近日，谷歌研發的新版人工智能程序AlphaGo Zero從空白狀態，在無任何人類輸入的條件下迅速自學圍棋，并以100:0的戰績擊敗“前輩”AlphaGo，再次引起了人們對人工智能的關注。基于人類大腦的神經形態工程是人工智能的重要發展方向之一。人腦是由多達1011-1012個神經元組成的復雜網絡系統，雖然它的功耗只有20W，但具有超強的學習和認知能力。神經元(Neurons)是人腦的基本組成單元，突觸(Synapse)是神經元之間在功能上發生聯系的部位，也是信息傳遞的關鍵部位。研制具有生物突觸功能的電子器件，對于構建神經形態電路和實現智能計算機意義重大。憶阻器具有非線性電學性能和狀態記憶功能，與生物體的神經突觸類似，并可以縮小到納米尺寸，因此憶阻器是實現突觸功能的理想電子器件，使實現與人腦結構類似的人工智能硬件成為可能。

　　中國科學院寧波材料技術與工程研究所納米事業部功能薄膜與智構器件團隊采用輕微氧化的硫化鋅（ZnS）薄膜構筑了Cu/ZnS/Pt憶阻型突觸器件，該電子突觸表現出超高的電靈敏性。目前，文獻報道的用于模擬突觸的憶阻器件工作電壓一般為幾百毫伏至幾千毫伏，而生物突觸只需幾十毫伏就可以實現復雜的功能，現有突觸器件相比生物突觸表現出了較差的電靈敏性，較大的工作電壓增加了器件的功耗和不穩定性。該項工作制備的Cu/ZnS/Pt憶阻型突觸器件，在超低電壓(6 mV左右)下實現了神經突觸可塑性，從而獲得了一種超高靈敏的突觸仿生器件，其靈敏度甚至超過了生物突觸，且功率低至納瓦量級。此外，通過簡單的集成，構筑了5×5超靈敏突觸器件陣列，在超低電壓下實現了記憶和遺忘的動態過程。超低的工作電壓有助于減小器件內部結構的破壞，降低器件工作參數的波動性，并提供了降低器件功耗的新途徑(目前文獻中普遍采用降低工作電流和減小脈沖寬度的手段)。

　　進一步研究發現，通過細致的微觀結構及成分表征，提出了該憶阻器件表現出優異電學性能和超低工作電壓的機理—離子遷移速率在不同物質中存在差異。在輕微氧化條件下，ZnS薄膜近表面的晶界處形成ZnO納米晶粒，導致Cu2+在該體系內出現了遷移速率差，在含有ZnO納米晶粒的表面層遷移速率慢，而在純ZnS層遷移速率快，導致Cu細絲在生長過程中出現納米尺寸間隙（＜3 nm），Cu細絲的斷裂和連接位置鎖定在納米間隙處，因此施加超低的電壓就會產生較強的電場，使器件的阻態產生轉變，并保證了器件的循環穩定性。相關研究成果發表在Advanced Materials上，并申請兩項發明專利。

　　研究工作得到國家自然科學基金面上項目、浙江省杰出青年基金、寧波市科技創新團隊等的資助。

　　圖1.(a, b)低溫退火處理后ZnS薄膜雙層結構示意圖，上層ZnO/ZnS復合層，下層為純ZnS層；(c)Cu/ZnS/Pt超靈敏突觸基本電學性能；(d)突觸器件工作機理示意圖

　　圖2.利用5×5突觸陣列對人類記憶和遺忘過程的動態模擬。(a)分別施加幅值為5和 8 mV的脈沖電壓，實現對大寫字母‘V’和‘Y’的記憶，插圖為單個器件施加不同幅值電壓的電學響應；(b)記憶和遺忘的演變過程，其中‘V’代表短程記憶，‘Y’代表長程記憶