导读
近日，新加坡国立大学Ang Kah-Wee教授与深圳大学刘新科教授在《Nanophotonics》上发表题为“2D photonic memristor beyond graphene:progress and prospects”的综述论文。
光子计算和神经计算在打破传统冯·诺伊曼架构（Von Neumann architecture）的记忆墙方面引起了研究者的极大兴趣。具有光传感、数据存储和信息处理能力的光子存储器是光学神经网络的重要组成部分。近年来，二维材料在光子忆阻器中的应用收到了广泛的关注。凭借着它们多变的禁带宽度和在几何尺度上的特征，二维材料在拓宽可探测的光谱范围和丰富结构设计方面有着独特的优势。
新加坡国立大学电气与计算机工程系Ang Kah-Wee教授和深圳大学材料学院刘新科教授总结并评述了近年来除石墨烯以外的二维材料光子忆阻器的研究进展，以及它们在光子突触和模式识别中的应用。文章讨论了不同材料和器件结构的光可调谐存储特性和潜在的电阻开关机制。在对器件性能和机理进行讨论和分类的基础上，他们进一步分析了这一快速发展的研究领域所面临的挑战，并提出了实现可商业化的二维材料光子忆阻器的途径。
尽管三端结构光电晶体管存储器需要较高的编程电压和复杂的电路集成，但第三端将为执行突触功能提供更多的设计灵活性。浮栅场效应晶体管是存储器的一种常规结构，它在光电晶体管的栅介质中引入了一个附加的浮栅。开关机制通常是基于浮栅对电荷的捕获与释放。浮动栅极的电荷载流子存储/释放过程使得器件阈值电压和随后的漏极电流调制发生偏移，从而实现控制晶体管开关的功能。基于浮栅场效应晶体管的三端存储器如图1所示。
图1：基于浮栅场效应晶体管的三端存储器。
光子突触电子学是光子忆阻器的重要应用，也是构建光子神经形态电路的新兴研究领域。神经元是动物神经系统中感知、传递和加工信息的细胞，他们通过整合来自外界或其他神经元的输入并在达到阈值时产生兴奋/抑制来执行信号处理任务。而突触就是神经元之间传递信号的关键结构。光子忆阻器在人工突触中的应用如图2所示。
图2：光子忆阻器在人工突触中的应用。
为了更好地了解大脑，脑科学范式已演化为两个方向：生物神经网络和人工神经网络。生物神经网络的研究包括使用先进的电生理和成像技术来研究大脑的生物学、结构和功能特征。而人工神经网络则是用电子学、光子学或人工培养生物神经细胞来模拟生物神经网络。人工模拟生物神经网络的概念（也称为神经形态计算）在20世纪80年代末被提出。人工神经网络的研究包括实现神经形态计算的软件仿真和实现模式分类任务的实验演示。阵列式光子忆阻器在模式分类中的应用如图3所示。
图3：阵列式光子忆阻器在模式分类中的应用。
综述的作者感谢A * STAR新加坡科技研究局的资助和新加坡国家研究基金会(新加坡总理办公室)的资助，并感谢中国国家自然科学基金和广东省重点研究发展计划的支持。
欢迎有兴趣的研究生联系Ang教授和刘教授，报考博士生或博士后研究。
Xinke Liu, e-mail: xkliu@szu.edu.cn.
Kah-Wee Ang, e-mail: eleakw@nus.edu.sg.
文章链接
Xuewei Feng, Xinke Liu and Kah-Wee Ang
https://doi.org/10.1515/nanoph-2019-0543
免责声明：本文旨在传递更多科研信息及分享，如涉及侵权，请联系下方邮箱，我们将及时进行修改或删除。转载请注明出处，如原创内容转载需授权，请联系下方微信号。
