計算機作為人類科技發展的代表，在人們的日常生活中起著不可替代的作用。隨著人類社會信息量的高速增長，計算機在運算速度提高的同時，對能源的消耗也在迅速增加。例如，我國的“天河二號”超級計算機（連續三次奪得世界超級計算機冠軍），正常工作的功率高達20兆瓦，年耗電量約2億度。相比之下，人腦是自然界中非常高效、節能的信息處理系統，一個成年人的大腦只有二十瓦左右的功率。這種能源消耗上的巨大差異，主要來自于計算機與人腦的構架及信息處理方式的不同。現有的計算機是通過馮·諾依曼構架方式進行信息存儲與處理的，即信息存儲與信息處理在物理上是分離的，在處理器和存儲器之間需要進行大量的信息傳遞；而人腦則是由約1011個神經元相互交叉連接而形成的神經元網絡所構成。神經元之間的連接稱為突觸，人腦中有大約1015個突觸。信息通過改變神經元之間的連接強度（稱為突觸權重）來進行存儲與處理，并且具有自學習功能，實現了存儲與處理的一體化。鑒于神經網絡的特點，研究者們在很早以前就已經開始采用傳統的硅基CMOS工藝器件來模擬神經元的信息處理方式，以期提高計算機的信息處理效率。但是，一方面由于傳統硅基半導體器件大都是易失性或二進制非易失性存儲器件，與神經突觸的模擬型非易失性特征不符，實現一個簡單的神經元功能往往需要很多個晶體管參與。另一方面，隨著CMOS工藝數十年神話式地發展，器件溝道的尺寸已經步入十幾個納米甚至幾個納米，不僅面臨極高的制造難度，而且日益趨近物理極限（如熱效應、量子隧穿效應），很難繼續通過提高器件密度的方式大幅提高處理能力。因此，在構建大規模神經網絡時，CMOS器件在高密度集成和能耗降低等方面面臨著巨大的挑戰。為了克服CMOS器件所面臨的困難，尋找符合神經形態計算機特性的新材料和新器件成為科研界和工業界的一個重要目標。

　　阻變器件的電阻狀態與所施加的電壓或電流的歷史過程有關，并且在外電場去除后電阻狀態可以保持下來。這種特性與目前神經科學研究結果所顯示的突觸行為非常相似，展現了在開發低功耗器件方面的巨大潛力，已被研究者們用來模擬人腦神經突觸的功能。近期，中國科學院物理研究所/北京凝聚態物理國家實驗室（籌）磁學國家重點實驗室M06組副研究員尚大山、研究員孫陽和博士生楊傳森等參考硅基場效應晶體管的結構，采用二維材料α-MoO3單晶薄片作為溝道材料制備了一種三端阻變器件，利用離子液體作為柵極，施加電場在二維材料間隙層中注入氫離子，實現了α-MoO3溝道電阻在低能耗條件下的多態可逆變化。并且，利用該器件的電阻態的變化，成功模擬了神經突觸權重增強和減弱、短時記憶至長時記憶的轉變等行為。此外，他們還利用α-MoO3多晶薄膜制備了Ag/MoO3-x/FTO三明治結構的兩端器件——憶阻器，利用該器件中電場控制的固態電化學反應，實現了連續的阻變行為。在此基礎上，通過改變脈沖電場觸發次數、寬度、頻率和脈沖間隔，成功模擬了生物學中的神經突觸權重增強和減弱過程、短時記憶至長時記憶的轉變、激發頻率依賴可塑性（SRDP）和激發時間依賴可塑性（STDP）等行為。此項工作證明了利用二維材料α-MoO3中的固態電化學過程模擬神經突觸行為的可行性，為開發具有低功耗、可縮放性好的類神經突觸晶體管和憶阻器，構建高效率的神經網絡計算機提供了技術參考。

　　以上研究結果分別發表在《先進材料》（Advanced Materials 29，1700906 （2017））和Phys. Chem. Chem. Phys. 19, 4190 (2017)。該工作得到了國家自然科學基金（51671213、 11534015）、科技部（2016YFA0300701）和中科院項目（XDB07030200）的支持。參與該工作的合作者還包括：物理所研究員沈保根、禹日成、李永慶，副研究員沈希等。

圖1. 二維材料α-MoO3的晶體結構與樣品的表面形貌。

圖2. α-MoO3晶體管結構、電輸運性質與氫離子注入機制。

圖3. 在柵極電壓脈沖作用下，利用α-MoO3晶體管溝道電流變化模擬興奮性突觸后電流（EPSC）行為。

    圖4. 利用α-MoO3晶體管溝道電阻的非易失性多態可逆變化，模擬神經突觸的配對脈沖易化（PPF）、突觸權重增強/減弱以及短時/長時記憶轉變。