北京交大邓涛&清华大学田禾等综述：二维材料构筑可重构人工神经元与突触及其神经形态应用

Dedicated and Reconfigurable Artificial Neurons and Synapses based on Two‑Dimensional Materials for Efficient Neuromorphic Application

Danke Chen, Peizhi Yu, Yuning Li, Jingwei Shang, Haoyuan Wu, Xuan Yao, Xiaoqiu Tang, Chunlong Li, Mingqiang Zhu, Chang Gao, Jingye Sun*, He Tian*, Tao Deng*

Nano-Micro Letters (2026)18:310

https://doi.org/10.1007/s40820-026-02139-2

本文亮点

1. 本研究全面综述了基于二维材料的人工神经元和突触的最新进展，重点介绍了其仿生模型、物理机制和性能指标，并进一步讨论了可重构器件中的复杂切换策略。

2. 深入讨论了神经形态器件的系统集成，特别强调其在感知、神经网络计算和逻辑操作任务中的功能作用。

3. 本文对开发人工神经元和突触器件及系统的挑战进行了整体分析，并绘制了通向更高效、多功能类脑芯片的路线图。

研究背景

神经形态计算是一种极具前景的计算架构，为克服存储与计算分离以及晶体管微缩极限提供了高效的解决方案。实现该架构的关键在于开发能够仿生的人工神经元和突触作为核心组件。近年来，具有原子级厚度和丰富可调理化性质的二维材料库逐渐受到关注。这些独特性能满足类脑器件在超低功耗、动态可塑性和多功能集成方面的关键需求，从而推动下一代高性能、功能多样的类脑硬件系统的突破。本文回顾了基于二维材料的人工神经元和突触器件的最新进展，重点关注仿生模型、物理机制和性能指标。讨论进一步扩展至可重构器件中灵活的切换策略。随后，总结了类脑器件的系统集成，特别关注其在感知、神经网络计算以及逻辑运算任务中的功能作用。最后，对人工神经元和突触在器件和系统层面的局限性进行了系统分析，并绘制了迈向更高效、多功能类脑芯片的发展路线图。

内容简介

随着人工智能与物联网的快速发展，传统冯·诺依曼架构的存储-计算分离问题引发严重通信瓶颈，表现为执行效率低下、能耗居高不下。同时，摩尔定律逼近硅基工艺微缩极限，短沟道效应、量子隧穿等物理约束日益严峻，传统计算架构面临根本性挑战。为此，国际半导体技术路线图提出“Beyond CMOS”路径，神经形态计算作为该路径的代表性架构，通过模拟生物神经系统为突破传统瓶颈提供了解决方案。神经形态计算的硬件本质在于人工神经元与突触等对生物神经节点的物理映射。基于忆阻器等动态器件的神经形态元件正逐步取代传统CMOS电路，实现信息编码、传输、处理与存储的硬件级集成。可重构神经形态器件更能在同一平台上通过自适应切换实现突触与神经元功能的仿生融合。此外，开发高能效、高集成的神经形态系统，亟需兼具尺寸可缩放性与优异性能的新型材料。二维材料凭借其亚纳米厚度、可调物性及无悬挂键表面等优势，为高能效、高集成神经形态系统提供了理想材料平台，支持多模态感知、可塑性与可重构功能，为多功能神经形态系统创造条件。

北京交通大学邓涛&清华大学田禾等人系统综述了基于二维材料的新型人工神经元与突触器件的最新研究进展。器件层面，文章重点讨论了电导依赖型与非依赖型两种仿生神经元模型，深入分析了离子迁移、相变、碰撞电离、电荷捕获及掺杂等五种人工神经元器件工作机制，并系统梳理了导电细丝、相变、铁电、自旋电子、电荷调制等五类突触工作机制及其性能评估指标。针对可重构神经形态器件，文章归纳出端口编程、输入参数调节与材料物性调制三种主导性切换策略。系统层面，文章展示了人工神经元与突触的互联集成模式，及其在多模态感知、模式识别与逻辑运算等任务中的功能应用。最后，文章批判性分析了当前在材料制备与工艺、器件设计与性能、系统级集成三个层面存在的核心挑战，并为面向类脑智能芯片的未来发展绘制了前瞻性路线图。

图文导读

I 二维材料基人工神经形态器件和系统研究的热点趋势与文章核心内容框架

图1展示了基于Web of Science核心合集数据库对过去15年记忆器件与系统领域文献的计量学分析结果。年度发文量趋势图表明，自2019年以来，基于二维材料的新型忆阻器件与系统的研究增长了2.7倍，基于二维材料的人工神经元与突触研究更是增长了4.8倍，彰显该领域作为全球研究热点的快速崛起态势。关键词共现热力图显示，研究热点主要集中于材料特性、电子器件、性能指标以及神经网络计算等方向。分析结果表明，一个完整且紧密关联的研究体系已初步形成，未来研究有望在已有探索与验证的基础上，朝着更高效的类脑智能方向持续迈进。

图1. 文献计量分析。a 过去15年中忆阻器件与系统、基于二维材料(2DM)的忆阻器器件与系统以及2DM人工神经元与突触的年度出版趋势。b 2DM人工神经元与突触的概览：关键词热图分析。

图2示意性地概括了本综述的核心内容框架。文章围绕基于二维材料的专用与可重构人工神经元及突触器件，从器件级到系统级展开全面论述。器件层面涵盖仿生模型、物理机制、动态行为与性能指标。归纳了端程编程、输入参数调节与材料物性调制三种可重构切换策略。系统层面展示了器件在多模态感知、模式识别与逻辑运算等任务中的集成应用。图中还展示了代表性二维材料器件结构示意图，直观指引读者快速把握全文脉络。

图2. 基于二维材料的专用与可重构人工神经元及突触综述概要，涵盖仿生模型、物理机制、动态行为、可重构策略及应用，并附有代表性器件结构示意图。

II 人工神经元、突触器件的仿生模型、物理机制与性能指标及可重构器件中的多样化切换策略

图3展示了生物神经系统中典型的信号传递结构，包括胞体、树突、轴突及突触的功能分工，以及神经元膜电位在静息、去极化、动作电位发放与不应期各阶段的动态变化。基于这一生物模型，人工神经系统的硬件实现遵循事件驱动处理逻辑：人工神经元模拟生物神经元的积分与发放等功能，将膜电位变化转换为离散脉冲序列输出；人工突触则模拟突触的信号传递与可塑性，其电导状态直接对应突触权重。图中还展示了突触后膜对兴奋性与抑制性刺激的电位响应，为后续人工神经元与突触器件的仿生设计奠定了理论基础。

图3. 生物体内典型的信号传输示意图。a 前神经元与后神经元之间信息传递的示意图。b 输入信号引起的神经元膜电位变化示意图。c 突触后膜电位对兴奋性和抑制性刺激的响应示意图。

图4系统总结了从生物启发到硬件实现的多种经典神经元模型。Hodgkin-Huxley模型通过Na⁺/K⁺通道的变电导元件精确重建了动作电位产生的生物物理机制，是电导依赖型模型的代表。FitzHugh-Nagumo模型在保留神经元兴奋性本质动力学的同时大幅简化了动态变量。Izhikevich模型仅需两个常微分方程即可模拟超过20种发放行为，计算成本比H-H模型低两个数量级。漏电积分-发放模型是目前硬件实现最广泛的模型，通过电容充放电与阈值触发生成脉冲序列。这些模型在计算效率与生物逼真度之间提供了不同的权衡选择，为不同应用场景下的神经元硬件设计提供了理论依据。

图4. 多种神经元模型及经典脉冲模式。a H-H神经元模型的等效电路。细胞膜上Na和K通道的动力学调节动作电位的产生。b FHN神经元电路示意图及相应的常微分方程。c Izhikevich模型生成的六种经典脉冲模式。d 一个典型的基于阈值切换器件的LIF神经元电路及相应的常微分方程。

图5分类展示了基于二维材料的人工神经元器件的五种核心工作机制。离子迁移型神经元通过Ag等活性金属在二维材料层间或表面形成易失性导电细丝，实现阈值开关行为。相变神经元利用VSe₂、TaS₂等材料在电场或热激励下的可逆相变，模拟神经元的快速易失性脉冲发放。碰撞电离神经元基于WSe₂等半导体中的雪崩倍增效应，在强电场下实现陡峭的电流跳变，已实现约2pJ/spike的低能耗。电荷捕获神经元通过载流子在介电层缺陷处的捕获与自发脱陷阱过程，模拟积分、发放与漏电行为。掺杂型神经元利用Li⁺等离子的电化学迁移动态调制沟道阈值电压。这些机制共同为构建高能效、高集成度的人工神经元提供了丰富的物理基础。

图5. 人工神经元机制及电学特性。a, b 离子迁移神经元：a Ag/SnSe/Au设备及阈值切换机制示意图。b 基于MoS₂的设备横截面示意图及高、低阻切换机制。c, d 相变神经元：c 制备的Pt/VSe₂/Pt阻变器退火前后的电学测试结果及对应的相变示意图。d 1T-TaS₂四种相的原子结构。e 1T-TaS₂振荡器横截面及示意结构。f 1T-TaS₂设备在不同偏置条件下的I-V特性。g, k 冲击电离神经元：g 2D WSe₂冲击电离器件示意图。h 在固定源漏偏压下，通道随栅压变化的瞬态电流特性。i 设备随栅压变化的脉冲频率和能耗。j WSe₂/石墨烯异质结构冲击电离器件及阈值切换机制示意图。k 冲击电离产生导致电流急剧增加。l, m 电荷俘获神经元：l 基于MoS₂的神经元结构。m LIF过程对应的能带变化图。n, o 掺杂神经元：n MoS₂神经元器件示意图及阈值切换机制。o MoS₂神经元在输入信号和时钟信号激励下的积累-发放功能。

图6. 各种人工突触器件内在机制的示意图。a 导电丝突触。通过活性金属离子或空位迁移驱动的电场下导电丝逐渐形成和消失，实现突触可塑性模拟。b 相变突触。可逆的相间转变在人工突触中引起电导调制。c 铁电突触。通过可逆的铁电极化开关实现突触权重调制。d 自旋电子突触。磁层的磁状态通常通过自旋转矩或自旋轨道转矩调制。e 电荷调制突触。通过控制电荷的分布、存储和释放状态，实现生物突触行为。

图6分类展示了基于二维材料的人工突触器件的五种核心工作机制。导电细丝机制通过Ag/Cu离子在电场驱动下形成非易失性导电通路，细丝的数量、粗细与空间分布决定了突触电导的连续可调性。相变机制利用MoTe₂等材料在半导体相与金属相之间的可逆转变，实现渐进式电导调制。铁电机制通过二维铁电材料的极化翻转来调制界面势垒或沟道电导。自旋电子机制通过Fe₃GeTe₂等二维磁体中磁畴壁密度的调控实现多态阻变切换。电荷调制机制涵盖浮栅晶体管的电荷隧穿与俘获、电荷捕获层中缺陷态的载流子束缚、电解质中离子迁移形成的双电层静电掺杂，以及异质结界面的电荷积累诱导能带弯曲。图7展示了基于二维材料的人工突触器件在性能评估、学习规则模拟及复杂神经功能仿生方面的研究进展，并对能耗这一核心瓶颈问题进行了重点分析。在突触传递模拟方面，二维材料基器件成功实现了兴奋性与抑制性突触后电流的多模态调控，以及双脉冲易化等短时程可塑性行为。而长时程增强与抑制的线性、对称调制能力，这是支撑神经网络高效反向传播训练的关键性能指标。在学习规则方面，脉冲时序依赖可塑性已在硬件层面得到验证。Bienenstock-Cooper-Munro学习规则同样成功实现，该规则通过动态适应神经元的历史活动频率，有效防止突触权重无界增长，弥补了经典Hebbian规则的不足。此外，基于脉冲幅度、宽度、数量与频率依赖的可塑性机制也已被系统性地验证。在复杂神经功能模拟方面，器件成功复现了免疫应答中的敏化效应以及巴甫洛夫条件反射等高级生物神经活动。能耗是制约神经形态计算走向实用化的核心瓶颈。生物突触单次事件能耗约为10 fJ，而传统的突触器件通常需要更高的能量开销。二维材料凭借其原子级厚度、弱范德华层间作用力及丰富可调的物化性质，为突破这一瓶颈提供了独特优势：导电细丝型突触利用二维材料亚纳米层间间隙作为超低能垒通道，可实现仄焦耳级能耗；铁电与自旋电子突触借助畴壁的原子尺度运动实现超低能量翻转；相变突触通过低维特性大幅降低诱导相变所需的热能与电流，达到阿焦耳级开关能耗；电荷调制突触则利用超薄二维沟道与浮栅结构的协同优化，已实现低至0.2 aJ的单次权重更新能耗。图中对各类电子与光电突触的能耗进行了系统对比，二维材料器件的能耗已普遍进入aJ至fJ范围，部分器件甚至超越了生物突触的能耗基准，展现出构建超低功耗神经形态硬件的巨大潜力。

图7. 人工突触的性能指标。a 人工突触器件的兴奋性和抑制性突触后电流(EPSC/IPSC)特性。b 突触权重随突触前光脉冲频率变化的函数。c 在266 nm和658 nm光刺激下的EPSC和IPSC响应。d 光刺激突触晶体管的高PPF行为分解。e 在不同电压脉冲幅值下的强化和抑制周期的归一化电导。f 突触权重随时空相关输入变化。g 生物BCM曲线示意图。h 具有不同频率的连续脉冲列的忆阻器响应。i–l 通过调节多种脉冲参数(包括脉冲幅度、持续时间、数量和速率)实现的突触可塑性。n 在不同电压下擦除后再学习的能耗。o 使用紫外光和电脉冲作为食物和钟信号进行经典条件反射模拟。p 最近报告中各种电子和光电子突触的功耗比较。

在传统神经形态硬件系统中，神经元与突触由专用器件分别实现并以固定拓扑互联，难以适应动态变化的计算任务，易导致资源失配。为此，研究者借鉴FPGA等可重构架构的理念，提出可重构神经形态器件，使同一平台可根据任务需求动态分配神经元与突触功能，实现模块共享与自适应切换，大幅提升资源利用效率与系统适应性。图8中端口编程是可重构神经形态器件的三种实现策略之一。该策略通过不同电极调用同一器件内的不同模块或单元，实现突触权重更新与神经元脉冲发放功能的动态分配。基于MXene的集成多神经形态功能突触晶体管可在栅极脉冲作用下通过质子迁移模拟兴奋性突触后电流(源漏电流)，实现突触功能；而以栅源双端为基础单元时，连串脉冲使得Ag⁺离子被吸附至掺杂MXene介电层表面形成导电细丝，电压撤除后细丝自发断裂，实现神经元的阈值开关特性。此外，光照明可通过调制MoS₂沟道电导实现光电突触可塑性，而顶栅脉冲则使器件在垂直方向上表现为具有脉冲编码机制的忆阻器。该策略实现了硬件层面的脑启发计算资源动态分配，但大规模多栅结构也带来了系统复杂度与制造成本增加等挑战。此外，输入参数调节策略通过调控电压幅值、限制电流、脉冲宽度等外部控制信号，改变材料特性或载流子输运行为，实现神经元与突触功能的差异化切换(图9)。在石墨烯电化学晶体管中，通过栅极电压幅值精确分离易失性与非易失性状态：较低栅压时器件表现出突触的非易失性电导调制，较高栅压时则呈现神经元的易失性阈值开关行为。在CuInP₂S₆/h-BN/WSe₂异质结晶体管中，背栅静电调制通过选择性地激活碰撞电离或铁电极化机制，实现神经元与突触模式的切换。此外，通过控制导电细丝的生长与断裂动力学，低限制电流下形成易失性弱细丝对应神经元功能，高限制电流下形成非易失性强细丝对应突触功能。材料物性调制策略则直接利用二维材料本征可调的物理特性实现功能重构，避免了复杂多端设计(图10)。α-In₂Se₃铁电场效应晶体管中，面外极化调制用于突触权重更新，而面内极化与肖特基势垒的协同调制则实现神经元的积分-发放特性。基于CuInP₂S₆的可刷新忆阻器通过铁离子相态的动态分配实现神经功能复用：铁电极化模式(Cu⁺离子的偏心有序)提供非易失性存储效应，对应突触功能；离子迁移模式(Cu⁺离子在界面的长程迁移与快速弛豫)则提供易失性开关特性，对应神经元功能。此外，电极的化学活性、缺陷工程及界面调制等材料相关因素也可决定开关行为的易失性或非易失性。需要指出的是，材料物性调制策略虽避免了复杂多端设计，但高频切换下的材料退化问题仍需关注。

图8. a 在执行不同任务时三种硬件不匹配现象。因此，有必要消除两个模块之间的界限、建立具有神经元-突触共享模块的类脑芯片。b 施加于栅极的电脉冲触发的EPSC。c 可重构器件的电路图，该器件具有神经元功能，并在神经元模型中整合输入信息后产生峰值脉冲。d 具有多模态神经元和突触关键功能的可重构类脑单元结构。

图9. a 石墨烯晶格与氢离子之间加氢反应的示意图及对应的生物神经元模型。b 电化学石墨烯晶体管中的非易失性和易失性门控忆阻行为。c‑d CuInP₂S₆/h-BN/WSe₂异质结构晶体管中神经元模式和突触模式的机制图。e Ag/MoS₂/HfAlO ₓ/CNT纺织忆阻器在连续脉冲刺激下LIF神经元行为的机制。f 在低电流限流下的易失性电阻切换行为。g 人工突触中的短期和长期记忆特性分别对应弱导电丝和强导电丝。h 在高电流限流下的非易失性电阻切换行为。i 可调多级导电状态。j ZnPS₃ 忆阻器在不同幅度单脉冲电刺激下的易失性电流演化。

图10. a α-In₂Se₃铁电场效应晶体管及在正负栅电压下用于突触权重调制的相应能带图。b 能带图说明可重构神经形态器件作为神经元的工作机制。c MoS₂/CuInP₂S₆/MoS₂可刷新忆阻器器件结构。d 设备在非易失性铁电极化模式下的高阻态和低阻态能带图。e 一个典型的铁电存储窗口特性曲线。f 设备在易失性离子迁移模式下的高阻态和低阻态能带图。g 设备在固定栅电压-4 V下的易失性I-V特性。

III 探究神经形态器件的系统集成，特别强调其在感知、神经网络计算和逻辑操作任务中的功能作用

图11展示了人工神经元与突触之间三种基本的互联集成模式及其在硬件系统中的实现。第一种为突触-神经元或神经元-突触的单向信息流：二维铁电突触的输出信号由二维碰撞电离场效应晶体管神经元进行时空整合，实现空间求和与时空求和功能。第二种为神经元-突触-神经元的多级互联：突触可塑性的变化通过前神经元活动传递至下游神经元，建立网络级适应性，已在大规模7×16交叉阵列中得到验证。第三种为反馈互联：高阶神经元的输出通过反馈回路调制初级神经元的突触效能，实现动态平衡。基于STDP学习规则，神经元的脉冲输出不仅用于初始化突触后神经元膜电位，还反馈至突触前末端进行自适应权重更新，从而实现在线学习。这些互联模式为构建大规模并行神经形态计算阵列奠定了硬件基础。

图11. a 由两个突触和一个脉冲神经元组成的互联神经网络电路示意图。b‑c 两脉冲输入的空间叠加和时空叠加示意图。集成脉冲神经元的响应显示在c中。d DropConnect 硬件实现示意图。e 基本突触-神经元组件示意图，展示通过 STDP 突触和LIF神经元功能进行无监督学习。f 大规模集成神经突触阵列的光学图像。g 神经元-突触-神经元互联硬件系统电路示意图。h 人工神经网络在三种不同突触器件电导状态下的瞬态电监测。i 363 μS 突触器件电导的放大视图。

图12展示了基于二维材料神经形态器件的多模态感知能力与感知-执行闭环智能行为。在直接感知方面，O-MXene器件可直接响应紫外光实现光辅助单神经元脉冲激发；基于摩擦电门控效应的触觉感受器可实现慢适应与快适应两种信号预处理特性。在间接感知方面，石墨烯与MoS₂构建的触觉与味觉神经电路成功模拟了机械感受编码与摄食行为的心理-生理双重调控。在跨模态感知方面，MXene/紫磷异质结光电突触在不同气体环境与光强下表现出视觉-嗅觉跨模态感知能力，离子凝胶与MXene/半导体界面构建的自供电垂直晶体管实现了触觉-听觉-视觉多模态感知与记忆。在感知-执行闭环方面，基于视觉感知驱动的仿生驱动器实现了手部退缩反射，基于Sb₂Se₃/CdS核壳纳米棒阵列光电忆阻器的电子眼系统可根据光强动态调节眼睑开合状态。这些进展正推动神经形态系统从简单运动模仿向自主智能行为演进。

图12. a‑b 直接感知：a 基于氧化MXene的人造光电忆阻器的器件结构及其整合-发放行为对一系列不同电压幅值的电脉冲信号的响应。b 基于阵列的人工突触概念图，该阵列包含八个SA(慢适应)和八个FA(快适应)机械感受器，以及具有类突触连接的器件放大结构示意图。c‑d 间接感知：c 仿生视触觉多感官神经元，集成了摩擦电触觉感受器和MoS₂光电忆阻晶体管及脉冲编码电路。d 基于石墨烯化学晶体管和MoS₂忆阻晶体管的仿生味觉系统，用于模拟心理和生理的进食行为。e、f 多功能感知神经系统：e 基于MXene/紫磷异质结的突触，用于视觉-嗅觉跨模态感知及在不同气体环境和光强下的PSC响应。f 自供电高灵敏整体垂直晶体管，用于触觉-听觉-视觉多模态感知与记忆。g、h 感知-动作神经系统：g 生物神经系统和仿生电路中的动态训练过程实现。h 电路中的电压和电流响应以及在三种不同训练信号和光信号下对应的机器人手姿态。i 由光子突触、脉冲神经元和电子眼执行器互连构成的人工视觉系统。j 电子眼在普通光和明亮光照射下随照明持续时间的张力，以及对应的眼部状态。

图13展示了基于二维材料神经形态器件的脉冲神经网络硬件系统在模式识别与动态视觉处理中的应用。研究表明，基于时间编码的三层脉冲神经网络可有效处理人脸识别任务，在面部表情识别与身份分类中均取得了较高准确率。基于CuInP₂S₆突触与神经器件的交叉阵列实现了无监督学习，通过脉冲延迟时间编码像素强度并结合神经元侧向抑制功能，在较少的训练周期内即达到优异的识别准确率。在动态视觉处理方面，基于三脉冲STDP学习规则的YOLO-SNN被用于车辆跟踪任务，通过前层神经元间的成对相关性进行权重更新，即使在目标重叠条件下仍能保持精确跟踪。这些研究结果表明，脉冲神经网络架构正从静态图像分析向复杂动态视觉处理稳步演进。

图13. a 三层尖峰神经网络用于面部和表情分类的示意图。b 经过100个训练周期后的面部和表情识别准确率。c GWR网络动态减少节点数量72%，效率更高。d 用于SNN实现的基于神经元和突触的伪交叉阵列。e 输入像素强度编码突触前尖峰的时间。f 在整个训练周期中，启用和未启用侧抑制的识别率对比。g YOLO-SNN架构示意图及动态目标检测和追踪工作流程。h 三联STDP学习规则中的事件相关可塑性过程。i 三联STDP启用的SNN、配对STDP启用的SNN以及原始YOLO-SNN的追踪准确率对比。

图14展示了人工神经元与突触器件在逻辑运算中的直接应用。神经元晶体管通过时空积分实现基本逻辑功能：当输入信号的加权和超过阈值时发放脉冲(逻辑“1”)，否则保持静息(逻辑“0”)。基于二维材料异质结的忆阻突触通过多栅协同控制，在单个器件中实现了多种不同逻辑模式(如AND、OR、NAND、NOR等)。通过连接多个突触与偏置电阻调控神经元输出电流，可在单片集成电路中实现完整的布尔逻辑门功能。基于正负光电导效应的光电器件则可通过电压极性与光强编码二进制电导切换，实现可重构逻辑状态。这些研究表明，人工神经元与突触器件有望在保证高集成密度与计算效率的同时，实现逻辑运算与神经形态计算的深度融合。

图14. a 神经元晶体管的逻辑操作示意图、工作原理，以及通过时空积分实现的“与”逻辑模式。用于多逻辑模式切换的底栅结构。b 基于Te/WS₂异质结的器件结构爆炸图，以及通过协同的顶栅和底栅控制在单个器件中实现的五种不同逻辑模式。c 双输入与、或、非逻辑门的实现示意图及神经积分后的对应脉冲输出。d 光电子混合输入逻辑门示意图及可重构非易失性光电子逻辑模式的操作方案示意图。

IV 实现全方向振动信号采集与解耦

图15绘制了基于二维材料的神经形态器件从基础研究到芯片应用的完整发展路线。该路线始于二维忆阻器的基础研究，随后演化为基于多种物理机制的器件平台，成功实现了对生物突触与神经元功能的模拟。可重构神经形态器件作为后摩尔时代的创新性解决方案应运而生，实现了神经元与突触功能在同一硬件平台上的动态切换。随着工艺进步与技术成熟，研究已从单个器件单元向阵列集成与系统级演示演进。近年来的前沿研究日益聚焦于感存算一体与神经形态模块的单片集成，里程碑式突破包括：基于MoS₂/Ag纳米光栅的光电晶体管阵列实现无延迟的光学图像传感、预处理与识别；基于2T-2R单元的16×16计算内核实现三维异构集成；基于MoS₂可重构晶体管的神经形态系统同时实现了突触、异突触与神经元胞体模块功能等等。未来研究将聚焦于性能优化、机制探索、多功能融合与先进集成技术，最终迈向媲美生物系统的类脑芯片。

图15. 2D材料类脑器件向芯片发展的路线图。

图16系统梳理了基于二维材料的神经形态器件与系统在迈向实用化过程中面临的核心挑战，涵盖材料制备、器件设计与系统集成三个层面。材料制备层面，机械剥离法产率低、无法精确图案化，化学气相沉积法存在晶界缺陷、掺杂杂质及成核控制困难等问题；转移技术尚不成熟，易引入污染与损伤；多数二维材料在空气环境中易氧化降解，影响器件稳定性。器件设计层面，突触器件在线性与对称性权重更新方面仍需优化；神经元器件在功能复杂性(阈值特性、积分发放、不应期、跨模态感知)上的研究相对滞后；可重构器件在高速切换下的稳定性、材料退化与状态保持能力缺乏系统验证。系统集成层面，二维材料器件与硅CMOS电路存在电压/电流电平不匹配；信号延迟失配影响STDP学习规则的精确时序依赖关系；高密度集成下的静态漏电、动态功耗与热管理问题亟待解决。突破这些挑战需要材料生长、器件设计、集成工艺与算法架构的协同创新。

图16. 2D材料在类脑器件和系统中的挑战。

V 总结

本综述系统梳理了基于二维材料的人工神经元与突触器件的研究进展。器件层面，文章涵盖了仿生模型、物理机制与性能指标，重点归纳了可重构神经形态器件的三种切换策略：端口编程、输入参数调节与材料物性调制。系统层面，展示了神经元-突触互联集成、多模态感知、脉冲神经网络计算与识别及逻辑运算等功能应用。文章最后分析了材料制备、器件设计与系统集成三大核心挑战，并为面向类脑智能芯片的未来发展绘制了路线图。二维材料神经形态器件为实现超越传统计算架构的高能效、高集成度类脑计算提供了坚实的技术基础。

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 » 北京交大邓涛&清华大学田禾等综述：二维材料构筑可重构人工神经元与突触及其神经形态应用