《Advanced Materials》：Blending With Insulating Polymers Enables Stable Anti-Ambipolar Characteristics in n-Type Organic Mixed-Conductors for Heterogeneous Spiking Neurons
编辑推荐：
哺乳动物神经元表现出多样的结构与生理特性，而当前的神经形态系统尚不具备这种异质性。近期进展使得基于有机电化学晶体管（organic electrochemical transistors, OECTs）整合与长期运行的生物现实尖峰系统成为可能。然而，能够呈现反
哺乳动物神经元表现出多样的结构与生理特性，而当前的神经形态系统尚不具备这种异质性。近期进展使得基于有机电化学晶体管（organic electrochemical transistors, OECTs）整合与长期运行的生物现实尖峰系统成为可能。然而，能够呈现反双极性（anti-ambipolar, AA）特性（即随栅压增加呈现OFF-ON-OFF关断-开启-关断的电导行为）的材料库受限于缺乏稳定、快速且可扩展的有机混合离子和电子导体（organic mixed ionic and electronic conductors, OMIECs），这增加了模拟 specialized neuron types 的复杂性。将半导体聚合物与绝缘聚合物共混是有机电子与OMIECs中的经典策略，以提升器件性能并实现可调性，但此前尚未探索用于改善非梯型反双极性材料的稳定性。研究人员将n型OMIEC——P(gNDI-gT2)与绝缘聚合物PMMA共混，获得了稳定的反双极性特性。两组分在溶液中的混溶性在固态下形成了机械稳定且离子可渗透的框架，显著减少了溶胀引起的结构损伤，从而在不损害导电聚合物电子通路的前提下，防止了首次运行循环后的灾难性失效。调控聚合物共混比可在无需优化器件几何结构的条件下实现具有可调且可编行动力学的低功耗、快速尖峰的Hodgkin–Huxley神经元，展示了频率解卷积（frequency deconvolution）和储备池计算（reservoir computing）。这两个计算原语是构建高效尖峰神经网络（spiking neural networks, SNNs）的关键基础模块。
大脑利用神经多样性（neural diversity）与神经特异性（neural specialization），通过高度互联且结构异质的神经元网络实现低能耗、异步的并行计算。然而，当前神经形态系统主要依赖同质晶体管的规模化集成，难以复现生物神经元在动作电位阈值、放电频率及离子动态交互上的异质性。有机混合离子和电子导体（organic mixed ionic and electronic conductors, OMIECs）因其本征的离子-电子信号转导能力，成为模拟突触与神经元功能的理想平台。其中，呈现反双极性（anti-ambipolar, AA）特性的有机电化学晶体管（organic electrochemical transistors, OECTs）可大幅简化Hodgkin–Huxley（HH）型神经元电路。然而，现有AA材料库受限于非梯型n型OMIECs的稳定性问题：这类材料在深度掺杂态下易发生溶胀、剥离与结构崩塌，导致器件在首次反双极性循环后即失效，且响应迟缓、频率可调范围窄，严重制约了高生物真实度神经形态系统的发展。
针对上述挑战，研究人员提出了一种半导体-绝缘聚合物共混策略。通过将商品化绝缘聚合物PMMA与n型OMIEC P(gNDI-gT2)在氯仿溶液中预混，利用二者的混溶性在固态薄膜中原位构建机械稳定且离子可渗透的双连续或岛状互穿结构，以抑制工作过程中的溶胀损伤并维持高效的电子与离子传输通路。研究团队制备了不同共混比例（8:2至2:8）及不同PMMA分子量的薄膜，并分别构建了共面型（coplanar OECTs, cOECTs）与垂直型（vertical OECTs, vOECTs）器件，系统评估了其反双极性转移特性、循环稳定性、瞬态响应及微观形貌。进一步地，研究团队利用这些具有稳定AA特性的共混器件作为人工神经元核心，构建了具有差异性尖峰频率窗口的异质神经元网络，并验证了其在频率解卷积与储备池计算（reservoir computing）任务中的信息处理功能。
研究人员将P(gNDI-gT2)与PMMA按不同质量比共溶于氯仿，采用旋涂法制备薄膜，并构建cOECT与vOECT。利用电化学石英晶体微天平联用电位站（EQCM-d）实时监测循环伏安与脉冲偏置下薄膜的质量变化与耗散因子；采用场发射枪扫描电子显微镜（FEG-SEM）与K-means聚类算法对薄膜进行微观形貌与相结构定量分析。基于LTSpice建立HH神经元等效电路模型模拟不同共混比器件的尖峰频率响应，并借助Brian2神经模拟器对Free Spoken Digit Dataset（FSDD）语音数据集实施尖峰编码、储备池计算及分类性能测试。
2.1 半导体-绝缘聚合物共混提升稳定性并实现电学特性调控
研究表明，引入PMMA可显著增强非梯型n型OMIEC P(gNDI-gT2)的反双极性稳定性。未共混的纯材料在AA区仅能维持约2次掺杂/脱掺杂循环即发生永久失效，而4:6 P(gNDI-gT2):PMMA共混的vOECT在反双偏置区稳定循环超过800次，200次循环后峰值电流甚至高于初始值。垂直型器件较共面型表现出更优异的抗溶胀能力，这归因于顶部电极提供的额外机械约束与PMMA稳定化框架的协同作用。电学测试表明，共混未破坏垂直电子传导路径，vOECT的峰值漏电流随PMMA含量呈超线性增长，而迁移率在各比例下基本保持恒定，证实了柱状垂直传导机制。
2.2 绝缘聚合物组分作为机械稳定且离子可渗透框架
EQCM-d结果显示，纯P(gNDI-gT2)在?0.6 V vs. Ag/AgCl以下因过度溶胀发生灾难性质量损失与刚度下降，导致薄膜剥离；而6:4共混薄膜在循环伏安过程中表现出可逆且适度的质量与耗散变化。脉冲模式测试进一步证实，PMMA含量增加可降低质量响应时间，加速离子在体相中的传输。PMMA框架不仅提供了机械约束，还充当离子储层，促进了半导体区域整体掺杂，从而在不牺牲电子迁移率的前提下显著提升了器件的循环寿命与响应速度。
2.3 PMMA分子量对共混薄膜形貌的作用
FEG-SEM分析揭示，P(gNDI-gT2)以岛状domain形式分散于PMMA连续基体中。提高PMMA分子量导致半导体相domain尺寸增大、密度降低、相分离程度加剧。基于截面SEM与电学输运特性，研究人员提出互连岛状复合形貌模型：侧向（面内）电子通路因PMMA插入而受阻，但垂直方向仍保留有效的柱状电子传导通道。350 000 g mol
?1分子量的PMMA在6:4比例下最优地平衡了垂直电子传导、离子掺杂/脱掺杂动力学与低响应时间的需求。
2.4 利用共混策略构建异质神经元网络
利用不同共混比器件在电容与响应时间上的差异，研究团队在固定几何结构下构建了三种HH人工神经元：N1（8:2，低频/type-2 resonator-like）、N2（6:4，中频/混合）与N3（4:6，高频/type-1 integrator-like）。LTSpice模拟显示，N1、N2、N3分别对长、中、短脉冲输入产生选择性尖峰响应，实现了输入时长的频率解卷积，复现了听觉螺旋神经节神经元的选择性编码机制。在储备池计算任务中，由N1、N2、N3等比例构成的异质储备池对FSDD语音数字的分类验证准确率达到32.44%，显著优于同构储备池的21.11%，且该优势在留一说话人（leave-one-speaker-out, LOSO）与留一口音（leave-one-accent-out, LOAO）交叉验证中均得以保持。
综上所述，该研究确立了一种通过半导体-绝缘聚合物共混稳定非梯型n型OMIEC反双极性特性的通用方法。PMMA在固态下形成的机械稳定且离子可渗透框架有效抑制了溶胀导致的结构损伤，将器件在AA工作区的循环稳定性提升超过800个周期，并将上升时间（t
10-90）缩短至0.25–0.75 ms。基于此材料平台构建的不同共混比HH神经元网络展示了可编程的频率窗口与放电动态，实现了频率解卷积与储备池计算，在语音分类任务中表现出优于同构网络的性能。该工作不仅为反双极性OMIECs提供了可推广的材料设计准则，也向构建具有生物真实异质性的大规模神经形态系统迈出了关键一步，为事件驱动传感、可植入神经接口与生物混合计算开辟了新的途径。
