印刷1T1R阵列用于下一代电子器件

《ACS Applied Electronic Materials》：Printed 1T1R Arrays for Next-Generation Electronics

　　

由人工智能和物联网驱动的对高能效和高密度硬件的日益增长的需求，暴露了基于冯·诺依曼架构的传统计算系统的局限性。因此，神经形态计算作为一种有前景的范式应运而生，其受生物系统启发实现了存内数据处理。忆阻器（memristor）阵列是实现各种神经形态算法最有前景的硬件解决方案之一。在构成忆阻器阵列的不同单元配置中，1T1R架构（结合了一个晶体管和一个忆阻器）因其能够提供可控操作并减少串扰而展现出巨大潜力。同时，印刷电子技术作为一种低成本、可扩展的制造方法，兼容柔性衬底和低温加工，已引起关注。然而，利用印刷技术实现1T1R结构带来了若干挑战，包括墨水配方、印刷层间的界面兼容性以及多层对准。本展望文章概述了1T1R架构，特别关注其通过印刷方法的制造过程。讨论了器件结构、电学性能和集成策略，以及与印刷技术相关的主要挑战。强调了1T1R结构在神经形态硬件、模拟计算和灵活物联网平台中的应用潜力，指出了面向可扩展、低功耗印刷电子系统的未来发展方向。

论文解读文章

一、研究背景与问题

随着人工智能和物联网技术的飞速发展，传统基于冯·诺依曼架构的计算系统在数据密集型任务中效率日益低下，其根本原因在于处理器与存储单元的物理分离导致频繁的数据搬运，形成通信瓶颈并增加能耗。为突破这一局限，神经形态计算（neuromorphic computing）应运而生，它模仿人脑的并行处理与存算一体机制，有望实现极低功耗下的高效信息处理。忆阻器（memristor）作为实现神经形态硬件的核心器件，具有非易失性存储、快速并行矩阵运算和高集成密度等优势。然而，当忆阻器以无源交叉阵列（passive crossbar）形式集成时，会因共享行/列线产生串扰（crosstalk）问题，导致相邻单元误开关或过度编程，阻碍大规模阵列的可靠实现。为解决这一难题，研究人员提出了1T1R（1晶体管-1忆阻器，1-transistor-1-memristor）架构，通过串联晶体管作为选通器件，有效抑制漏电流和串扰，并可提供精确的电流控制，实现多级电导状态。同时，印刷电子技术（printed electronics）因其低成本、可扩展、兼容柔性衬底和低温加工的优势，在神经形态硬件领域展现出巨大潜力。然而，将1T1R结构完全通过印刷技术制造仍面临墨水配方、层间兼容性、多层对准等挑战，目前相关研究尚处于早期阶段。因此，系统梳理印刷1T1R阵列的器件结构、电学性能、制造策略及未来发展方向，对于推动下一代低功耗、可扩展电子系统的发展具有重要意义。该论文发表在《ACS Applied Electronic Materials》。

二、关键技术方法

研究人员在综述中主要归纳了以下几类关键技术与方法：（1）印刷技术：包括非接触式印刷（如喷墨印刷、电液动力印刷、气溶胶喷射印刷）和接触式印刷（如丝网印刷、凹版印刷、柔版印刷），不同技术具有不同的分辨率、厚度、速度和对准精度，需根据器件层需求混合使用。（2）材料体系：涵盖金属（如Ag纳米颗粒）、氧化物半导体（如IGZO、ZnO）、二维材料（如WSe₂、MoS₂）、聚合物（如P3HT）等，需考虑墨水配方（分散型或前驱体型）及后处理温度（从~100 °C至>400 °C）。（3）器件集成策略：包括平面晶体管与垂直忆阻器的组合、共享电极的平面集成、以及采用同一二维材料同时作为晶体管沟道和忆阻器有源层的紧凑结构。（4）工艺优化：包括采用温度梯度（高温步骤优先于低温步骤）、使用对准标记、预稳定化柔性衬底、抑制咖啡环效应等，以确保多层印刷的兼容性与可靠性。

三、研究结果

（1）1T1R架构与电学性能
1T1R结构通过将忆阻器与晶体管漏极串联，使晶体管充当选通器件，提供电流顺从（current compliance）控制，有效抑制无源交叉阵列中的潜行路径电流（sneak-path current）。此外，晶体管通过栅压和漏压调制可实现忆阻器电导的精细调谐，获得逐渐且线性的开关行为，这对于突触功能和多级存储至关重要。研究人员指出，当前主流结构采用平面薄膜晶体管（TFT）与垂直忆阻器的组合，其中忆阻器底电极与晶体管漏极共享。例如，基于IGZO的1T1R器件可减少制造步骤并支持柔性衬底；而基于二维材料（如CuCrP₂S₆/h-BN/MoS₂）的1T1R器件展现出高电阻可调性与超低漏电流。

（2）印刷1T1R结构的制造
研究人员系统总结了适用于印刷TFT和忆阻器的材料种类（金属、氧化物、二维材料、聚合物）及其在器件各层（沟道、有源层、介电层、电极）中的重叠使用，指出这种材料交叉有利于降低印刷复杂性并提高兼容性。同时，详细对比了不同印刷技术的特性（表1）：非接触印刷（如喷墨、气溶胶）分辨率高（可达0.04 μm）、对下层影响小，适合沉积关键功能层；接触印刷（如丝网、凹版）速度快、适用于大面积电极和互连线。墨水类型（分散型或前驱体型）决定后处理温度，需遵循温度递减顺序进行多层印刷。此外，衬底选择（尤其是柔性衬底）需考虑热膨胀系数，可通过预稳定化处理缓解。

（3）规模化1T1R结构的挑战
规模化面临的首要问题是单元面积增大导致集成密度下降，晶体管通常占据较大面积；此外，寄生电容引入瞬态效应影响读取速度和精度。从印刷角度看，主要挑战包括：（a）不同印刷技术兼容性差，各层需不同加工条件；（b）材料与溶剂兼容性问题，后续印刷可能溶解或降解前层；（c）多层对准精度不足，导致器件变异增大；（d）印刷特征不均匀引起的电学变异影响良率和可靠性。研究人员指出，单片三维垂直集成（monolithic 3D vertical integration）可缩小面积，但需考虑局部热管理。

（4）应用
1T1R交叉阵列已广泛应用于人工神经网络（ANN）的硬件实现，包括卷积神经网络（CNN）和脉冲神经网络（SNN），相较于传统系统显著提升能效。此外，其支持联想记忆功能和存内计算（in-memory computing），可利用欧姆定律和基尔霍夫定律实现矢量?矩阵乘法，用于图像重建、噪声平滑和实时视频处理（如前景?背景分离）。与光电忆阻器集成可实现近传感器和传感器内计算。在物联网（IoT）和边缘计算中，1T1R系统可集成于智能传感器执行信号滤波、模式识别和无监督学习。在硬件安全方面，忆阻器的固有变异性可用于真随机数生成和物理不可克隆函数（PUF），其非易失性也适用于存储级存储器（storage-class memory）。

四、总结与讨论

论文结论部分指出：1T1R架构已成为下一代计算系统的关键组件，通过晶体管与忆阻器的结合，实现了对开关动力学的精确控制、有效抑制潜行路径电流，并在大规模交叉阵列中提供可靠操作，使其成为神经形态计算和模拟存内处理硬件的有力候选者。目前，全印刷1T1R系统仍处于早期开发阶段，但印刷技术、材料和器件工程的持续进步表明，概念验证性全印刷1T1R器件正变得日益可行。研究人员还提出了技术路线图（图6）：从初始概念验证，到印刷分辨率提高（<1 μm）、多层对准精度改善、材料兼容性优化，最终实现高密度单片集成3D架构。未来，印刷1T1R系统在神经形态计算、物联网设备和柔性电子等领域的新兴应用将推动下一代低功耗自治系统的发展。讨论部分强调，当前主要局限性包括有限印刷分辨率（>1 μm）降低集成密度、多层对准误差（>1 μm）增大器件变异、材料兼容性引起界面退化、导电墨水变异限制全印刷器件实现、电学变异影响可靠性与良率。相应的缓解策略包括：开发高分辨率印刷技术、实施对准标记与设备偏移校准、优化墨水配方与溶剂兼容性、开发新型导电墨水或采用激光烧蚀商业导电衬底、工艺标准化与封装等。这些策略是实现可扩展、高密度、高性能印刷1T1R系统的关键技术路径。