科学家研发新一代神经突触器件，能模仿人脑进行AI计算

近年来，AI 算法的蓬勃发展描绘了无限可能的应用前景，启发着人们去开发这样一种新型智能硬件：它能像人类大脑一样，以低功耗、高性能的方式，完成抽象的学习过程和复杂计算过程。

神经突触器件，是实现这类新型硬件所需要的半导体元件之一。通过连续可调节的方式，它可以收集存储处理数据，从而模仿生物神经突触的行为。相比传统数字计算方法，它能实现功能更新、能耗更低的模拟计算功能。

相比目前比较成熟的神经突触器件来说，它在结构上以忆阻器和忆阻晶体管为主，机制上以材料内部离子和缺陷的迁移、电荷捕获、铁电极化的调制、相变等为主。

而获得这类器件的核心材料，往往需要用到化学气相沉积、溅射、原子层沉积等制备工艺。

上述原因导致这类器件不可避免会遇到一些难题：比如器件和器件的不一致性、不可控的随机性、低转变速率、有限的存储态数量等。而只有解决这些问题，才能让神经突触器件真正在 AI 硬件中获得规模化应用。

基于此，美国亚利桑那大学材料系助理教授和合作者跳出传统器件制备机制和制备工艺的局限，从全新材料体系和物理机制出发，开发了新一代神经突触器件。

图 | 闫晓东（来源：）

据介绍，莫尔超晶格是一类新兴的材料体系。当二维莫尔超晶格材料以特定角度堆叠在一起时，会展现出新奇的物理现象。

过去几年中，诸如非常规超导、轨道磁性、魏格纳晶态等新物理现象，在莫尔超晶格中被纷纷发现，也让莫尔超晶格独特的电子特性得以被揭示。

然而，这些特性通常需要在极低的液氦温度下才能实现，在室温下根本无法保持，以至于这个内涵丰富的材料体系很难和实际应用挂钩。

直到 2020 年，美国麻省理工学院（MIT）和美国波士顿学院的研究人员发现，在 hBN/ 双层石墨烯（BLG，hBN/bilayer graphene）莫尔超晶格中存在非常规铁电现象，并能维持到室温。

之后，室温铁电现象在更多莫尔超晶格中被发现，也为莫尔超晶格走向实际应用带来了曙光。

在这个背景之下，等人从 hBN/BLG 莫尔超晶格中的非常规铁电现象出发，在室温下实现了莫尔神经突触晶体管。在复杂情境之中，它具备实现 AI 算法的功能。

（来源：Nature）

他们发现，由于 hBN/BLG 中周期性莫尔电势的存在，电子和空穴在莫尔神经突触晶体管中能够以双重状态存在，即要么在沟道自由地移动，要么被莫尔电势所束缚。

因此，垂直方向非对称的莫尔电势，会让载流子在双重态的切换中服从一种全新的机制，后来他们将这种机制命名为棘轮机制（electronic ratcheting mechanism）。

棘轮机制由 hBN 和 BLG 之间的莫尔转角所决定，是 hBN/BLG 莫尔超晶格在特定转角下固有的属性，并不依赖人为在材料中引入缺陷、相变、晶界等。

所以，莫尔神经突触晶体管的制备以及规模化，只需要确保二维材料按照确定的角度精准堆叠即可，因此可以避免传统突触器件因物理机制和制备工艺所带来的不可控随机性，以及器件与器件的不一致性问题。

在棘轮机制之下，栅极电压扫动范围和扫动方向的改变，都能调控器件的输运特性。而在顶栅作用下，这款器件的电导值能够实现非易失性的连续可调，并且稳定性很好，因此可以实现多种神经网络算法。

同时，这一器件采取非对称结构，能让顶栅和底栅针对器件实现不一样的调控作用。在双栅共同作用下，该器件展现出较高的可重构性和易操作性，基于这种器件的神经网络能极其简单的方式，来模拟生物神经元学习时所遵从的 Bienenstock–Cooper–Munro 模型。

同时，这款器件还具备应对外界干扰的自适应功能，这有助于增强 AI 鲁棒性，让 AI 在恶劣环境之中仍能准确运行汽车自动驾驶功能。

事实上，莫尔神经突触晶体管不仅是一个实现类脑计算的有力工具，其还具有超低能耗的特点，单个器件能耗约 20 皮瓦，这非常有利于实现低能耗超大规模神经网络，故能用于可穿戴智能设备、无人机等能源供应受限的场景。

近日，相关论文以《具有室温神经形态功能的莫雷突触晶体管》（）为题发在 Nature[1]。

和 MIT 博士生 Zhiren Zheng 是共同一作，MIT 教授巴勃罗·哈里洛-埃雷奥（）、波士顿学院教授教授、美国西北大学马克·赫萨姆（ ）教授担任共同通讯作者。

图 | 相关论文（来源：Nature）

同期 Nature 还发表了题为《二维材料提升计算中的生物现实主义》（）的评论文章， 介绍了本次器件在机制上的创新、以及在计算上的优良性能[2]。

未来，随着晶圆尺寸二维材料生长技术的进步，以及机器人辅助二维材料堆叠技术的完善，莫尔神经突触晶体管将在量产和阵列化取得新的突破。

基于莫尔神经突触晶体管的神经网络硬件，将能拥有高性能、自适应、低功耗等特点，可被用于智能可穿戴设备、无人机、自动驾驶、量子信息等领域。

未来，和合作者将把扭转电子学、类脑计算以及 AI 等加以结合，探索莫尔超晶格器件在材料和结构上的创新、提升器件性能、降低器件能耗、推动器件规模化阵列化，以及这类器件在光、电、计算等领域的应用。

参考资料：

1.Yan, X., Zheng, Z., Sangwan, V.K.et al. Moiré synaptic transistor with room-temperature neuromorphic functionality. Nature 624, 551–556 (2023). https://doi.org/10.1038/s41586-023-06791-1

2.Koppens, F. H., Aimone, J. B., & Chance, F. S. (2023). 2D materials ratchet up biorealism in computing.

运营/排版：何晨龙

01/

02/

03/

04/

05/