「七院院士」黄维领衔！南京邮电大学凌海峰/解令海最新Nature子刊 | 基于本征氧梯度的二阶忆阻器！

背景：持续学习是人类认知的核心能力，由生物体内的离子梯度机制支撑。在人工智能领域，强化学习是实现持续学习的关键算法，而忆阻器因其模拟生物离子处理能力受到关注。然而，现有忆阻器缺乏稳定的本征梯度，导致离子重分布随机，状态变化剧烈，难以支持长时间尺度的信息处理。研究目的：针对这一问题，南京邮电大学黄维院士团队旨在通过材料设计构建稳定的本征氧梯度，以延展二阶忆阻器的时间动力学窗口，实现高效的持续强化学习。结论：团队成功开发了一种基于本征氧梯度的二阶忆阻器，引入锌卟啉分子层形成稳定界面势垒，实现了超过10²秒的慢速二阶导电衰减和40个可区分的伪非易失性电导状态。将其映射为强化学习中的动态学习率后，在静态和动态环境中分别减少了68.75%和35.65%的训练迭代次数，展示了器件在神经形态计算中桥接动力学与算法学习的潜力。