第一作者：蔡依辰^{a, b}

单位：复旦大学^a，新加坡国立大学^b，南洋理工大学^c，复旦大学义乌研究院^d

本文通讯：丛春晓^{a, d}，胡来归^a，刘政^c

最近，复旦大学丛春晓、胡来归、南洋理工大学刘政联合报道了一种采用二维材料（2DM）/分子铁电（MF）双层界面型电/光电双模态忆阻器的智能视觉神经网络。与传统的铁电晶体管相比，本文展示了面内铁电极化也能使相邻二维半导体层中形成横向p/n型掺杂。此工作成功地制备了基于二维材料和分子铁电的视觉神经网络阵列以及相应的板级驱动电路，并且基于此电路，完成了图像识别和分类任务，准确率达到85.2%，这意味着多模态人工智能视觉系统具有巨大的应用潜力。相关成果发表在Elsevier旗下的材料旗舰期刊Next Nanotechnology上，题为“In-plane ferroelectric-reconfigured interface towards dual-modal intelligent vision”。

图一展示了二维材料（2DM）/分子铁电（MF）双层电/光电忆阻器。此架构采用了不含重金属的且空气中稳定的分子铁电材料（二异丙基溴化铵，DIPAB），这种材料具有出色的铁电性、灵活性和可扩展性。与多端铁电晶体管不同，在双端DIPAB/1L-WS₂器件中可以实现横向梯度p/n型掺杂，从而实现可重构电导和自驱动光响应，并由铁电层的面内极化进行调制。得益于WS₂的高迁移率和出色的光电特性，这种一体化器件具备连续可调且近线性的电导率和光响应度。

图一 (a-b)生物视觉与人工视觉之间的相互关系。(c)电子调制（EM）示意图。1L-WS₂的可配置状态（红色箭头）受平面内极化（绿色箭头）的调制。(d)I-V曲线是在导通/关断比约为10⁴的情况下，按照"扫描1"到"扫描4"的顺序测试的。(e)电导（G）随正（红）和负（蓝）脉冲的线性变化。(g)不同极化时间下器件的I-V曲线。(h)光电流随脉冲数（红色）和强度（蓝色）的线性变化。

基于所加工的器件阵列结构，进一步开发了一个板级驱动电路，用于忆阻器阵列的编程器和读取器（PRM）。如图二所示，25个开关连接着阵列和PRM，实现对每个器件的编程和读取，并可以利用USB电缆连接到PRM的个人电脑，进行图形化界面操作。研究发现，所有器件都可以被编程和读取，也都能通过可重新配置的电导和光响应正常工作，这意味着整个系统的可靠性相对较高，在此基础上，成功执行了图像识别任务。此项工作有望用于基于新型器件的智能视觉系统。

刘政博士，现任南洋理工大学材料科学与工程学院教授、新加坡材料学会讲席教授。目前的主要研究方向为二维材料的合成以及器件和能源方面的应用，发表学术文章300余篇。截止目前，引用量超过50000次，h-index超过110。2013年获得新加坡国立基金会会士以及南洋助理教授头衔。2018年获得新加坡青年科学家奖，同年获得南洋理工大学青年研究奖，以及ICON-2DMAT青年科学家奖。2019年荣获新加坡材料学会讲席教授头衔，同年获得亚洲科学之星。2020年获得ACS Nano Rising Stars Lectureship Award。2023年荣获亚太经合组织科学奖。2018-2023年连续入选高被引科学家名单。

文章来源：Energist 能源学人

https://mp.weixin.qq.com/s/IFhmSue4ixOhs9vVaFPknQ