北航国新院樊瑜波等综述：基于MXene-Ti₃C₂Tₓ的神经形态计算，物理机制，性能提升以及前沿计算

研究背景

随着人工智能技术向数据密集化和资源小型化方向演进，传统计算机的冯·诺依曼架构逐渐难以满足海量数据快速处理和低能耗信息传输的要求，成为人工智能领域发展的瓶颈问题。在此背景下，具有感存算一体特性的神经形态器件因其固有的类脑信息处理机制，被公认为是突破”内存墙”瓶颈的关键技术，为人工智能领域带来了新的发展机遇。然而，传统神经形态器件在尺寸微缩、能耗降低和稳定提升方面都遇到了挑战。因此，众多研究人员致力于寻找新的电子材料来减小并增强神经形态器件的尺寸和性能。MXene-Ti₃C₂Tₓ自2019年首次应用于神经形态器件以来(图1)，凭借其独特的层状结构、可调功函数和高载流子迁移率，表现出的优异电学性能和高仿生神经传导效率，这为构建新一代神经形态计算系统提供了理想材料平台。

图1. MXene-Ti₃C₂Tₓ神经形态计算的发展历史。

MXene-Ti₃C₂Tₓ-Based Neuromorphic Computing: Physical Mechanisms, Performance Enhancement, and Cutting-Edge Computing

Kaiyang Wang, Shuhui Ren, Yunfang Jia*, Xiaobing Yan*, Lizhen Wang*，Yubo Fan*

Nano-Micro Letters (2025)17: 273

https://doi.org/10.1007/s40820-025-01787-0

本文亮点

1. 本综述揭示了MXene-Ti₃C₂Tₓ 用于神经形态器件的优势，并对其核心物理机制进行了分类，以推动未来的进一步工艺优化和创新应用策略发展。

2. 本综述概述了提升MXene-Ti₃C₂Tₓ 神经形态器件的三种关键工程策略：包括掺杂工程、界面工程和结构工程，同时还为材料和器件改进提供了指导。

3. 本综述证明了基于 MXene-Ti₃C₂Tₓ 的神经形态器件有望在下一代感存算(如近传感器计算和传感器内计算)应用中展现出突破性的潜力，可直接在传感器级实现更快、更节能的数据处理。

内容简介

本研究对基于MXene-Ti₃C₂Tₓ的神经形态器件进行了系统性综述，几乎涵盖了该材料体系下所有已发表的研究成果，并绘制成表。在微观物理机制方面，北京航空航天大学樊瑜波等人深入解析了包括电化学金属化(Electrochemical Metallization, ECM)、价态变化存储(Valence Change Memory, VCM)、电子隧穿(Electron Tunneling)以及电荷俘获(Charge Trapping)在内的四种基本物理模型，通过解析其独特的电荷传输特性、表面功能化调控机制及突触可塑性行为，为理解其在神经形态计算中的工作原理提供了理论支撑。针对器件性能提升的关键技术路径，本文探讨了元素掺杂工程、界面工程和结构工程三种主要策略，分别从材料本征电学特性、电极-功能层接触优化以及异质集成架构设计的角度进行了深入研究，这些策略为构建高能效、高可靠性的神经形态计算单元提供了有效的解决方案。在神经形态计算应用方面，重点阐述了MXene-Ti₃C₂Tₓ材料体系下神经形态计算研究在近传感器计算(Near-Sensor Computing)和传感器内计算(In-Sensor Computing)领域的创新应用，特别是通过构建类脑突触功能的传感-计算融合架构，实现了数据采集与信息处理的全程并行化，为开发低功耗、实时性的神经形态计算系统开辟了新路径。北航国新院医工交叉科创中心博士后王开洋为本文第一作者。

图2. 基于MXene-Ti₃C₂Tₓ神经形态计算的研究路线分类，包括性能增强方法、物理机制探索和存内计算。

图文导读

I MXene-Ti₃C₂Tₓ基神经形态器件的物理机制

为了克服神经形态器件在可靠性和耐久性方面的瓶颈，研究人员从器件的开关机制角度入手，对电荷转移和开关过程的微观物理机制进行了探索，旨在实现稳定的电阻开关状态、长期的保持时间和高循环特性。同时，通过调控器件的微观结构，研究人员可以实现更可控的开关过程，从而进一步优化开关速度和能耗，为提高神经形态系统的性能，实现传感、存储和计算的一体化提供更大的支持。MXene-Ti₃C₂Tₓ基神经形态器件的工作原理可分为三类：电化学金属化机制(ECM)、价态变化存储机制(VCM)、电子隧穿效应以及电荷捕获和释放效应。

1.1 ECM

ECM器件采用银、铜等活性金属电极，其阻变机制依赖活性金属导电细丝(CF)的随机形成与断裂。例如，Huang等人开发了一种基于晶圆级TiOₓ/MXene-Ti₃C₂Tₓ异质结的忆阻器阵列(图3a)。通过对图3b中电流-电压曲线分析，表明高阻态符合空间电荷限制电流传导模型，低阻态则因银导电细丝形成呈现欧姆特性(图3c和图3d)，这一结果与图3e中活性金属CF的模型特征相一致。进一步，Wang等人进一步提出了异质结调控导CF的物理模型，在Ag/MXene-Ti₃C₂Tₓ/MoS₂/Pt器件中，MXene-Ti₃C₂Tₓ与MoS₂功函数差异形成由MXene-Ti₃C₂Tₓ指向MoS₂的内建电场(IEF)，正/负扫描时IEF增强/减弱可精准调控银离子迁移。这些研究通过深入探索器件在开关过程中的物理机制，实现了导电细丝的可控调制，为高性能MXene-Ti₃C₂Tₓ基神经形态器件的开发提供了新的路径。

图3. ECM的原理介绍及典型代表结构。

1.2 VCM

VCM器件依赖功能层内活性原子化学价态变化形成氧空位非金属导电细丝。例如，Feng等人报道了一种具有Pt/氧化MXene-Ti₃C₂Tₓ/ITO结构的忆阻器(图4a)。通过电流-电压曲线分析(图4b-f)揭示其阻变机理，发现高阻态符合欧姆定律，低阻态在0.765V至-0.025V区间呈线性传导，这与VCM特性相一致。如图4g-i所示，施加正电压时顶部电极附近氧离子迁移产生氧空位(Vo⁺)，在电场驱动下向底电极聚集形成导电细丝，负电压则促使氧离子被顶电极捕获导致细丝断裂。Fang等人报道一种基于Au/MXene/Y:HfO2/FTO结构的双模态(模拟和数字类型)MXene-Ti₃C₂Tₓ基铁电忆阻器，并通过能带理论解释了数字类型下VCM机制的产生原因，认为铁电极化方向与内建电场一致时将促进氧空位迁移形成CF。

图4.  VCM机制的原理介绍及典型代表结构。

1.3 电子隧穿

如图5和图6所示，电子隧穿机制可分为三种情况：当功能层较薄时，电子的能量超过势垒，从而克服势垒并隧穿至另一侧，这被称为直接隧穿(DT)。当功能层较厚时，电子穿过势垒到达另一侧，在此过程中电子经历更长的距离和不连续的隧穿过程，这被称为Fowler–Nordheim隧穿效应(FNT)。当功能层存在缺陷时，电子在陷阱能级的辅助下穿过势垒，这被称为陷阱辅助隧穿(TAT)。在此机制中，将陷阱能级引入能带结构可有效提高电子的隧穿概率，从而产生更高的隧穿电流。此外，陷阱密度对这类器件的开关过程具有调控作用，而TAT效应在介质层内的整体导电过程中发挥关键作用，尤其当陷阱密度较高时。在MXene-Ti₃C₂Tₓ基神经形态器件的开关过程中，三种电子隧穿效应会随着功能层材料和施加电压的变化交替发生。

图5. 电子隧穿机制中TAT的原理介绍及典型代表结构。

图6. 电子隧穿机制中DT隧穿和F-N隧穿的原理介绍及典型代表结构。

1.4 电荷俘获和释放

基于电荷捕获-释放机制的器件，需采用富含电荷陷阱的材料作为功能层。电荷被功能层内部缺陷捕获时，会改变材料能级分布，导致器件阻态切换。例如，Tan等人利用单层空位诱导的氧化MXene-Ti₃C₂Tₓ构建了Al/VSC-MXene-Ti₃C₂Tₓ /Pt/SiO₂/Si结构忆阻器。 SET过程(图7a-b)中，电场在MXene转角处发生畸变，压电效应产生内建电势，峰值集中于通道转角(图7g)，引导载流子定向运动。该电势与氧空位缺陷相互作用，实现载流子捕获与释放。 RESET过程(图7d-f)中，反向电场产生逆向内建电势，使载流子脱离氧空位，器件返回HRS。 Gao等人(图7k-m)通过MXene-Ti₃C₂Tₓ构建了一种垂直有机神经形态晶体管。光脉冲在POFDIID/N2200异质结中产生激子，电子被N2200陷阱捕获形成光电流，撤去光脉冲后电子-空穴复合体现短时记忆。这种光脉冲与栅压的协同调控进一步拓展了MXene基器件的光电神经形态功能，为高性能神经形态计算器件设计提供了新思路。

图7. 电荷捕获机制的原理介绍及典型代表结构。

本节最后，本研究系统性地阐述了基于MXene-Ti₃C₂Tₓ的忆阻器中所涉及的四种物理机制，并通过图8所示的比较框架对这些关键机制进行了多维度分析。首先，在微观尺度上解释了每种机制的核心原理，随后对导电通道的构造类型进行了分类。接着，对与物理机制对应的典型结构特征进行了分析。最后，总结了各机制在响应速度、循环稳定性及其他性能参数方面的比较优势，并突出了当前面临的关键挑战，为MXene-Ti₃C₂Tₓ基忆阻器的性能提升提供理论支持和实践指导。

图8. 四种核心物理机制的对比介绍。

II 性能提升方法

作为一种先进的非易失性存储器器件，MXene-Ti₃C₂Tₓ神经形态器件的每一次性能飞跃都直接与数据存储容量、操作速度以及数据保持稳定性的提升密切相关。高性能的MXene-Ti₃C₂Tₓ忆阻器不仅能够实现高速数据传输，还能确保即时读取和长期稳定的数据存储。因此，研究人员从未停止对MXene-Ti₃C₂Tₓ忆阻器性能优化的探索，并不断寻求提升性能的新方法。这些前沿方法包括对掺杂工程、界面工程和结构工程的精确调控，旨在挖掘MXene-Ti₃C₂Tₓ忆阻器的潜力，并引领数据存储与计算技术的未来创新。

2.1  界面工程

MXene-Ti₃C₂Tₓ具有丰富的表面官能团和规则的原子结构排列，其表面可通过多种化学方法进行改性，以改变其物理结构并调节其电子特性。例如，Mullani 等研究者描述了一种利用氢氟酸进行可控蚀刻的技术，旨在实现对 MXene-Ti₃C₂Tₓ纳米片表面的部分氧化。图 9a 展示了该方法及合成路线的示意图，首先在 60 °C 下用 HF 蚀刻 Ti3AlC2 获得多层MXene-Ti₃C₂Tₓ，随后在 40 °C 下回流以促进氧化位点的形成。图9b-9d展示了MXene-Ti₃C₂Tₓ纳米片内部TiO2纳米晶体的高清TEM图像。相应的晶体结构信息如图9e的SAED所示，其中沿(0001)轴可观察到TiO₂的六方排列结构，这表明钛氧化物纳米晶体的合成成功。这种具有部分氧化特性的MXene-Ti₃C₂Tₓ器件表现出超过104次循环耐受性和104秒电阻保持特性(图9f-h)。这些结果表明，部分氧化MXene-Ti₃C₂Tₓ忆阻器具有优异的电阻切换性能、良好的记忆保持能力和适用于高密度存储与突触学习应用的大记忆窗口。

图9. 界面工程中部分氧化介绍及典型代表结构。

此外，Jia等研究者采用三聚氰胺-甲醛(MF)模板法制备了N掺杂的皱纹状 MXene-Ti₃C₂Tₓ (CN-Ti₃C₂Tₓ )纳米片，并构建了一种神经递质受体介导的人工突触器件，制备方法如图10a所示。随后通过透射电子显微镜(TEM)观察了CN-Ti₃C₂Tₓ纳米片的表面形态，如图10b-e所示。通过测试探究了基于非褶皱和褶皱两种MXene纳米片的NR-S器件的基本电学性能。相对于使用非褶皱型MXene-Ti₃C₂Tₓ 的器件，基于CN-Ti₃C₂Tₓ 的器件的HRS/LRS间隙从1.24 × 10⁴ Ω大幅增加到7.02 × 10⁴ Ω，具备更宽的电阻可调节空间(图10j-10m)。且褶皱型纳米片的不均匀状态会导致表面电双层中的离子比非褶皱型更分散，德拜长度增加，使其具备更高的灵敏度。

图10. 界面工程中表面褶皱介绍及典型代表结构。

2.2  掺杂工程

通常，忆阻器中导电通道的形成往往伴随着较大的随机性，导致器件在设置过程中容易出现不稳定现象，从而影响其耐久性和重复性。因此，标准化导电通道的形成路径，以确保器件能够展现出稳定且可控的电气特性尤为重要。很多研究人员致力于探索创新的方法和策略，以实现对器件CF的精确调控。例如，Yan等提出了一种银纳米颗粒掺杂法来提升基于MXene-Ti₃C₂Tₓ 忆阻器的电学性能。图11a-11c展示了Ag掺杂的MXene-Ti₃C₂Tₓ纳米片的TEM和XPS图像，验证了Ag纳米颗粒的成功掺杂。进一步通过测试发现，与AlMXene-Ti₃C₂Tₓ /Pt器件相比，Al/MXene-Ti₃C₂Tₓ:Ag/Pt器件展现出可控的双向连续电阻切换行为(图11d和11e)，且在单脉冲尖峰条件下能耗仅为0.35 pJ(图11f)。该研究提供了一种简便方法来提升MXene-Ti₃C₂Tₓ忆阻器的类脑特性，这将显著推动二维材料在类脑芯片领域的多元化应用，并大幅提升MXene-Ti₃C₂Tₓ材料的实用性。

图11. 掺杂工程的介绍及典型代表结构。

2.3  结构工程

介电层的巧妙利用对于调节离子传输通道传输路径，制备高度稳定的神经形态器件中具有重要意义。作为屏障层，介电层显著减少了MXene-Ti₃C₂Tₓ与外部环境的直接接触，有效抑制了环境干扰，从而大幅提升了忆阻器的长期稳定性和可靠性，例如通过优化关键性能指标，包括显著降低工作电压和增加电阻状态数量。通过介电层直接耦合技术，MXene-Ti₃C₂Tₓ基神经形态器件展现出超低的相应电压(±80 mV)和低功耗特性(460 fW)，如图12a-e所示。这显著拓展了神经形态器件的应用范围。除了介电层直接耦合外，介电层的全包裹耦合也是提升MXene-Ti₃C₂Tₓ基忆阻器稳定性的关键方法。例如，Lyu等通过精确控制MXene的表面氧化过程，制备了MXene-TiO₂核壳纳米片。随后将这种MXene-TiO₂核壳纳米片夹在有机半导体层与SiO₂介质层之间，作为纳米浮栅晶体管存储器(NFGTM)的浮栅层和隧穿层。通过测试发现，当MXene-NFGTM器件的氧化层厚度达到6.2 nm的优化值时，器件可在1000次编程/擦除循环后无显著性能退化，表明其具有优异的操作耐久性(图12j)，且单个脉冲尖峰的功耗仅为3.8 pJ。这一功耗水平接近人类大脑中生物突触的功耗，表明全包裹耦合可为提升人工突触器件的性能做出重要贡献。

图12. 结构工程的介绍及典型代表结构。

本节最后，系统性地总结了基于MXene-Ti₃C₂Tₓ的神经形态器件性能提升策略，如图13所示，涵盖三类核心方法，即界面工程、掺杂工程和结构工程。这些方法通过精确调控表面官能团、元素分布及导电路径形成机制，显著提升了器件的多级存储能力、保持特性和耐用性，同时降低了SET电压和功耗，并增强了对环境干扰的抗扰性。从雷达图中的最优参数可以看出，掺杂工程能够显著降低器件的能量损耗。结构工程可有效提升器件耐久性并降低SET电压。然而，掺杂浓度控制、工艺均匀性不足、界面漏电流以及与传统CMOS工艺的兼容性等问题仍需克服，且制备过程的高  复杂性增加了应用成本。因此，未来研究需进一步协同优化材料内在特性与界面设计，以推动高性能类脑器件的产业化。

图13. 三种性能提升方法的参数对比。

III 前沿计算应用

在传统计算机架构(图14a)中，模拟传感信号通过数模转换器(ADCs)转换为数字信号，存储在内存单元中，随后传输至中央处理器进行处理。这种依赖数据转换和传输路径的方法不可避免地导致高能耗和显著的响应延迟。相比之下，近传感器计算架构展现出显著优势。在此架构(图14b)中，处理单元部署在传感器附近，直接在传感器侧执行特定任务。这种设计不仅优化了传感器与处理单元之间的接口，还减少了不必要的数据传输量，从而根本上提升了系统效率。近内存计算架构通过在传感器附近部署处理单元，直接在传感器层面执行特定任务，从而优化系统效率。这种方法有效优化了接口设计并减少了冗余数据传输。其核心理念在于缩短计算单元与内存单元之间的物理距离，而非追求完全集成，通过压缩数据路径来最小化传输延迟和能耗。这使其特别适用于需要高频数据交互但对集成要求不高的场景。然而，传感器与处理器的空间分离导致该架构仍无法完全突破数据转换与传输链的物理限制，这在一定程度上制约了能效的进一步提升。此外，基于传感器内计算的架构开创了感知与计算深度协作的新范式(图14c)。通过在本地处理捕获的原始信息，借助自适应传感器或互联传感器网络，该架构突破了传感器与处理器之间的传统接口瓶颈，实现了物理感知与智能计算的无缝融合。凭借其高效的设备端数据处理能力，该架构在处理大规模并行计算任务和深度学习操作方面表现尤为出色。通过消除冗余数据传输，它显著提升了实时性能，从而为高性能计算、边缘计算等应用场景提供了更优解决方案。受此趋势启发，基于MXene-Ti₃C₂Tₓ的忆阻器技术正迅速在内存计算领域崭露头角，为构建更高效、紧凑且响应迅速的感知与计算系统提供了新的物理基础和技术路径。

图14. 神经形态计算范式的架构示意图。

3.1  器件内模拟策略

为了推动近传感器计算和传感器内计算技术的发展，研究人员对器件的核心功能进行了深入探索，并基于MXene-Ti₃C₂Tₓ器件在电刺激下的工作原理，设计了多种实验方案，旨在模拟神经元突触间隙中Ca2⁺的动态传输机制，从而实现感知、学习和记忆功能。这一过程不仅需要对生物神经传导原理有深刻理解，还需整合先进电子工程技术，旨在验证和优化设备在模拟突触可塑性及实现功能存储方面的潜力与可行性，为构建高度仿生神经形态计算系统提供有力支持。如图15所示，研究人员通过编辑器件的输入脉冲尖峰序列模式，在器件内实现了突触可塑性行为，突触权重的增强和抑制特性，脉冲时序依赖的可塑性，双脉冲易化等生物突触的基本特性，并结合器件的长期记忆特性模拟了巴布洛夫狗的条件反射现象。这些实验结果凸显了基于MXene-Ti₃C₂Tₓ的人工突触设备在模拟复杂认知过程(包括学习和记忆)方面的可行性。

图15. 器件内部模拟策略应用。

3.2 器件外模拟策略

随着神经形态计算技术的快速发展，基于器件外模拟策略的多功能近传感器计算神经元和集成式传感器内计算设备正以前所未有的速度蓬勃发展，并在大规模神经形态传感器电路构建以及先进人机交互系统中展现出巨大的应用潜力和独特优势。这些创新技术不仅显著提升了数据处理效率和智能响应能力，更为实现更加自然高效的人机交互体验奠定了坚实基础。在触觉感知方面，全MXene-Ti₃C₂Tₓ的柔性感觉神经元和基于MXene-Ti₃C₂Tₓ的一体化仿生传入神经系统的构建使得传感到分析的直接映射成为可能，并实现了高精度摩斯密码，基于操作性条件反射的联想学习过程以及多模态触觉感知应用。

图16. 器件外部模拟中的触觉感知应用。

上述研究通过模拟神经形态器件的电导调制行为，模拟了生物神经响应过程，并构建了接近近传感器计算和传感器内计算的仿生神经形态系统。然而，真实的生物神经系统并非仅依赖于神经电信号，它还受到机体内生化环境的调制。为了准确模拟真实的生物响应过程，神经形态器件必须能够被神经递质和其他化学物质调制，而这对于传统的人工突触设备而言仍是一大挑战。因此，开发受生化调节的人工突触设备，将显著推动神经形态系统中的仿生应用。如图17所示，通过与特异性神经递质受体以及受体抗体的交联，两种神经递质受体介导的人工突触器件实现了对神经元疾病以及免疫系统疾病的模拟，为进一步的生化检测和免疫学习应用提供了可能。

图17. 器件外部模拟中的化学感知应用。

为推进多模态传感内计算技术，研究者聚焦光学信号的感知与记忆技术，旨在实现光信号的高效传输与处理，为多模态信息融合分析开辟新途径。Tan等研究者报道了一种基于单层氧化MXene-Ti₃C₂Tₓ的视觉-呼吸突触器件 (VRSOM)，持续光照(100秒)可诱导超过4000秒的长时程增强(图18b)，并成功模拟了突触后电流(PSC)从短时程可塑性(STP)转为LTP(图18c)，以及视觉交互中的记忆形成(图18f)、双脉冲易化(PPF)(图18g,h)以及刺激次数(N)依赖的短时记忆(STM)向长时记忆(LTM)转换(图18i)。为交互式光子突触与人工系统发展奠定基础。同时也表明基于MXene-Ti₃C₂Tₓ的光学突触器件研究取得了显著突破，为开发新型神经形态光电系统与发展高效的多模态传感内计算技术提供了重要的实现路径和创新方法。

图18. 器件外部模拟中的视觉感知应用。

神经学研究表明，人类的学习和记忆活动具有昼夜节律的特征，而视网膜传入神经系统(OANS)在维持昼夜节律中发挥着关键作用。这种仿生模拟OANS功能有助于实现传感器内计算应用的多模态发展。Wang等研究者报道了一种基于MXene-Ti₃C₂Tₓ/MoS₂异质结的OANS器件，以实现光和化学等多模态信号的联合调控特性。实验方案如图19所示，研究人员将5-羟色胺(5-HT)特异性适体交联于TCPP修饰的MoS₂/MXene异质结表面。利用神经递质浓度调控异质结能带弯曲。实验证实当5-HT浓度从0增至1 aM时，相同光强下突触电流显著上移(图19c)，且器件电阻态可受神经递质浓度精确调控(图19d和19e)。最后该研究通过构建器件感知外部刺激，脉冲神经网络(SNN)处理和类脑分析输出识别结果(图19f-19h)这一系统流程，成功模拟了生物节律的学习能力(图19i和19j)。这一突破为开发具备环境自适应能力的多模态传感内计算系统提供了新范式。

图19. 器件外部模拟中的多模态感知应用。

3.3  集成模拟计算

目前，由于忆阻器具有非易失性和高度集成的特点，因此可应用于大规模类脑计算。因此，许多研究采用基于忆阻器的神经网络模拟来验证其在硬件设计中的可行性。多组研究通过不同MXene-Ti₃C₂Tₓ基神经形态器件，在图像识别(MNIST/CIFAR-10)、路径识别及旋转数字多任务处理中实现高精度(87.5%~96.44%)与强抗噪性，证实其在神经形态硬件(尤其是高集成突触阵列与感算一体系统)中的实用潜力。

图20. 模拟集成策略的应用。

3.4 硬件集成计算

忆阻器神经形态硬件网络在处理CNN等任务时，其能效比传统GPU高出一个数量级以上，可在相同计算任务下显著降低功耗。其核心在于忆阻器交叉阵列支持并行矩阵乘加运算，能同步处理多任务以加速神经网络训练。如图21所示，Zhang等人开发了基于二维MXene-Ti₃C₂Tₓ的可开关神经突触晶体管(SNST)。结合1S-1N电路与PNC架构优化，构建出高能效忆阻神经形态网络。该系统在灰度处理、图像验证等任务中展现出硬件级学习能力，并通过器件整合与训练加速，为低功耗边缘智能计算提供新范式。

图21. 硬件集成策略的应用。

IV 总结

基于MXene-Ti₃C₂Tₓ材料体系下神经形态计算研究虽已取得突破性进展，但其产业化进程仍受限于关键性技术瓶颈。材料自身稳定性缺陷与规模化集成工艺的不完善，构成了制约该技术商业转化的主要障碍。当前研究虽在器件集成密度与生物仿真性能方面展现出显著提升趋势，但在实际产业化进程中，大规模制造技术的可靠性及生物系统适配性仍需重点突破。为推进该技术向产业化迈进，后续研究需聚焦于构建稳定的材料体系、开发可扩展的集成工艺以及优化生物相容性等核心问题(图22)，通过跨学科协同创新实现技术瓶颈的系统性突破。

图22. MXene-Ti₃C₂Tₓ神经形态器件的未来发展趋势示意图。

作者简介

关于我们

Nano-Micro Letters《纳微快报(英文)》是上海交通大学主办、在Springer Nature开放获取(open-access)出版的学术期刊，主要报道纳米/微米尺度相关的高水平文章(research article, review, communication, perspective, highlight, etc)，包括微纳米材料与结构的合成表征与性能及其在能源、催化、环境、传感、电磁波吸收与屏蔽、生物医学等领域的应用研究。已被SCI、EI、PubMed、SCOPUS等数据库收录，2024 JCR IF=36.3，学科排名Q1区前2%，中国科学院期刊分区1区TOP期刊。多次荣获“中国最具国际影响力学术期刊”、“中国高校杰出科技期刊”、“上海市精品科技期刊”等荣誉，2021年荣获“中国出版政府奖期刊奖提名奖”。欢迎关注和投稿。

Web: https://springer.com/40820

E-mail: editor@nmlett.org

Tel: 021-34207624

如果文章对您有帮助，可以与别人分享！：Nano-Micro Letters » 北航国新院樊瑜波等综述：基于MXene-Ti₃C₂Tₓ的神经形态计算，物理机制，性能提升以及前沿计算