MNIST手写数字数据集（60 000张训练图像、10 000张测试图像），网络结构为400-100-10。

四、研究结果

4.1 通过聚离子液体共混电解质调控OECT人工突触的电学性能

研究人员制备了[EMIM][TFSI]与不同质量分数（0–60 wt.%）的poly(DADMA-TFSI)（PIL）组成的复合栅极电解质体系，应用于P3HT沟道。纯IL对照器件表现出低阈值电压和高跨导，但弛豫时间（τ_rel）仅1.79 s，证实纯离子液体缺乏稳定电化学势所需的动力学屏障。随着PIL含量增加，转移特性表现出显著的记忆效应，迟滞窗口逐步扩大，40 wt.%器件的离子弛豫时间延长至8.90 s。对照实验表明，单纯增加中性PVDF-HFP基体无法解释所观察到的显著保持增强。DFT计算揭示EMIM⁺阳离子体积（155.9 ?³）显著小于TFSI^?阴离子（200.2 ?³），有利于较小阳离子向沟道迁移，XPS检测确认了[EMIM]⁺在沟道内的物理迁移。60 wt.%器件虽具有最长弛豫时间（29.20 s），但响应速度严重退化（τ_res = 12.98 s），表明过密聚合物网络破坏了连续离子输运路径。40 wt.%配方在保持充分离子注入速度的同时实现了显著的记忆稳定性增强。

4.2 通过PIL调控非易失特性

研究人员以40 wt.% PIL器件为主要平台模拟生物突触功能。脉冲幅度依赖实验表明，低电压下器件呈现快速衰减的短时程可塑性（STP）特征，当电压超过?3.0 V时转变为长时程增强（LTP）行为，证实PIL调控的动力学机制引入了物理势垒。200次连续脉冲刺激下，40 wt.%器件表现出持续有效的突触权重累积，而60 wt.%器件因迟缓的离子注入动力学无法产生有效权重更新。40 wt.%器件在30 s后的记忆水平达31.71%，较纯IL对照（约6.4%）提升近五倍。双脉冲易化（PPF）分析揭示明显的时间尺度分离：快速时间常数（τ₁ = 75.61 ms）归因于界面快速离子再分布，在各体系中保持相对稳定；慢速时间常数（τ₂ = 448.00 ms）与体相晶格内深层离子扩散相关，在40 wt.%体系中显著增加。

4.3 离子动力学机制：电化学阻抗谱与分子动力学分析

分子动力学模拟显示，纯PIL体系中聚合物骨架在刚性基体内产生显著空间位阻，形成抗衡离子的动力学俘获；共混体系中，小分子IL作为增塑剂降低局部粘度并促进聚合物链段运动。计算离子迁移率从纯IL体系的4.17 × 10^?9 nm²/(ps·V)降至40 wt.%共混体系的6.98 × 10^?10 nm²/(ps·V)。电化学阻抗谱分析表明，随着PIL含量增加，离子电导率从0 wt.%的5.76 mS cm^?1单调降至60 wt.%的1.2 × 10^?3 mS cm^?1，基于Nernst-Einstein关系，离子扩散系数下降近四个数量级，与MD模拟趋势一致，证实PIL骨架有效提高了离子输运的动力学能垒。

4.4 PIL人工突触在神经网络图像识别中的应用

40 wt.% PIL器件实现了增强非线性（NL）值1.87和抑制非线性值4.85，显著优于对照器件的3.69和8.06。动力学调控机制将输运从自由扩散主导转变为聚合物骨架空间位阻调控，防止沟道电导的突然饱和，实现了权重更新的线性化。400 s读写训练周期内，40 wt.%器件通道电流衰减仅1.9%，优于0 wt.%器件的10.1%。基于MNIST数据集的MLP模拟中，40 wt.%器件在约125个周期后达到90.1%的峰值识别准确率，收敛速度最快且波动最小。

五、结论与意义

研究人员通过聚离子液体共混电解质实现了OECT非易失态保持的动力学调控策略。EIS和MD分析确认，PIL引入的高玻璃化转变温度刚性基体作为动力学俘获阱，有效限制抗衡离子并抑制其向半导体沟道的自发涌入。40 wt.% PIL器件在保持适用于短电压脉冲的快速响应特性的同时，实现了31.71%的保持率，较对照组提升近五倍。器件信息驱动的神经网络模拟在MNIST模式识别中达到90.1%的准确率。该策略具有潜在普适性，可推广至基于二维材料或n型聚合物的其他离子栅控晶体管，为调控神经形态器件动力学提供了可行的材料设计原则，为下一代仿生计算铺平了道路。