新的二维钙钛矿材料，登顶Nature Nanotechnology！

研究背景

神经形态计算是模仿生物神经网络进行信息处理的技术，因其能够高效执行人工智能任务而成为研究热点。然而，传统神经形态硬件面临着高能耗和性能瓶颈，特别是基于冯·诺依曼架构的人工神经网络（ANNs）需要大量的能量来实现计算任务。

为了解决这些问题，研究者们提出了基于新兴存储器的神经形态计算硬件，这些硬件通过模拟神经突触的功能，实现了低功耗、高吞吐量的计算。然而，现有的忆阻器由于离子迁移控制不稳定、编程不对称等问题，限制了神经形态硬件在大规模AI计算中的应用。

成果简介

鉴于此，韩国首尔大学Seung Ju Kim，Ho Won Jang等携手在Nature Nanotechnology期刊上发表了题为“Linearly programmable two-dimensional halide perovskite memristor arrays for neuromorphic computing”的最新论文。研究者们提出了一种新的二维卤化物钙钛矿材料，尤其是Dion–Jacobson（DJ）相钙钛矿，作为人工突触的候选材料。该材料通过消除无机层之间的范德华间隙，改善了离子迁移的均匀性和稳定性。

研究表明，基于DJ相钙钛矿的人工突触能够实现高度线性和对称的电导变化，具有长时间保持、多级模拟状态和低变化性，且在潮湿环境下稳定性良好。通过构建7×7交叉阵列并进行大规模图像推理仿真，研究人员实现了接近理论极限的推理精度，这为神经形态硬件的应用开辟了新的道路。

研究亮点

1. 实验首次实现了Dion–Jacobson 2D钙钛矿中的高度线性和对称电导变化，克服了传统二维钙钛矿材料中存在的非线性和不对称性问题。

2. 实验通过基于该钙钛矿材料，构建了一个7×7的交叉阵列，成功实现了多级模拟状态存储，具有低变化性、高设备产率、长时间保持能力和超过7个月的潮湿稳定性。

3. 在该阵列的基础上进行的大规模图像推理仿真显示，推理准确度达到了理论极限的0.08%以内，展现了其在神经形态计算中的潜力。

4. 该优秀的设备性能归因于Dion–Jacobson 2D钙钛矿消除了无机层之间的间隙，使卤化物空位能够均匀迁移，避免了晶界的影响。这一过程通过第一性原理计算和实验分析得到了验证。

图文解读

图1:Dion–Jacobson，DJ-卤化物钙钛矿halide perovskite，HP神经形态硬件的原理和演示。

图2:DJ相2D 卤化物钙钛矿HPs的材料表征。

图3:DJ-V-HP人工突触的突触可塑性。

图4: DJ相和Ruddlesden–Popper，RP相卤化物钙钛矿HPS中的电阻转换机制。

图5:用于AI加速的神经形态交叉阵列。

结论展望

本文强调了新型材料在实现智能计算中的关键作用。DJ钙钛矿人工突触的成功设计与优化，展示了材料的微观结构与电学性能之间的密切关系，进一步揭示了材料在模拟生物神经元功能中的潜力。这一发现不仅拓展了钙钛矿材料的应用范围，还为生物仿真器件的研发提供了新的思路。特别是，通过对材料离子迁移机理的深入分析，研究者能够更有效地设计和调控器件性能，以实现更高的存储密度和更长的稳定性。此外，本文的结果还表明，综合运用多种表征手段可以有效提升对材料性能的理解，从而推动智能硬件的进步。这一研究成果为未来新型神经形态计算设备的开发奠定了基础，预示着材料科学与计算技术的深度融合将带来更智能、高效的计算解决方案。

文献信息

Kim, S.J., Im, I.H., Baek, J.H. et al. Linearly programmable two-dimensional halide perovskite memristor arrays for neuromorphic computing. Nat. Nanotechnol. (2024).