近日，广州大学物理与材料科学学院潘书生教授团队青年教师葛军等在凝聚态物理领域知名期刊Nano Letters上发表论文，首次在单个忆阻器上观察到雪崩临界现象并进用于类脑感知应用，为构建低功耗和高性能的仿生神经形态硬件系统开辟了新的研究途径。

1 研究背景

学术界普遍认为大脑的工作状态通常处于接近雪崩临界点的状态。在这种状态下，当某个神经元被激活并放电时，它可能会引发周围数以千计的神经元发生动作电位，从而使信号能够在整个系统中广泛传播。这种雪崩临界状态实现了大脑在信息存储和信息处理之间的最佳平衡。最近的研究表明，随机忆阻器网络具有雪崩临界性，这主要是由于其无标度网络结构和金属原子开关的行为特性。然而，关于单个忆阻器是否具有临界性仍存在争议，并且如何将雪崩临界性与实际应用联系起来，仍然是一个待解决的问题。

2 研究内容

研究组在前期高可靠性二维氧化硅（SiO_x）忆阻器的工作基础上，进一步采用统计方法研究Ag/SiO_x/Si硅基忆阻器的电流噪声信号。在外界电场的驱动下，来自顶电极的活性Ag原子会逐渐注入到SiO_x阻变层中。当Ag原子的持续注入和焦耳热导致的热溶解效应达到平衡，器件将调整到介于绝缘和导通之间的渗流临界状态。当器件处于该状态时，阻变层内Ag原子开关行为会激活网络中其他邻近间隙的电场变化，并引发一系列电导的剧烈波动，即雪崩行为。通过对电导波动的统计分析，可以发现雪崩的尺寸和持续时间的统计分布遵循幂律分布，且雪崩的形状具有自相似性。进一步分析发现，不同估测方法（破裂关系、平均雪崩大小、形状折叠）获得的临界指数高度一致。这些证据都是忆阻器中渗流网络具有复杂时空相关性和存在雪崩临界行为的重要支撑。临界性在生物神经的信号感知方面也起着重要作用。受此启发，团队利用忆阻器的临界性，成功地模拟了听觉系统中毛细胞的频率选择功能，并实现了克服香农-奈奎斯特采样定理（采样频率至少为信号最高频率的两倍）限制的波形复现功能。

忆阻器临界性在类脑感知的应用

3 研究相关

上述工作以“Criticality and Neuromorphic Sensing in a Single Memristor”为题发表在国际期刊Nano Letters，该杂志属于自然指数(Nature Index)期刊之一。该工作由广州大学独立完成，文章的第一作者是材料科学与工程专业2021级硕士研究生马泽霖，葛军博士为通讯作者，潘书生教授参与了研究工作。本研究得到国家自然科学基金、广东省教育厅基金，广州市科技计划基金，广州大学“2+5”学科与科研创新平台—“新材料新装备新制造”平台的大力支持。

论文来源

https://pubs.acs.org/doi/10.1021/acs.nanolett.3c00389