计算机作为人类科技发展的代表，在人们的日常生活中起着不可替代的作用。随着人类社会信息量的高速增长，计算机在运算速度提高的同时，对能源的消耗也在迅速增加。例如，我国的“天河二号”超级计算机（连续三次夺得世界超级计算机冠军），正常工作的功率高达20兆瓦，年耗电量约2亿度。相比之下，人脑是自然界中非常高效、节能的信息处理系统，一个成年人的大脑只有二十瓦左右的功率。这种能源消耗上的巨大差异，主要来自于计算机与人脑的构架及信息处理方式的不同。现有的计算机是通过冯·诺依曼构架方式进行信息存储与处理的，即信息存储与信息处理在物理上是分离的，在处理器和存储器之间需要进行大量的信息传递；而人脑则是由约10¹¹个神经元相互交叉连接而形成的神经元网络所构成。神经元之间的连接称为突触，人脑中有大约10¹⁵个突触。信息通过改变神经元之间的连接强度（称为突触权重）来进行存储与处理，并且具有自学习功能，实现了存储与处理的一体化。鉴于神经网络的特点，研究者们在很早以前就已经开始采用传统的硅基CMOS工艺器件来模拟神经元的信息处理方式，以期提高计算机的信息处理效率。但是，一方面由于传统硅基半导体器件大都是易失性或二进制非易失性存储器件，与神经突触的模拟型非易失性特征不符，实现一个简单的神经元功能往往需要很多个晶体管参与。另一方面，随着CMOS工艺数十年神话式地发展，器件沟道的尺寸已经步入十几个纳米甚至几个纳米，不仅面临极高的制造难度，而且日益趋近物理极限（如热效应、量子隧穿效应），很难继续通过提高器件密度的方式大幅提高处理能力。因此，在构建大规模神经网络时，CMOS器件在高密度集成和能耗降低等方面面临着巨大的挑战。为了克服CMOS器件所面临的困难，寻找符合神经形态计算机特性的新材料和新器件成为科研界和工业界的一个重要目标。
　　阻变器件的电阻状态与所施加的电压或电流的历史过程有关，并且在外电场去除后电阻状态可以保持下来。这种特性与目前神经科学研究结果所显示的突触行为非常相似，展现了在开发低功耗器件方面的巨大潜力，已被研究者们用来模拟人脑神经突触的功能。近期，中国科学院物理研究所/北京凝聚态物理国家实验室（筹）磁学国家重点实验室M06组尚大山副研究员、孙阳研究员和博士生杨传森等参考硅基场效应晶体管的结构，采用二维材料α-MoO₃单晶薄片作为沟道材料制备了一种三端阻变器件，利用离子液体作为栅极，施加电场在二维材料间隙层中注入氢离子，实现了α-MoO₃沟道电阻在低能耗条件下的多态可逆变化。并且，利用该器件的电阻态的变化，成功模拟了神经突触权重增强和减弱、短时记忆至长时记忆的转变等行为。此外，他们还利用α-MoO₃多晶薄膜制备了Ag/MoO_3-x/FTO三明治结构的两端器件—忆阻器，利用该器件中电场控制的固态电化学反应，实现了连续的阻变行为。在此基础上，通过改变脉冲电场触发次数、宽度、频率和脉冲间隔，成功模拟了生物学中的神经突触权重增强和减弱过程、短时记忆至长时记忆的转变、激发频率依赖可塑性（SRDP）和激发时间依赖可塑性（STDP）等行为。此项工作证明了利用二维材料α-MoO₃中的固态电化学过程模拟神经突触行为的可行性，为开发具有低功耗、可缩放性好的类神经突触晶体管和忆阻器，构建高效率的神经网络计算机提供了技术参考。
　　以上研究结果分别发表在Advanced Materials 29，1700906 （2017）和Phys. Chem. Chem. Phys. 19, 4190 (2017)。该工作得到了国家自然科学基金（51671213、 11534015），科技部（2016YFA0300701）和中国科学院项目（XDB07030200）的支持。参与本工作的合作者还包括：物理所沈保根院士，禹日成研究员，李永庆研究员，沈希副研究员等。
文章链接：
http://onlinelibrary.wiley.com/doi/10.1002/adma.201700906/full
http://pubs.rsc.org/en/content/articlelanding/2017/cp/c6cp06004h#!divAbstract

图1 二维材料α-MoO3的晶体结构与样品的表面形貌。

图2. α-MoO3晶体管结构、电输运性质与氢离子注入机制。

图3. 在栅极电压脉冲作用下，利用α-MoO3晶体管沟道电流变化模拟兴奋性突触后电流（EPSC）行为。

图4. 利用α-MoO3晶体管沟道电阻的非易失性多态可逆变化，模拟神经突触的配对脉冲易化（PPF）、突触权重增强/减弱以及短时/长时记忆转变。