Small:基于二维金属碳化物(Ti3C2Tx)的高性能忆阻器及其物理机制

随着大数据时代的到来和人工智能芯片技术不断发展,传统计算机的冯诺依曼体系的缺点日益突出。为了解决传统计算机中冯诺依曼结构的弊端,科学家发现人脑蕴含着解决这一问题的巨大潜力。由于存储和计算的内在融合,人脑的神经网络可以有效地并快速的处理复杂的人物。并且复杂的神经网络中的神经元则由神经突触连接并传递信息。因此,为了再现人脑的特征,学术界和工业界的研究人员都在探索神经形态计算系统,尝试着制备各类电子人工突触装置来模拟人脑的神经突触并对进行信息处理和存储。

神经突触作为神经网络中传递信息的主要媒介,当接收到输入脉冲时,突触的权重通过前神经元释放的钙离子和钠离子而改变。并且通过电信号的刺激可以增强或抑制突触的权重,从而可以连续的调制突触连接的强度。因此提供高速度和再现神经突触的信息传递原理一直是很多学者密切关注的问题。基于传统二维材料的忆阻器虽然已经证明并应用于忆阻器之中,但是由于其本身的性质,与忆阻器结合后的性能并不是十分优良,并且在基于二维材料的忆阻器中,阻变物理机制尚不明确。

然而,近日河北大学电子工程学院闫小兵教授及其课题组在石墨烯材料研究的基础上,报道了一种具有类石墨烯性质的二维金属碳化物(Ti3C2Tx)作为功能层的忆阻器。该忆阻器具有Al/Ti3C2Tx/Pt的类似于神经突触的典型“三明治”结构。电压开启后,该器件表现出了稳定的双极型阻变特性,并且具有优良的保持性能与耐久性。在脉冲调控时,可以在极短脉宽(10 ns)的脉冲波形下对器件的电导进行连续调控,这一模式有助于超快神经仿生器件的应用和发展。在此基础上,该器件在纳秒级别脉宽的脉冲序列调控下可以完成从短时可塑性(STP)到长时可塑性(LTP)的转变。在神经网络训练中,可以在有限的训练次数内有效地缩短训练时间,从而减少迭代次数。表明该装置在神经网络训练中具备一定的优势。在物理机制的探究中,通过透射电镜等多种微观结构手段系统的揭示了碳化钛材料中的Ti空位和由焦耳热导致的部分氧化是阻变开关过程中的关键因素。因此研究者相信,此项研究不但会为基于MXene-Ti3C2Tx的忆阻器在超高速应用的道路上提供新的方法,而且将会为二维材料忆阻器在更多功能和应用上推开一扇大门。相关论文在线发表在Small (DOI: 10.1002/smll.201900107)上。