摘要：神经形态计算因其模拟人脑神经系统的并行性与低功耗而备受关注，它能高效处理信息并具备智能计算能力。突触可塑性是生物神经系统学习和记忆的基础，所以模拟突触可塑性成为神经形态计算研发的关键。随着电子器件向小型化、高性能化发展，低维材料尤其是2D材料因独特性质为高性能

【研究背景】

神经形态计算因其模拟人脑神经系统的并行性与低功耗而备受关注，它能高效处理信息并具备智能计算能力。突触可塑性是生物神经系统学习和记忆的基础，所以模拟突触可塑性成为神经形态计算研发的关键。随着电子器件向小型化、高性能化发展，低维材料尤其是2D材料因独特性质为高性能电子器件带来新机遇，但传统2D材料在模拟突触可塑性方面存在局限，所以探索新型2D材料并结合其物理特性和神经形态计算需求成为当前研究热点。反铁电材料具有独特极化特性，而弛豫反铁电材料的极化响应和能量存储密度更优，且极化状态在外电场移除后会缓慢恢复，这使其在模拟突触可塑性方面极具潜力。

北京理工大学孙林锋教授团队通过化学气相输运法成功制备出高质量新型二维层状弛豫反铁电材料CuBiP2Se6（CBPS）单晶，并深入研究其独特的反铁电和光电特性。CBPS 基器件能通过电刺激模拟突触可塑性，并且能够实现款光谱响应，在图像修复任务中展现出感存算一体化优势，有望推动神经形态计算与多功能光电子系统的发展。

【研究方法】

1. 材料选择与制备

选择 CuBiP2Se6（CBPS）这种新型二维层状弛豫反铁电材料作为研究对象，采用化学气相传输（CVT）方法成功制备出高质量的准厘米级 CBPS 单晶，并通过机械剥离法获得原子厚度的 CBPS 纳米片。

2. 材料特性表征

运用多种表征手段对 CBPS 的结构和特性进行分析，包括微 X 射线衍射（XRD）、拉曼光谱、高角环形暗场（HAADF）扫描透射电子显微镜（STEM）、能量色散 X 射线光谱（EDX）、X 射线光电子能谱（XPS）、二次谐波生成（SHG）等，以确认其相纯度、原子结构、化学组成、价态及晶体结构等。

3. 器件制备与测试

将CBPS作为核心活性层，制备出两端水平器件，对其电学和光电学性能进行测试，研究其在外电场和光刺激下的响应特性，包括电流-电压特性、PPF易化、脉冲宽度、幅度、数量等对突触后电流的影响，以及在不同波长、功率密度、频率等光刺激下的响应。

4. 模拟与实验验证

构建生成对抗网络（GAN）模型，利用 CBPS 器件作为感光编码器提取不完整视觉输入的特征，人工神经网络作为解码器生成缺失区域，通过软件模拟和硬件实验验证其在图像修复任务中的性能。

【研究结果】

1.器件电学特性

CBPS器件展现出对称且非线性的电流响应特性，其极化状态可在外电场作用下反转，模拟突触学习和记忆过程。随着电压扫描范围的变化，I-V 曲线的电流响应相应改变，且随着扫描周期的增加，电流逐渐增大，表明 CBPS 材料内部的极化畴逐渐趋向有序，极化累积效应使得后续周期内极化反转更容易。

2. 器件光电特性

CBPS材料具有宽光谱的光响应能力，在不同波长（如650nm、520nm、450nm）的光刺激下均能产生响应。通过光刺激可以模拟生物系统中的 PPF 行为，并实现从短期记忆（STM）到长期记忆（LTM）的转变。

3. 器件图像修复应用

在模拟实验中，经过训练的GAN能有效恢复图像，即使存在 12×12 的缺失区域，也能实现较好的修复性能。硬件实验中，尽管存在噪声和写入错误，最终写入权重的准确性仍达到84.56%，且实验得到的修复图像与原始图像较为接近，验证了生成模型的性能。

【结语与展望】

本研究发现新型二维材料 CuBiP2Se6（CBPS）因其独特的反铁电和光电特性，能有效模拟生物突触行为，可用于图像修复任务。CBPS展现出反铁电行为，极化状态可被电场控制，模拟突触学习与记忆，利用该材料制备的器件具备对称非线性电流响应，能模拟生物突触可塑性。CBPS对宽光谱光有响应，通过光刺激可模拟生物视觉系统，实现从短期到长期记忆的转变。本研究为神经形态计算领域提供了一种新的材料选择和器件方案，有望推动神经形态计算技术的发展，特别是在感存算一体化、高保真图像修复和高级类脑视觉系统等应用方面具有重要的潜在价值。

【图文导读】

图1.2D CuBiP2Se6的合成和表征。a）使用CBPS设备模拟生物突触进行图像恢复的示意图。B）CBPS的XRD。插图是准厘米级尺寸的CBPS单晶的光学图像。c）CBPS的拉曼光谱。d）CBPS的STEM图像。e）CBPS的SHG光谱。插图是对数坐标中SHG强度的激发功率依赖性。f）在CBPS铁电电容器上测量的P-E磁滞回线。g）CBPS单层的顶视图和截面侧视图，其中Cu为蓝色，Bi为绿色，Se为黄色，P为深绿色。

图2. CBPS器件的电学测量。a）CBPS器件的I-V曲线。b）作为电脉冲间隔时间Δt的函数的PPF指数。c）通过施加不同脉冲宽度的电压来改变突触后电流。d）通过施加不同脉冲幅度的电压来改变突触后电流。e）（d）中红色方块的放大区域。f）通过施加不同脉冲数的电压来改变突触后电流。g）稳定的增强/抑制循环（Vpre +5 V和Vdep -3 V的脉冲幅度，100 ms的脉冲宽度，0.5 V的阅读电压）。

图3. CBPS装置的光学测量。a）CBPS光电突触装置示意图。b）CBPS光电突触装置的能级和能带排列图。c）PPF指数作为光脉冲间隔时间Δt的函数。通过施加不同d）功率、e）频率、f）时间、g）数目和h）波长的光刺激，突触后电流的变化。

图4. 用于图像修复的基于CBPS的传感器内编码器的模拟。a）GAN的图像生成模型的示意图。左侧面板：基于CBPS的动态编码器，用于获取特征。右图：基于忆阻器的解码器，用于特征处理并产生缺失区域。b）用于图像分类的GAN判别模型，其试图区分生成图像。c）解码器的训练量化权重矩阵（橄榄色单调矩阵、蓝色矩阵和灰色矩阵分别表示第1 层、第2 层和第3 层）。d）生成模型的仿真结果。第一行和第三行显示原始图像，第二行和第四行显示修复图像。e）用于评估GAN的FID评分。分数越小，生成的图像的质量越好。

图5. 基于CBPS的传感器内编码器图像修复实验。a）不完整图像的示意图被编程为光脉冲并读取CBPS设备的响应电流。（图4a中的编码器部分）b）全集成内存计算芯片原理图，芯片由符号加权2T2R忆阻器阵列、输入输出缓冲器、ADC等组成。c）在实验过程中写入忆阻器阵列后读出的权重矩阵。（橄榄褐色矩阵、蓝色矩阵和灰色矩阵分别代表第1 层、第2 层和第3 层）。d）生成模型的实验结果，第一行和第三行为原始图像，第二行和第四行为修复图像。e）用于评估GAN的FID分数。图中显示了修复尺寸为12 ×12 的实验和模拟的比较。

4．作者简介

杨栋梁，北京理工大学物理学院2021级博士研究生，研究方向为基于二维新型铁电与反铁电材料的类脑智能器件设计、物性调控及应用探索。目前已在Advanced Materials, Advanced Functional Materials, ACS Nano, IEEE EDTM, Neuromorphic Computing and Engineering等期刊上发表多篇论文。

林益楠，北京理工大学物理学院2023级博士研究生，研究方向为基于神经形态器件的算法仿真与神经形态计算应用探索。目前已在Advanced Materials, International Journal of Extreme Manufacturing等期刊上发表论文。

孙林锋，北京理工大学物理学院教授、博士生导师，国家重点研发计划首席青年科学家，国家级高层次青年人才，北京理工大学徐特立青年学者。近十余年来从事面向类脑计算的新型半导体材料物态调控与器件物理设计, 并取得一系列创新性的研究成果。迄今以第一/通讯作者在Sci. Adv., Nat. Commun., Phys. Rev. Lett., Adv. Mater., Nano Lett.Adv. Funct. Mater. ACS Nano等期刊上发表70 余篇研究论文，总被引超过5300次。担任Nat. Mater., Nat. Electron., Nat. Commun., Sci. Adv., Adv. Mater.等期刊审稿人。

论文信息：

D. Yang, Y. Lin, W. Meng, Z. Wang, H. Li, C. Li, Z. Zhang, Q. Zhang, J. You, J. Wang, T. Yu, Y. Li, W. Miao, W. Zhen, F. Xue, R. Fei, L. Sun, Relaxor Antiferroelectric Dynamics for Neuromorphic Computing. Adv. Mater. 2025, 2419204.

来源：高分子科学前沿一点号1