上海大学等国际合作重磅综述：二维材料赋能神经形态计算——从原子级器件到低功耗自适应系统

本文围绕二维材料在神经形态计算领域的研究进展展开系统综述。背景方面，传统冯·诺依曼架构在AI算力需求指数级增长下遭遇能效瓶颈，神经形态计算通过存算一体模拟生物神经网络，提供了突破路径。研究目的旨在梳理以过渡金属二硫属化物、六方氮化硼、黑磷及碲烯等为代表的二维材料，如何从原子级器件层面实现高效、低功耗的突触模拟，并探讨其从实验室走向实际应用的可行性。结论指出，二维材料凭借栅极可调带隙、快速开关动力学及多级电导态调控，已在忆阻器、忆晶体管及范德华异质结等器件中成功模拟尖峰时序依赖可塑性等核心突触行为，并初步集成到机器学习框架中。然而，晶圆级均匀生长、器件一致性、环境稳定性及CMOS兼容性仍是规模化部署的关键瓶颈。未来需通过材料、器件与算法的协同优化，推动二维材料在边缘AI、脑机接口及量子神经形态等领域的应用。