加州伯克利/北大合作，最新Nature Materials！

通过德拜长度内的表面离子迁移实现记忆传感！

电子—生物融合常依赖“离子电子学”（iontronics）来传递与存储信息，但水相中流动离子形成的德拜屏蔽效应将电场局限在 ≈ 纳米级的德拜长度内，迫使现有器件依赖外加电压，既拖慢响应速度，又增加设计与封装复杂度。突破这一物理瓶颈、在无偏压条件下实现高速感知与记忆，是发展仿生神经器件与水下机器人所面临的核心挑战。

鉴于此，加州伯克利吴军桥教授与北京大学唐克超教授报道了一种以二氧化钒 (VO₂) 为核心的高速“记忆-传感器”（memsensor）。当 VO₂ 与低功函金属铟在盐溶液中接触时，原生界面电场即可在德拜长度内驱动 In³⁺ 注入 VO₂ 表面，诱发可逆的表面绝缘-金属相变。其电导增长速率直接映射盐浓度，实现“边存边测”的无偏压感知。该器件模拟秀丽隐杆线虫 C. elegans 味觉神经元的可塑性，并驱动微型船完成自适应趋化，为低功耗水下神经机器人奠定材料基础。相关研究成果以题为“Memsensing by surface ion migration within Debye length”发表在最新一期《nature materials》上。

【器件结构与工作原理】

作者展示了器件结构（图 1a）：尺寸 L≈W≈0.5 mm、H≈0.1 mm 的 VO₂ 薄膜中央压接一枚 ≈500 µm 铟珠。NaCl 溶液中，铟首先在界面内生成 In³⁺，随后在亥姆霍兹电场推动下嵌入 VO₂ 表层，形成纳米级 In-掺杂金属层并带来明显色差（图1a）。这一过程对应于 C. elegans ASEL 神经元通过 Ca²⁺ 内流记录盐暴露历史的机制（图1b），为后续神经可塑性奠基。Hall 测量显示，随每次 NaCl 处理，器件电导累积提升，而 0.03 wt % H₂O₂ 可逐步“擦除”这一记忆，实现非挥发、可重置的电导调制（图1c）。四探针测温揭示，3.4 M NaCl 处理 90 s 即可完全抑制 VO₂ 原生 67 °C 金属-绝缘转变，说明表层已被稳定金属化；稀 H₂O₂ 约 120 s 即恢复初态（图1d）。线性而陡峭的导通速率与盐浓度正相关。XPS 在 In 3d 区检测到 In³⁺ 注入与 H₂O₂-抽离的可逆变化（图1e），而 V 2p 光谱显示 V⁴⁺/V³⁺ 比例随掺铟先降后升，印证电子浓度可控（图1f）。TEM 证实 In³⁺ 掺入令 (100) 晶面间距膨胀 2.7 %，H₂O₂ 处理后完全复原（图1g，图1h）。这些结果共同证明，电导调制源于界面内 In³⁺ 的可逆迁移，而非氧空位或氢化作用。对比有机电化学晶体管、纳米通道忆阻器及离子液体栅控 VO₂，所提出的 memsensor 在零偏压下实现 ≈1 Hz 切换，位于“高速度-零功耗”极端（图1i），充分展示了“亚德拜长度”操作的独特优势（图1i）。

图 1. 高速、无偏差的记忆传感器，用于模拟感觉神经可塑性

【机理研究】

进入机制层面，图 2a 描绘了 VO₂-NaCl 界面的电双层：表面羟基去质子化产生负电荷，形成 IHP/OHP 结构，其线性-指数势分布限定于德拜长度内。第一性原理计算显示，在 VO₂/铟/0.1 M NaCl 平衡条件下， In 间隙或替位缺陷能远低于氧空位与 Na 掺杂（图2b），解释为何实测 VO₂ 几乎无 Na⁺ 渗入。

试验比较了三种构型：直贴铟-VO₂（生成/嵌入同步）、先生成 In³⁺ 再接触 VO₂，以及在 In/Au/VO₂ 中隔绝电子转移。仅当 In³⁺ 在表面德拜长度内原位生成时，才能有效掺入 VO₂（图2c-2f）。随 c_NaCl 增高，模拟与实测界面电场趋于 ≈1 × 10⁸ V m⁻¹ 饱和，低浓区则呈 c_NaCl¹ᐟ³ 依赖（图2g）。

XPS-剥蚀深度剖面揭示，5 min 0.1 M NaCl 处理后 In³⁺ 浓度随深度呈尾形分布。仅用 Fick 扩散方程（D≈6 × 10⁻¹⁷ cm² s⁻¹）难以解释接近线性的电导-时间曲线；加入 μE 漂移项后，数值模拟与实验完全吻合，说明强界面电场主导了掺入速率（图2h）。

图 2. 记忆传感器的机制和动力学

【神经可塑性仿真】

基于上述机制，memsensor 的电导-时间曲线精准复刻 C. elegans ASEL 神经元对盐刺激的递增-适应-饱和三段式响应：先随预暴露时长增大而增强，后因饱和而减弱直至失敏（图3a）。在 NaCl 浓度维度，同样再现“阈上显著、阈下无感”的特征（图3b）。取电导变化率 ∂C/∂t，可直接对应 ASEL 信号幅值（图3c）。反向过程经 H₂O₂ 触发的电阻回复则模拟 ASER 神经元（图3d，图3e）。

图 3. Memsensor 模拟感觉神经可塑性

【自适应趋化演示】

研究者将三片 memsensor 集成至微型船底，与 Arduino-PWM 系统联动，实现“嗅盐航行”。经过 400 mM NaCl“饥饿训练”40 min 后，器件对高盐浓度去敏，船只在打开障碍后仍停留于 50 mM 区域，避免驶入“无食”高盐区（图4a-4c）。反之，在 50 mM 训练 120 min 后，船会主动穿越梯度驶向 400 mM 区域，八成次数成功抵达“富食”目标，而传统无记忆电极传感船始终误判方向（图4d，图4e）。

图 4. 使用类似 ASEL 的 memsensors 神经可塑性演示适应性趋化性

【总结与展望】

作者提出的无偏压 VO₂-In mimsensor 利用德拜长度内原生电场，实现了 ≈1 Hz 可逆相变与盐浓-时联合编码，在材料层面模拟了神经元可塑性，并成功驱动水下机器人完成自适应趋化。该策略为构建更简洁、低能耗、有机-无机兼容的神经形态器件与水域机器人开辟新途径，也为纯无机离子电子学架构的类脑计算奠定了关键材料学基础。

来源：高分子科学前沿

声明：仅代表作者个人观点，作者水平有限，如有不科学之处，请在下方留言指正！