综述：脑启发二维材料神经形态电子学：从突触到硬件系统

《Coordination Chemistry Reviews》：Brain-inspired neuromorphic electronics of 2D materials: synapses to hardware systems

　　

研究人员系统综述了二维（2D）材料在脑启发神经形态电子学领域的研究进展，重点阐述了过渡金属硫族化合物（TMDCs）、石墨烯、六方氮化硼（h-BN）及范德华（vdW）铁电材料等原子级薄层体系如何实现人工突触功能。通过离子迁移、电荷俘获及极化翻转等物理机制，此类材料可精准模拟生物突触的可塑性行为，包括短时程可塑性（STP）、长时程可塑性（LTP）及脉冲时序依赖可塑性（STDP）。研究进一步揭示了从单一突触器件到交叉阵列架构，再到存算一体与感内计算系统的技术演进路径，指出TMDC异质结突触在近期高性能演示中占据主导地位。尽管当前研究已实现亚皮焦耳级乘累加（MAC）操作能耗及超过90%的MNIST手写数字识别准确率，但耐久性、器件间变异性和大面积均匀性仍是阻碍脑规模芯片实现的核心瓶颈。本综述为面向边缘智能、自适应机器人及生物混合接口的超低功耗神经形态硬件开发提供了材料-器件-系统的全链条路线图。

1. Introduction

研究人员首先指出冯·诺依曼架构中存储与计算单元物理分离导致的“内存墙”问题，强调神经形态电子学通过存算一体架构突破该限制的核心优势。二维材料凭借原子级厚度、尖锐的范德华界面及强静电栅控耦合特性，可在超低电压下通过微弱的电学、离子或极化刺激实现大幅模拟电导更新，且与异质堆叠工艺兼容，支持系统级集成。相较于传统CMOS技术在频繁权重读写和矩阵运算中的局限性，二维材料的人工突触可通过局部模拟电导更新响应多模态刺激，其原子级薄通道的强静电控制、vdW界面的低缺陷密度及确定性异质结构建能力，显著提升了器件线性度、状态粒度、保持特性及稳定性。研究重点区分了两类主导型突触器件：两端忆阻器具有最小 footprint，适用于基于交叉阵列的向量-矩阵乘法，二维开关介质或vdW异质结可有效抑制周期循环（C2C）和器件间（D2D）变异性并降低Set/Reset电压；三端突触晶体管通过栅极解耦读写通路，减少读干扰并支持更丰富的可塑性行为，其高表面体积比和洁净vdW界面增强了栅极调控效率，实现精准低压编程及光、压、离子等多模耦合。此外，二维vdW铁电材料（如α-In₂Se₃、CuInP₂S₆（CIPS）及3R堆垛TMDCs）通过铁电极化翻转实现非易失性模拟电导调制，并与光电子效应（如体光伏效应）耦合，推动感内计算架构发展，在探测器矩阵内协同实现感知、存储与乘累加运算，显著降低数据搬运开销。研究进一步展示了二维人工突触在存算一体加速器、视网膜形态视觉阵列、生物医学信号处理及脑机接口等领域的应用潜力，并从材料特性、物理机制及应用场景三个维度归纳了其核心优势，最后明确了本综述“从突触到系统”的主线逻辑，即从原子级构筑基元到集成神经形态芯片的递进式论述框架。

1.1. Neuromorphic computing: basics and requirements

本节阐述神经形态计算的基础范式与核心指标。神经形态计算通过神经元-突触网络的巨并行、本地存储及事件驱动信号处理方式，突破冯·诺依曼架构瓶颈，其中脉冲神经网络（SNNs）通过稀疏脉冲与时序编码实现超低功耗感官流处理。硬件架构通常包含突触权重存储阵列（交叉阵列）、神经元电路核及异步通信网络（地址事件范式）。相较于静态随机存取存储器（SRAM），阻变存储器（RRAM/忆阻器）、相变存储器（PCM）及铁电场效应晶体管（FeFET）等非易失性器件因存算一体特性显著降低数据搬运能耗。系统级关键指标涵盖架构层面（神经元/突触密度、扇入/扇出带宽、脉冲路由延迟及多核扩展性）与器件层面（稳定电导态数量、动态范围、写能耗、编程速度、耐久性、保持特性、变异性、更新非线性及对称性），这些指标直接决定学习与记忆保真度。研究人员强调，神经形态计算为常开感知与自主系统提供了高能效、低延迟的边缘AI解决方案，其硬件基底更适配时序处理与持续适应需求。

1.2. Neural-network architectures for neuromorphic computing

研究人员梳理了神经形态硬件适配的四类神经网络架构及其对二维突触器件的需求差异。人工神经网络（ANNs）采用率编码前馈结构，天然映射至忆阻交叉阵列，通过列电流求和实现矩阵向量积，训练基于标准反向传播算法，优势在于结构简单与推理精度高，但存在密集常开活动问题。深度神经网络（DNNs）通过多层结构与海量权重扩展ANNs，模拟存算一体较数字GPU可实现最大能效提升，前提是器件提供足够的线性模拟态与紧凑分布。卷积神经网络（CNNs）主导视觉任务，其权值共享特性减少了物理突触需求，与视网膜形态二维阵列高度契合。脉冲神经网络（SNNs）通过稀疏脉冲序列与时序编码，原生支持STDP与STP，在常开事件驱动感知中实现极致能效，但训练难度较高且在大规模数据集上精度落后于ANNs/DNNs。研究指出，二维忆阻器与忆晶体管通常先在ANN/CNN推理任务（如MNIST、Fashion-MNIST、CIFAR）中基准测试，逐步拓展至SNN工作负载（如DVS-Gesture、ECG、事件相机流）以验证时序处理能力。

1.3. Bio-inspired neuromorphic computing in 2D material-based electronic devices

本节聚焦二维材料电子器件的生物启发神经形态计算实现。研究人员以MoSSe浮栅突触为例，展示从生物突触到晶圆级硬件的转化路径：生物突触通过神经递质释放实现突触效能的活动依赖性改变，而二维vdW异质结器件通过FN隧穿或陷阱辅助隧穿实现浮栅电荷注入/移除，调控沟道阈值电压并产生数百个模拟电导水平，复现STP、LTP及STDP行为。Janus TMDCs的面外破缺对称性产生内置偶极，促进载流子分离与超低电压保持；h-BN层作为缺陷稀疏势垒与封装层，提升器件均匀性、耐久性与保持特性。器件电导态经交叉阵列 tiling 实现原位乘累加运算，结合CMOS后端兼容性，支撑计算机视觉、语音识别等AI应用。研究进一步对比了三类突触器件：三端晶体管型（电解质栅、铁电栅、浮栅）提供精准低噪声读取与精细突触效率控制；两端忆阻器基于二维薄膜或二维/氧化物异质结的缺陷/离子迁移，具备激进缩放潜力但需抑制变异性与非线性；二维异质集成可构建忆阻突触、人工神经元及存算逻辑等核心模块，支撑ANN、非易失性存储器及布尔/存算电路等系统级功能。

1.4. A decade of 2D and TMDC-based neuromorphic devices (2015–2026): a roadmap

研究人员梳理了2015–2026年二维TMDC神经形态器件的技术演进路线。2015年，层状TaS₂的电荷密度波（CDW）切换首次证明原子级薄晶体无需离子或细丝即可实现多电平电导存储；2016年，黑磷突触场效应晶体管引入栅极调控与电解液耦合，实现STP/LTP及STDP，标志三端突触诞生；2017年，MoS₂质子/离子双电层栅控器件在低偏压下实现兴奋性突触后电流（EPSC）、成对脉冲易化（PPF）及STP向LTP转换，实现读写分离；2018年，MoS₂忆晶体管通过多端子结构实现异突触调制与读干扰抑制；2019年，MoS₂/PTCDA vdW异质结实现光脉冲写入模拟权重，开启感内计算研究；2020年，电解液栅控器件的标准化脉冲协议提升了器件间重复性；2021年，石墨烯/MoS₂机械-光子突触实现自供电多模学习；2022年，直接生长MoS₂阵列实现光刻寻址矩阵的多电平电导与初步训练；2023年，二维异质结神经启发光学传感器阵列在单堆栈内实现感知、存储与视觉任务执行；2024年，横向单层WS₂/MoS₂光突触提供均匀量化模拟态与光学编程识别能力；2025–2026年，质子栅控（如壳聚糖/Li⁺）MoS₂突触场效应晶体管及一步沉积工艺推动后端制程（BEOL）兼容性，指向感知-存储-计算垂直共位的3D集成。该路线图清晰展现了二维材料从突触基元到感内计算边缘AI构建模块的演进逻辑。

2. Neuromorphic switching phenomena in 2D materials

本节阐述非TMDC二维材料的神经形态开关现象。以Ag/ZnPS₃/Au忆阻器为例，研究人员展示了单脉冲下挥发性与非挥发性切换的重构能力：挥发性模式源于超薄Ag细丝弛豫，实现143 aJ/事件的超低能耗操作，Set/Reset电压分别低至+0.183 V/-0.154 V，开关比达10⁷；非挥发性模式通过20 ns、1.15 V脉冲实现28 fJ能耗，支持≥256个稳定电导态，保持时间达3.6×10⁴s，基于此构建的储备计算系统实现约99%的心电图（ECG）分类准确率。室温铁电CuVP₂S₆（CVPS）的生长与表征显示，Gr/CVPS/Gr异质结通过极化翻转非易失性调控肖特基势垒，在亚伏至数伏偏压下实现低扰动读取，脉冲训练产生近线性电导更新，支持光字符识别与Transformer机器翻译融合应用。锂离子驱动电解质栅突触晶体管采用LiPON固态电解质与Se_0.3Te_0.7纳米片沟道，通过Li⁺再分布调制沟道电导，实现EPSC的衰减记忆特性，在MNIST手写数字识别任务中达到约90%准确率，优于其他电解质栅平台。研究人员通过表格汇总了石墨烯、MXene、Bi₂O₂Se、α-In₂Se₃、CIPS等非TMDC二维神经形态器件的关键性能指标，涵盖开关比、保持时间、耐久性、脉冲宽度及单事件能耗等参数。

3. Neuromorphic switching phenomena in TMDC-based 2D materials

本节聚焦TMDC基二维材料的神经形态开关特性。针对传统氧化物忆阻器的随机细丝形成、高功耗及高变异性问题，研究人员展示了均匀六层MoS₂薄膜构建的Au/MoS₂/Au垂直器件在10×10交叉阵列中的优异性能：无电成型双极性模拟切换，Set/Reset电压分别为+0.69 V/-0.99 V，C2C变异系数（V_SET=4.20%，V_RESET=1.80%），D2D变异系数4.16%/3.60%，单事件能耗约53 aJ，阵列良率达94%，保持时间达1.6×10⁶s，仿真MNIST识别准确率约97.8%。针对MoTe₂的相/结构不稳定性，Al₂O₃钝化与Li⁺嵌入工艺将非晶薄膜稳定为1T'相，实现干净双极性滞回，开关比>10³，单事件能耗数pJ级，仿真MNIST准确率达90–94%。四端MoS₂忆晶体管通过轻度氧掺杂与紫外臭氧处理，降低接触电阻并钝化硫空位散射，实现线性对称电导调控，结合光栅与底栅的异突触调制，在MNIST识别中将准确率从89.7%提升至95.7%，验证了片上去噪与识别能力。研究人员通过表格系统对比了MoS₂、WS₂、WSe₂、ReS₂、HfSe₂等TMDC神经形态器件的关键性能参数，凸显其在能效、线性度与集成密度上的优势。

4. TMDC/TMDC heterostructure-based neuromorphic phenomena

本节探讨TMDC异质结的神经形态特性。MoTe₂/MoS₂vdW p-n结通过栅压切换自供电光电探测器与光电子突触模式，在突触模式下利用SiO₂/MoS₂界面陷阱实现模拟非易失更新，基于实测电导曲线的多层感知机（MLP）在MNIST任务中达92.3%准确率，接近理想突触的94.8%。WSe₂/PdSe₂/MoS₂异质结浮栅晶体管通过PdSe₂桥接p型WSe₂与n型MoS₂，结合h-BN介电层与石墨烯浮栅，实现反双极性晶体管特性，高低阻态在10⁴次编程/擦除循环后保持稳定，保持时间>10⁵s，支持5电平存储，写/擦速度达~10^-7s，优于现有二维浮栅存储器。V-ReS₂/WSe₂异质结通过偏压极性调控实现快响应光电探测器（负偏压，上升/下降时间~6.63 μs/6.28 μs）与非易失光存储器（正偏压，>128电平，投影保持>10年）的功能切换，基于实测更新的三层ANN实现94.9% MNIST准确率，验证了感存算一体像素的可行性。

4.1. Neuromorphic phenomena in 2D materials and TMDCs hybrid structures

本节扩展至二维材料与TMDCs的混合异质结构。MoS₂/Ta₂NiS₅异质结晶体管通过界面陷阱与栅压调控实现宽带感知与多电平非易失存储，漏源偏压低至1 mV，单事件能耗17.2 fJ，基于实测LTP/LTD曲线的20×20像素阵列ANN识别准确率达91.5%。vdW单管-单忆阻器（1T1M）单元采用平面MoS₂FET堆叠垂直CuCrP₂S₆（CCPS）铁电磁阻器，通过FET选通抑制潜电流，静态功耗~12 fW，2×3微阵列中各单元呈现平滑LTP/LDP行为，未选中单元响应降低两个数量级，基于1T1M感知机的MNIST准确率达~90%。Si选择器与二维忆阻器的1S1R单元通过肖特基二极管自顺应电流机制抑制过冲与潜电流，32×32阵列良率达89%，支持闭环阶梯脉冲编程实现精确多电平电导调控，硬件二值化CNN达97.5%准确率。WS₂/α-In₂Se₃忆晶体管通过光脉冲（7.7 aJ/事件）与电脉冲协同调控实现多模可塑性，基于实测权重的ANN在MNIST任务中达85.41%准确率，且在强高斯噪声下保持≥80%性能。研究人员通过表格汇总了TMDC异质结、TMDC/h-BN、TMDC/铁电及二维/零维混合结构的神经形态器件性能，凸显其在多功能集成与系统级应用中的潜力。

4.2. AI-oriented synaptic devices based on 2D materials

本节聚焦面向AI的二维突触器件。针对硅基视觉硬件的近红外（NIR）响应局限，InAs量子点（QDs）/WSe₂vdW异质结视网膜形态突触通过II型能带排列与内置电场延长载流子寿命，在1060 nm处响应度达1.134 A/W，支持EPSC、PPF/PPD及STDP等突触行为，基于实测权重的ANN在MNIST与Fashion-MNIST任务中分别达96.6%与85%准确率。AlScN/p-i-n GaN异质结通过插入p-GaN层屏蔽极化场，解决AlScN/i-GaN界面的电荷泄漏问题，实现铁电非易失电存储与紫外（UV）驱动多电平光突触功能的融合，UV指纹图像预处理后ANN识别准确率达93.7%。研究人员通过表格对比二维材料突触与块体氧化物忆阻器、相变存储器、铁电HfO₂FeFET及有机聚合物突触的性能，指出二维材料通过原子级薄离子/相/极化调控路径、亚伏工作电压、vdW堆叠多模耦合及低温工艺兼容性，系统性解决了传统器件的随机细丝、高功耗、漂移及唤醒/印记等问题，为下一代神经形态硬件提供理想平台。

4.3. Challenges, solutions, and future perspectives

本节系统分析二维神经形态电子学面临的挑战与对策。核心挑战包括：晶圆级均匀性与可重复性、C2C/D2D变异性、耐久性/保持特性/更新线性度、阵列级潜电流/互连寄生/选择器稀缺及基准测试与系统协同设计。针对性解决方案涵盖材料工艺层面（催化剂辅助MOCVD/类ALD生长、无残留干法转移、h-BN/ALD Al₂O₃封装、相/缺陷工程、vdW铁电材料开发）、器件阵列层面（1T1R/1S1R集成、vdW栅选择器、IR压降感知映射、写校验编程、器件感知训练）及系统层面（超越MNIST的任务基准、铁电滞回与离子漂移紧凑模型发布、器件-外围-算法协同仿真）。短期技术路径包括催化剂辅助MOCVD/ALD工艺实现层数可控TMDC生长、vdW铁电材料（α-In₂Se₃/CIPS/3R-MoS₂）实现非易失栅控、光掺杂与铁电调制光物理实现感内计算、BEOL三维堆叠与热/污染协同管控。未来展望指向晶圆级二维铁电平台实现“原子到芯片”集成、铁电极化与体光伏效应耦合的感内学习、工业级可靠性认证体系建立及传感-存储-计算垂直异质集成，最终推动绿色、高能效边缘AI芯片发展。

5. Conclusion

研究人员总结指出，二维材料已推动神经形态硬件从单器件模拟迈向可制造阵列阶段。本综述系统梳理了TMDCs、石墨烯、h-BN及新型氧化物的原子级薄层体系的材料特性、电学与界面特性，及其在高性能忆阻与晶体管型人工突触中的应用，同时讨论了晶圆级生长、变异性控制、BEOL兼容性等制造现实问题。研究明确了耐久性、变异性及大面积均匀性是脑规模系统实现的核心障碍，并展望了在自适应机器人、安全片上学习及生物混合接口等领域的应用机遇。图10总结了从材料到器件、集成与应用的路线图，强调未来需聚焦晶圆级均匀生长、器件分布紧缩、选择器-单元协同设计、BEOL兼容性及标准化指标报告五大方向，推动二维神经形态单元从实验室演示向边缘智能、绿色分析与自适应AI协处理子系统跨越。