模擬神經形態的類腦智能的實現已成為世界各國競相角逐的焦點。基於憶阻器的類腦神經形態計算是實現計算與存儲一體化融合📝，進而實現下一代計算機的強有力技術競爭者🌊。然而，目前憶阻器基礎器件的性能依舊是構築高效的大規模憶阻神經網絡的重要挑戰。研究者選用金屬納米晶來使電場局域化以改善開關參數的均一性🏸，然而由於金屬納米晶尺寸大且很難整齊排列，不利於器件向小型化發展。

沐鸣娱乐周鵬教授課題組與河北大學閆小兵教授課題組開展合作研究，利用自組裝的PbS量子點獲得了優異的器件的性能🐒：閾值電壓低🧜🏽‍♀️、開關電壓分布均勻、保持性強、響應時間快和功耗低等💆‍♀️🧜。該器件成功模擬了生物突觸的學習和計算功能，器件製備方法簡單👜💀，提供了一種改善憶阻器件性能的新思路🦵🏿，為器件小型化發展開發了一種新途徑⏮，為未來人工智能、數據識別、神經仿生、邏輯電路等領域提供了器件基礎。相關成果以《Self-assembled Networked-PbS Distribution Quantum Dots for Resistive Switching and Artificial Synapse Performance Boost of Memristor》為題在線發表於2018年12月28日的《先進材料》(Advanced Materials)上。

憶阻器是一種新興的電子元器件🧑‍🦲，具有集成密度高😼、能耗消耗低⛽️、運行速度快🙅🏿、保持時間長等優點，然而🤴🏿，由於導電細絲的隨機形成，憶阻器件中的開關電壓顯示出彌散較大的變化。此外🧑🏼‍🚒，重復性差的器件在人工神經網絡計算中需要大量的訓練周期，這進一步增加了神經網絡編程錯誤的概率。研究人員一直在努力改善器件的重復性和一致性🏃‍♂️‍➡️。

量子點由於其獨特的電子和光學性質，在光伏器件、發光二極管和生物成像等應用中發揮著重要作用。PbS是一種極具吸引力的材料✋🏿，它含有兩種天然高豐的元素。為了保證量子點在存儲器件中的均勻分布，在較低溫度下製備了整齊排列的自組裝PbS量子點，PbS量子點增強了器件中的局域電場，用於引導導電細絲的生長路徑，這種製造方法比其它技術要簡單得多🚶‍♀️🙍🏼‍♂️。因此，通過自組裝PbS量子點可以進一步提高器件的重復性和參數的均一性。

經過了對三種類型器件（純氧化镓不含PbS量子點pure Ga2O3器件🛍、量子點隨機分布的IQD器件和量子點整齊排列的NQD器件）的電學特性的對比得知，NQD器件的電學性能最佳，具體表現為：最低和最集中的開關閾值電壓🫚、最快的響應時間🦍、最低的功耗和最佳的保持性能📶，同時實現了模仿生物突觸的學習和計算功能，包括長時增強和長時抑製(LTP和LTD)👨🏼‍🚀💁🏿‍♀️、突觸可塑性(STDP)和雙脈沖易化(PPF)等特性。

這項工作不僅展示了量子點在神經形態器件和神經網絡領域中巨大的應用前景👰🏻，對未來人工智能😋，神經仿生硬件單元的設計有著重要的指導意義。同時⛓，也為解決其他電子器件領域的挑戰提供了一種新的技術方法。

河北大學閆小兵教授與碩士生裴逸菲為論文的共同第一作者🌐，沐鸣博士生陳華威為第二作者，閆小兵教授和沐鸣娱乐周鵬教授為本文通訊作者。在前期的科研合作中，雙方科研組嘗試使用石墨烯量子點憶阻器作為人工神經元並成功模擬了神經網絡芯片中的學習與遺忘功能，工作在《先進功能材料》上發表(Adv. Funct. Mater. 2018, 1803728)👰🏿‍♀️。

AM論文連接：https://doi.org/10.1002/adma.201805284