二维材料在人工智能中的应用＊

朱宏伟

清华大学 材料学院，北京 100084

自人类社会进入21世纪，由于计算机算力的提升、大数据的应用和算法的突破，以人工神经网络为代表的人工智能技术取得了重大进展。机器学习和深度学习极大推进了人工智能专用芯片(如模拟大脑功能的神经形态硬件)的飞速发展。深度学习已经在物联网、机器人、生物医学、能源和环境等诸多领域得到应用。同传统方法相比，虽然基于人工神经网络的并行算法更加节能，但通常是建立在冯·诺依曼架构之上的，逻辑运算和存储之间的数据传输在物理上相互独立，导致计算瓶颈和不必要的功耗。受人脑的逻辑/记忆共位、局部容错性、超连接和并行处理的启发，通过对神经元和突触进行物理模拟而构建的神经形态计算架构可以使功耗大大降低。例如，早期神经形态计算的成功应用主要归因于基于传统电子材料(如互补金属氧化物半导体)的脉冲神经网络[1]。

低维材料可在化学组成、缺陷和表/界面等方面实现原子级调控，且具有量子相变、静电可调性、可重构开关等神经形态功能，通过共价功能化和氧化还原等手段可实现多位态，为多电极、原位感知和时空响应提供了灵活的实现方式，为模拟突触行为奠定了材料基础[2-3]。对于半导体沟道材料，由于量子限域效应的限制，尺寸很难缩小至5 nm以下。而对于二维材料，电子受限于二维层状空间内，通过栅压可对其传输行为进行精确控制。此外，二维材料种类丰富，包括导体(如石墨烯)、半导体(如二硫化钼)和绝缘体(如六方氧化硼)等，而且借助能带工程可创制出更多的新功能。二维材料的可堆叠特性(无表面化学键、弱层间范德瓦耳斯力)便于层层堆叠形成异质结，有效克服了晶格匹配及工艺兼容性的限制，易于获得具有混合维度的异质结构。

二维材料的无悬键晶格和范德瓦耳斯异质结，为下一代计算(包括矩阵算力提升、晶体管尺寸缩小、高效逻辑门和芯片集成等)提供了解决方案，在低功耗、多功能的忆阻器等神经形态器件的发展中显示出巨大的潜力。在器件层面，新型二维材料和范德瓦耳斯异质结推动了基于二维忆阻器等突触器件的发展(图1)[4]；
在电路层面，大规模高质量制备二维材料异质结对设计复杂的功能电路至关重要，有利于实现基于集成电路的神经形态计算；
在芯片层面，新型二维材料神经形态计算体系可将存储器、神经形态器件和传感器有机整合在一起，集成“感知、记忆、推理、反馈”等功能于一体，赋予神经形态芯片高效率、低功耗的信息处理能力。

图1 基于二维材料的神经形态器件[4]

神经形态计算硬件通过不同类型的神经形态功能器件来模拟神经元的结构和行为，包括三个不同层次的物理模型：①单个组件，如人工突触和神经元胞体；
②突触网络和神经元组合；
③学习规则和训练方法。在神经形态模型中，学习和记忆过程依赖于突触可塑性(即权重变化ΔW)(图2)。神经元的胞体收集并汇总突触传递过来的电压信号，达到阈值后沿着轴突激发出脉冲，再通过突触传递给其他神经元。可塑性表示突触将神经信号从一个神经元传递到另一个神经元的能力，突触根据权重加强或抑制信号。以最典型的脉冲时间依赖可塑性(一种长时程可塑性)为例，突触的连接强度随前后神经元发放脉冲的间隔(Δt)呈指数增加或衰减，即长时程增强或长时程抑制。

图2 突触的可塑性

忆阻器的非易失性和连续变化可用于模拟突触的可塑性。传统忆阻器主要基于过渡金属氧化物，由“自上而下”的光刻图案化技术构建。由于器件响应强烈依赖于原子尺度缺陷，其功能的可控性有限(如开/关比较低、设置/复位操作的功率较高)。因神经网络训练中涉及大量设置/复位过程，其高功耗问题较为严重。除了功耗外，传统器件可靠性较差(如活性层中的导电丝在垂直电场下随机生长)，极大限制了阵列器件的大规模应用。基于二维材料的忆阻器和离子迁移器件是解决上述问题的首选神经形态器件。

目前，二维材料在神经形态器件中的应用仍处于探索阶段。大多数基于二维或准二维材料的忆阻器等突触器件都依赖于层状材料中的缺陷或陷阱效应，不适合开发高性能器件。另外，模拟神经元丰富的动态瞬时切换以及时域/频域数据处理，仍需要复杂的电路设计。以往的研究大多集中于单个器件，如二维铁电材料具有良好的多畴极化开关能力，可通过多级沟道电导来记录突触权重。基于二维材料功能基元的电路构建一直未得到足够的重视，在一定程度上阻碍了复杂功能在神经形态计算中的实现。神经系统中分布着大量由少数突触和神经元构成的神经微电路。某些微电路具有简单的连接，以简单的方式处理信息，这对认知和推理非常重要。

对生物神经网络的深入理解有助于实现更类脑的神经形态器件。在物理层面，生物神经网络中的神经元通过离子输运接收、处理和传输信号。神经元胞体由一层类似于二维流体的脂质双层质膜包围。脂质双层的内部呈疏水性，对离子具有选择渗透性。膜孔通道允许特定的阳离子(如Na+、K+和Ca2+)在浓度梯度驱动下跨膜转运，由此控制膜电位的变化，是信号传输和高速通信的基础[5]。离子通道有几个关键特征：首先，通道孔径与离子大小(0.4～0.5 nm)相似；
其次，具有可调控的离子选择性，膜通道中的功能基团(如天冬氨酸和谷氨酸的羧基)可降低离子脱水活化能，增强选择性；
第三，保持孔隙在液相中的结构稳定性，如赖氨酸的氨基通过氢键与附近的链进行连接，防止孔结构发生变化。近年来，基于二维多孔结构、三维异质复合材料的选择性离子传输技术取得了重大进展[6]。

传统晶体管电路可以模拟生物神经元的功能(唯象)，但无法在物理层面进行全面模拟，且存储和信息处理(计算)的位置不同。忆阻器模拟突触更适用于存储而非信息处理，且受限于双端点电极结构(神经元有成百上千个内部连接)。为了更好地模拟生物神经网络，二维材料功能基元器件需要具有以下特征：可产生神经元复杂的电压脉冲；
同步进行存储和信息处理，即将忆阻器、离子器件等和晶体管功能集成在同一器件中；
可进行多端点连接以实现多级网络结构。

综上，二维材料及其异质结是神经形态器件的首选材料体系，具有原子级厚度和无悬键平整表面，可与衬底形成范德瓦耳斯界面，在材料生长/转移时不受晶格匹配的限制。某些二维材料具有高迁移率，电场驱动载流子扩散路径短，可承受较大的弹性形变。此外，二维材料的大比表面积便于通过施加应变、电场和表面掺杂等方法调控其性能(光电、铁电、热电等)。基于二维材料的神经形态器件，通过合理设计构建人工神经网络微电路，是实现复杂类脑功能的有效手段，进而实现低功耗、微型化和规模化集成。

猜你喜欢阻器可塑性异质甲基苯丙胺改变成瘾小鼠突触可塑性基因的甲基化修饰昆明医科大学学报(2022年1期)2022-02-28内源性NO介导的Stargazin亚硝基化修饰在脑缺血再灌注后突触可塑性中的作用及机制昆明医科大学学报(2021年8期)2021-08-13超声刺激小鼠伏隔核后c-Fos蛋白及结构可塑性改变的实验昆明医科大学学报(2021年6期)2021-07-31基于忆阻器的多路复用器设计与实现扬州大学学报（自然科学版）(2021年1期)2021-07-08“对赌”语境下异质股东间及其与债权人间的利益平衡北方论丛(2021年2期)2021-05-22真实忆阻器数学建模以及电学仿真电子制作(2017年24期)2017-02-02随机与异质网络共存的SIS传染病模型的定性分析云南师范大学学报（自然科学版）(2015年5期)2015-12-26转GDNF基因的BMSCs移植对大鼠脑出血突触可塑性的影响西南医科大学学报(2015年1期)2015-08-22Ag2CO3/Ag2O异质p-n结光催化剂的制备及其可见光光催化性能中央民族大学学报（自然科学版）(2015年2期)2015-06-09具有脉冲的忆阻器神经网络周期解的稳定性郑州大学学报（理学版）(2014年2期)2014-03-01