［本站讯］近日，集成电路学院孟佳琳教授团队围绕二维材料在新型类脑计算硬件中的应用，在二维神经形态电子器件及人工神经网络计算领域发表重要综述，系统总结了相关研究进展，并展望了未来发展方向。相关成果以“Two-Dimensional Neuromorphic Electronic Devices and Their Applications in Artificial Neural Network Computing”为题，发表于国际学术期刊 Advanced Functional Materials（中科院一区，影响因子：19.9）。集成电路学院张耘硕为论文第一作者，孟佳琳教授、王天宇研究员为共同通讯作者。

随着人工智能和边缘计算的快速发展，传统冯·诺依曼架构面临日益突出的数据传输与功耗瓶颈，神经形态计算因其存算融合和并行处理能力受到广泛关注。然而，现有类脑器件在能耗、稳定性及集成密度等方面仍面临诸多挑战。二维材料凭借原子级厚度、可调电学与光学特性以及良好的异质集成能力，为构建新型低功耗神经形态计算硬件提供了重要研究方向。

针对上述问题，研究团队系统梳理了二维材料在神经形态电子器件中的研究进展，重点分析了六方氮化硼（h-BN）、二硫化钼（MoS2）等代表性材料的结构与性能特点，以及黑磷、二维钙钛矿等新兴材料的应用潜力。其中，h-BN凭借优异的化学稳定性和原子级平整表面，可用于构建介电层、隧穿层及封装结构；MoS2则兼具可调电学特性与光电响应能力，在人工突触、非易失性存储和视觉感知器件中展现出广泛的应用前景。在器件层面，团队重点总结了基于二维材料的忆阻器和神经形态晶体管两类典型器件，分析了离子迁移、电荷俘获、铁电极化及界面调控等物理机制对器件电导调节和突触行为的影响，阐明了二维材料实现长时程增强、长时程抑制及脉冲时间依赖可塑性等类脑功能的物理基础。同时，论文比较了不同材料制备方法的特点，为二维神经形态器件的规模化制备与阵列集成提供了参考。

在此基础上，团队进一步探讨了二维神经形态器件在图像识别、模式分类及传感器内计算等领域的研究进展，建立了器件物理特性与人工神经网络计算需求之间的联系。二维光电神经形态器件有望在感知端直接完成信号处理与信息存储，减少数据在不同功能模块之间的传输，为低功耗智能视觉和边缘人工智能系统提供新的硬件实现途径。针对器件一致性、长期稳定性、模拟权重调节精度及大规模阵列集成等关键问题，论文进一步提出了材料制备、器件结构与神经网络算法协同优化的发展思路，为推动二维神经形态器件从单器件功能验证走向可扩展的类脑计算系统提供了参考。

孟佳琳教授，国家级青年人才、中国未来女科学家、山东省优青、山东省泰山学者青年专家、上海市科技英才，国家集成电路创新中心顾问专家，致力于研究面向人工智能应用的光电感存算一体器件、神经拟态晶体管与AI视觉芯片、柔性可穿戴电子与人工智能集成系统，在Nature Communications、Advanced Materials 、ACS Nano、Advanced Functional Materials、Nano Letters、IEEE Electron Device Letters等期刊发表论文100余篇，申请发明专利100余项。