综述：评述：用于类脑计算的二维材料忆阻器：基础原理、器件设计及新兴的受大脑启发的应用

《Materials Science in Semiconductor Processing》：Review: Two-dimensional material-based memristors for neuromorphic computing: Fundamentals, device engineering, and emerging brain-inspired applications

　　A. Rajalingam|Nadir Al Shibli|Rudrarapu Rajakumar|Kanne Naveen|Yalabaka Srikanth|S. Balaji|A. Mohanbabu阿曼苏丹国希纳斯技术应用大学工程与技术系摘要随着人工智能和数据密集型应用对计算能力需求的不断增长，人们开始寻求超越传统冯·诺伊曼架构的节能硬件。二维材料基忆阻器因其原子级薄的几何结构、可调控的缺陷、范德瓦尔斯界面以及多功能的电学和光电子特性，成为类脑计算领域极具前景的选择。本综述总结了二维忆阻器在类脑应用方面的最新进展，涵盖了电阻切换机制、材料种类、器件架构、制造策略以及可扩展集成技术。文中还探讨了包括突触可塑性、人工神经元、关联学习、痛觉感受器以及光电子突触在内的关键类脑功能，同时介绍了内存计算、水库计算以及神经网络加速等新兴计算范式。此外，综述还分析了与器件稳定性、大面积制造、CMOS兼容性以及系统级集成相关的挑战，并指出了铁电、纳米流体、混合维度以及可持续忆阻系统中的新兴机遇。总体而言，基于二维材料的忆阻器为开发紧凑、低功耗且功能多样的类脑硬件提供了有力途径。

引言人工智能、物联网以及数据密集型科学计算的快速发展，给负责数字信息处理的底层硬件带来了前所未有的压力。七十多年来，主流计算机系统一直基于冯·诺伊曼架构构建，其中中央处理单元与主存储器在物理上相互分离，通过带宽有限的总线进行数据交换。尽管这种架构推动了互补金属氧化物半导体技术的持续发展，但它也存在一个根本性的限制，即所谓的冯·诺伊曼瓶颈。处理器与存储层次结构之间频繁的数据传输占据了大量能量，限制了现代计算平台的处理速度，尤其是在那些以矩阵向量乘法为主的工作负载上，比如深度神经网络的推理与训练[1,2]。随着摩尔定律的放缓以及丹纳德缩放的饱和，单纯提高晶体管密度已无法突破这一限制，因此人们开始积极寻找能够将存储与计算结合在一起的替代性非冯·诺伊曼计算范式[2,3]。图1展示了传统冯·诺伊曼架构与类脑计算架构的对比示意图。

类脑计算提供了一种极具吸引力的替代方案，它借鉴了人脑处理信息的方式。生物神经网络仅消耗约20瓦的能源就能实现惊人的计算能力，这一数值远远低于执行类似认知任务的数字加速器的能耗。其高效性源于生物突触和神经元能够通过模拟的、事件驱动的动态方式，在同一物理位置存储和处理信息。要在硬件中模拟这种行为，就需要设计出兼具存储与计算功能、具有可调控导电状态且每次切换能耗较低的器件。传统的基于电荷的记忆器件，如静态随机存取记忆器和动态随机存取存储器，属于易失性器件，缺乏编码突触权重所需的模拟可塑性；而闪存则存在编程速度慢、耐用性有限以及写入电压高的问题[1,2]。这些局限性促使人们开始关注那些能够将存储与逻辑功能整合在一起的新兴非易失性器件[1,3]。

在这些器件中，忆阻器——即记忆电阻器——被视为内存计算和类脑计算中最具潜力的构建模块。1971年，基于电荷、电流、电压和磁通量之间的对称性关系，忆阻器作为第四种基本无源电路元件被提出，但这一概念在2008年之前主要停留在理论层面。直到人们在二氧化钛薄膜堆叠中实现了首个纳米级忆阻器，才证明了预测的忆阻行为与氧化物薄膜中的电阻切换现象之间存在明确的物理对应关系[2,4]。此后，包括二元氧化物（HfO2、Ta2O5、TiO2）、钙钛矿、硫属化合物以及钒 dioxide 等莫特绝缘体在内的多种材料体系，都被证明可用于实现数字存储和模拟突触功能[2]。最简单的忆阻器是一种两端器件，其电阻值记为M(q)，取决于流经它的电荷历史。其本构关系可表示为：v(t)=M?(q(t))i(t)，其中v(t)和i(t)分别是器件两端的电压和电流，q(t)为积分电荷。在更一般的电阻切换模型中，该动态过程可以通过一个内部状态变量w来描述，该变量代表了活性区域的微观结构，例如导电细丝的长度、氧空位分布或离子浓度分布：i=G(w,v)vdwdt=f(w,v)，其中G(w, v)是取决于电压和状态的导电率，f(w, v)则决定了其变化规律。由于导电率具有非易失性且可连续调控，单个忆阻器既可以以离散的电阻级别存储多个比特信息，对于类脑应用而言更为重要的是，它还可以作为模拟突触权重，其数值可通过特定形状的电压脉冲逐步增强或减弱[[1], [2], [3]]。当这类器件被排列成交叉阵列时，利用欧姆定律和基尔霍夫电流定律，就可以在单个时间步内完成N×N维的矩阵向量乘法运算。这样一来，算法复杂度就从传统冯·诺伊曼硬件所需的O(N2)——其中N2表示所需的顺序乘累加操作次数——降低到了O(1)，意味着无论阵列规模如何，每次乘累加操作都可以在单一并行步骤中完成[1,3]。这一特性正是内存计算和模拟类脑计算的基础。图2展示了忆阻器的发展历程[[1], [2], [3], [4], [5], [6], [7], [8], [9], [10], [11], [12], [13], [14], [15], [16], [17], [18], [19], [20], [21], [22], [23], [24], [25], [26], [27], [28], [29], [30], [31], [32], [33], [34], [35], [36], [37], [38], [39], [40], [41], [42], [43], [44], [45]] [[46], [47], [48], [49], [50], [51], [52], [53], [54], [55], [56], [57], [58], [59], [60], [61], [62], [63], [64], [65], [66], [67], [68], [69], [70], [71], [72], [73], [74], [75], [76], [77], [78], [79], [80], [81], [82], [83], [84], [85], [86], [87], [88], [89], [90]] [[91], [92], [93], [94], [95], [96], [97], [98], [99], [100], [101], [102], [103], [104], [105], [106], [107], [108], [109], [110], [111], [112], [113], [114], [115], [116], [117], [118], [119], [120]] [[121], [122], [123], [124], [125], [126], [127], [128], [129], [130], [131], [132], [133], [134], [135], [136], [137], [138], [139], [140], [141], [142], [143]]。

尽管传统氧化物基忆阻器已展现出诸多优异性能，但随着活性层尺寸缩小到几纳米级别，它们仍面临一些众所周知的难题。需要指出的是，氧化物忆阻器中的电阻切换并非仅由一种机制引发。最被广泛研究的是纤维状机制，即通过氧化物体内的离子迁移形成和断裂导电路径；在三维多晶薄膜中，这类纤维的随机形成会导致器件之间以及不同循环之间的性能差异极大，而且难以精确控制纤维的几何结构，从而限制了多级编程、数据保持能力以及耐用性。另一类同样重要的机制则是纯电子机制，其切换过程源于氧化物中缺陷位置（如氧空位或间隙原子）对载流子的捕获与释放，无需活性层发生结构变化。由于不会形成或溶解物理纤维，纯电子忆阻器通常具备更高的稳定性和可靠性，波动性更低，其模拟导电率的调节也更为平滑，这类器件已在ZnO、IGZO以及相关非晶氧化物中得到实现[[138], [139], [140]]。不过，即便这类非纤维状器件也面临着材料层面的核心挑战：在晶圆级的氧化物薄膜中实现均匀且可重复的陷阱态分布仍然十分困难，而且传统的薄膜堆叠结构越来越难以在亚10纳米厚度下实现具有原子级精度的界面连接，而这正是人工智能加速器中高密度交叉阵列所必需的条件[1,3]。二维材料则为解决这些难题提供了有效途径。自石墨烯被发现以来，人们已经获得了大量原子级薄的层状晶体材料，包括过渡金属硫属化合物（MoS2、WS2、MoTe2、WSe2、PtTe2、PdSe2、ReS2、ReSe2）、六方氮化硼（h-BN）、MXenes（Ti3C2Tx、Nb2C、Mo2C）、黑磷、Bi2O2Se、二维钙钛矿以及二维聚合物[1,3]。由于这些材料在垂直于平面方向上仅靠较弱的范德瓦尔斯力结合，因此可以堆叠成具有原子级锐利界面且能实现可调带结构的纯净异质结构。由于其维度较低，开关过程、纤维生长、离子迁移、空位重新分布或相变等现象都会被限制在几个原子层范围内，这不仅降低了切换能耗，还使得电阻分布更加集中，同时减少了器件的整体体积[3,4]。

除了几何结构优势之外，二维材料还提供了多种可用于实现忆阻功能的物理机制。通过对过渡金属硫属化合物中的硫属空位进行缺陷工程调控、控制晶界形成、在范德瓦尔斯层间插入离子、在某些二维体系中引入铁电极化，以及实现半导体与金属态之间的相变，都可以以可控方式调节电阻状态[1,3]。层状晶体还具有显著的光电耦合特性，因为在单层状态下它们具有直接或准直接带隙，这使得忆阻器的导电率不仅可以通过电信号调控，还可以通过光子来实现调节。这一特性为新兴的光电忆阻器的发展奠定了基础，这类忆阻器能够在同一个超薄平台上实现短期和长期的突触可塑性、图像感知以及视觉记忆功能[4]。此外，许多二维材料还具备机械柔韧性、透明性以及良好的化学相容性，这为开发可穿戴、透明且具有生物相容性的类脑硬件提供了可能，而这类特性是用传统氧化物RAMR很难实现的。表1对比了传统氧化物RAMR与新兴二维材料基忆阻器的主要特点，阐述了为何二维材料会成为类脑计算硬件研究的热点。

从电路层面来看，忆阻器能否用于类脑应用，最直接的体现在于它能否模拟突触可塑性。在生物突触中，连接的强度会根据突触前后的动作电位出现的相对时间和频率而发生变化，从而产生配对脉冲促进作用、长时程增强效应以及动作电位时序依赖性可塑性等现象。当二维忆阻器的导电率G根据电压脉冲按照如下规则变化时，就能模仿这种行为：ΔG={A+exp?(?Δtτ+),Δt>0?A?exp?(Δtτ?),Δt<0，其中Δt?=?tpost???tpre为动作电位时序差，A+、A-、τ+、τ-则为与器件相关的系数。在众多二维材料基忆阻器中，非易失性、模拟式的多级导电率与这类时序依赖的学习规则相结合，已经实现了从关联学习、模式识别到人工痛觉感知以及仿生感觉处理等多种功能[1,3,4]。层状半导体的强光响应特性还使得二维忆阻器既能充当存储器件，又能充当光子突触，从而将传感功能与内存计算功能有机结合，而这是传统块状氧化物存储器无法做到的。

二维忆阻器所面临的不稳定性问题，本质上与传统氧化物RAMR面临的问题并无二致，后者在器件尺寸缩小过程中也会出现随机纤维形成、数据保持能力下降以及耐用性受限等问题，具体内容将在后续章节中详细阐述。二维材料的独特之处在于，这些问题的产生源于其特殊的结构特征，而且存在一些针对这些问题的解决方案，而这些解决方案在块状薄膜中是无法实现的。原子级薄的几何结构将开关事件限制在几个原子层范围内，从而减少了纤维位置的随机分布；通过晶界工程和缺陷工程，可以将随机的开关位置转化为确定且可重复的通道；而铁电二维材料则利用热力学上稳定的极化状态，而非亚稳态的缺陷结构，从而从根本上提升了数据的保持能力和耐用性。最近的器件实验已经将这些原理转化为实际的稳定性提升：经过晶界工程处理的晶圆级MoTe2阵列在整个晶圆上展现了均匀的突触响应[38]；经过电子束辐照处理的ReS2忆阻器则显著降低了器件之间的性能差异[40]；晶体态二维聚合物忆阻器则通过确定的分子开关机制，实现了极低的循环间性能变化[41]；而通过范德瓦尔斯电极集成技术，则在WSe2器件中实现了稳定且持久的突触功能[80]。第三点，也是最重要的一点，新兴研究领域中的稳定性限制并不意味着该技术不具备可行性，相反，它们恰恰为相关技术的进一步发展指明了方向。从硅CMOS到相变存储器，每一项具有变革意义的器件技术，都需要经过数十年的系统性材料和工艺优化，才能实现商业化的可靠应用。

近年来，已有不少综述文章探讨了二维材料基忆阻器或类脑计算的相关内容。然而，迄今为止尚无任何综述能够同时整合定义这一领域的全部四个视角：（i）涵盖所有二维材料家族中各类切换模式及微观机制的统一机理框架；（ii）针对从平面与垂直结构到异质结构及忆阻晶体管等器件级工程的专门研究；（iii）将制造工艺与晶圆级可扩展性作为核心议题，包括与CMOS技术的兼容性以及印刷制造技术；（iv）涵盖从突触可塑性、人工神经元到痛觉感受器、光电子突触、储层计算以及深度神经网络加速等完整的类脑功能体系，并与概率计算和内存逻辑计算等新兴理念相衔接。此外，自2023年以来该领域发展迅速，包括二维钙钛矿、分子型二维聚合物、铁电MXenes、纳米流体忆阻器以及混合维度异质结构在内的多种材料类别已实现概念验证阶段的成熟度，而此前的综述并未涉及这些内容。因此，本综述及时地首次提供了系统性且具有批判性的分析，将材料、机理、器件架构、制造策略以及计算范式置于统一的框架之下，同时明确了未来该领域将面临的具体挑战与机遇。

基于二维材料的忆阻器迅速兴起，催生了一个高度跨学科的研究领域，涉及材料科学、凝聚态物理、纳米电子学、类脑工程以及人工智能硬件等多个领域。尽管在单个器件的演示方面已取得显著进展，但将材料特性、切换物理机制、制造策略、器件架构、类脑功能以及计算范式相互关联的全面理解在现有文献中仍显得零散不全。本综述旨在为基于二维材料的忆阻器在类脑计算中的应用提供系统且富有批判性的概述，重点阐述控制电阻切换的基本原理、不同层状材料体系的多样性、可扩展的器件工程设计，以及新兴的受大脑启发的功能与应用。特别关注了原子级薄材料的独特特性——包括范德瓦尔斯界面、缺陷可调性、机械柔韧性以及多功能电/光响应——如何使得这类器件能够实现比传统氧化物基忆阻器更高效的能效表现。

为构建清晰的框架，本综述共分为多个相互关联的章节。在介绍忆阻计算及其采用二维材料的动机之后，第2节阐述了层状材料中电阻切换的基础知识，包括切换模式、微观机制、导电细丝、缺陷工程、晶界效应以及理论建模方法。第3节梳理了用于忆阻操作的各类二维材料，包括过渡金属硫属化合物、六方氮化硼、MXenes、黑磷、Bi2O2Se、二维钙钛矿以及分子层状体系，并分析了它们的结构-性质-性能之间的关系。第4节探讨了器件架构与工程策略，涵盖了平面与垂直结构、异质结构、忆阻晶体管、选择器集成以及多功能器件设计理念。第5节研究了制造与可扩展性相关问题，包括合成路径、晶圆级集成、低温生长技术、柔性及印刷制造平台以及可靠性考量。

后续章节则聚焦于功能与应用方面。第6节回顾了突触功能、神经元功能以及受大脑启发的功能，如短期与长期可塑性、联想学习、人工神经元、异突触效应、痛觉感受器以及超低电压突触。第7节讨论了光电子忆阻器与多刺激响应忆阻器，包括光忆阻器、视网膜形态系统、人工视觉、光学加密技术以及逻辑耦合的光电突触。第8节总结了二维忆阻器所推动的新兴计算范式，包括内存计算、储层计算、内存逻辑计算、深度神经网络加速、概率计算以及多级信息存储技术。最后，第9节对材料层面、器件层面以及系统层面的剩余挑战进行了批判性分析，同时指出了在铁电材料与铁电子学材料、量子拓扑切换、纳米流体系统、混合维度架构以及可持续电子学等领域未来的发展机遇。通过这样的结构安排，本综述既为 newcomers 提供了基础参考，也为致力于开发基于二维忆阻材料的下一代类脑硬件的研究人员提供了具有前瞻性的视角。图3展示了本综述的概念范围。通过整合材料、机理、器件架构和应用这四个方面的内容，本综述旨在为从事二维材料科学、器件物理以及类脑工程交叉领域研究的学者们提供既具系统性又具实用价值的参考依据[[1], [2], [3], [4]]。

**二维材料中电阻切换的基础知识**
忆阻器的运行依赖于其电阻值可调控、呈滞后特性且随历史状态变化的现象，这一现象统称为电阻切换。在二维材料中，由于材料具有极薄的几何结构、层间依靠范德瓦尔斯力结合、天然存在大量点缺陷，且化学性质易于调控，因此会出现极为丰富的切换现象，这些现象在本质上往往与常规三维材料中的切换行为存在差异。

**用于忆阻器的二维材料家族**
前一章中介绍的电阻切换基本原理，通过多种层状晶体得以实现，每种晶体都将特定的化学性质与独特的忆阻响应特征相结合。本章按材料化学类型对已被证实可作为忆阻器活性介质的二维材料家族进行梳理，而非按照器件几何结构或应用场景分类。其中主要有两大类材料。

**异质结构与界面工程**
前一章介绍了构成忆阻器的各种单一二维材料。但实际上，性能最优的器件极少由两种电极之间的单一材料构成，其活性区域通常是由两种或更多种材料构成的工程化叠层结构，而器件的电学行为在很大程度上取决于材料层间的界面特性，而非材料本身。研究重点由此从材料的整体性质转向了界面设计。

**合成路径**
基于二维材料的忆阻器的性能、重复性以及可扩展性在很大程度上取决于用于制备活性层的合成方法。与传统氧化物电阻存储器不同，后者通常将切换介质以连续的非晶薄膜形式沉积，而二维忆阻器则极度依赖材料的原子厚度、层间耦合强度、晶界密度、缺陷浓度以及界面纯净度。由于电阻切换机制的存在，这些因素都会对器件性能产生重要影响。

**短期与长期可塑性**
类脑硬件的核心要求之一便是能够模拟突触可塑性，即生物学习和记忆过程中突触强度的适应性变化。在生物神经系统中，突触效能会在不同的时间尺度上发生变化，从持续数毫秒的短暂反应到形成持久的长期记忆不等。基于二维材料的忆阻器在再现此类突触功能方面展现出巨大潜力。

**光忆阻器与光学编程**
将光学响应功能引入忆阻系统为类脑硬件开辟了新方向，使得信息处理能够同时通过电信号和光信号实现。与传统电编程忆阻器不同，光忆阻器可以利用光来调节导通状态，从而具备更高的可编程性、并行处理能力以及传感功能。二维材料尤其适合用于构建光电子忆阻器。

**内存计算与点积运算引擎**
内存计算作为一种由忆阻器件支撑的重要计算范式，能够有效解决传统数字系统中内存单元与处理单元之间数据传输所带来的冯·诺依曼瓶颈问题。在常规数字系统中，主导神经网络计算的矩阵-向量乘法操作需要不断在处理器与内存阵列之间传输数据，从而导致高能耗和长延迟。而忆阻器则有望解决这一问题。

**非均匀大面积生长问题**
在晶圆上实现厚度、晶粒尺寸及缺陷密度均受控的均匀二维薄膜生长，至今仍是该领域面临的最大难题之一。化学气相沉积和金属有机化学气相沉积工艺仍会导致薄膜厚度不均匀、晶界分布随机以及大面积基底上的缺陷浓度难以控制，进而使得不同器件之间的性能差异随阵列规模增大而愈发明显[49,95]。为此，已有研究提出了无需转移步骤的低温合成方法[45]以及一步硫化法[65]等解决方案。

**结论**
基于二维材料的忆阻器凭借其原子级薄的结构、可调控的切换机制以及与多功能器件设计的兼容性，展现出在类脑计算领域巨大的应用潜力。过渡金属硫属化合物、h-BN、MXenes以及其他层状材料的不断发展，已经实现了从突触可塑性、人工神经元到光电子传感以及内存计算等多种功能的实现。尽管已取得显著进展，但该领域仍需进一步突破。

**参与同意声明**：不适用。
**出版同意声明**：由于手稿未包含任何个人数据，故无需此项同意。
**关于写作过程中生成式AI及AI辅助技术的声明**：在撰写本稿时，作者使用了Grammarly AI工具进行语法修正。在使用该工具后，作者对内容进行了必要的审阅与修改，并对最终发表的内容承担全部责任。
**资金支持信息**：无。
**CRediT作者贡献说明**：A. Rajalingam：数据整理；Nadir Al Shibli：形式分析；Rudrarapu Rajakumar：实验研究；Kanne Naveen：方法设计；Yalabaka Srikanth：资源协调；S. Balaji：软件开发；A. Mohanbabu：初稿撰写、审稿与编辑工作。
**利益冲突声明**：作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
**致谢**：作者感谢印度泰米尔纳德邦金奈市拉马普拉姆的SRM科学技术研究所为本研究提供的支持与实验条件。