用電腦製作一個真實的人（用氧化物定製人腦之夢）

2023-11-11 20:56:42 2

定製大腦

君生突觸萬千環

敢把神經化斷關

離子云遊三納米

葛琛得造類人間

0. 編按

將自然科學中的物理、化學、材料科學囊括於一身的所謂物質科學，大概最核心的觀念是：結構決定性能！因此，物質科學的核心內涵就是「結構-性能關係」，以製造出為人類所用的好材料。眾所周知，在學習和揣摩「結構-性能關係」的時光長河中，一方面，科學人通過知識的發現、構建和積累來揭示這種關係；另一方面，科學人也能放下架子和自尊心，主動去向大自然學習，其結果就是所謂仿生學的誕生與發展。

2014年第143期 Scientific American 曾經刊登了一篇文章(Scientific American No. 143, 2014; )。文章由陳柏宇、劉冠麟先生編譯，提點了仿生學的主要知識點：

(1) 以生物結構為目標，通過研究生物材料獨特的性能，反推其結構根源，然後仿造這一結構；

(2) 學習生物材料豐富的結構特徵，包括自組裝、多級結構、對外響應與服役效果；

(3) 最後從仿生學知識中總結出生物體的「結構-性能關係」，為物質科學所用。

圖1.仿生學的夢想與現實。(左)仿生一隻昆蟲之路還很長，雖然目前有個大概的樣子。(右)用於特定用途的機械手！

(左) http://tupian.baike.com/

(右) http://www.zzss.org/news/21416.html

生物經過長時間進化，形成的結構對特定存活環境的適應性可能已達到登峰造極的程度，這是科學人虛心學習之的主要動力，不服不行。科學人鸚鵡學舌，嘗試各種途徑去學習與模仿生物結構的設計、選材、製備、結構優化和功能優化。如圖1所示為兩個實例，照亮夢想與現實。這是其一。

生物結構演化的結果並非就一定是完美結構。從一般性而言，每一種生物材料結構都有其缺點。這一方面是因為生物環境相對溫和，另一方面則源於演化只是為了適應特定需求。因此，對生物材料的模仿，可能存在著「度」與「特殊性」的問題。這是其二。

雖然早在數百年前，西方學者就記錄了生物結構-功能的細節，但科學人也就是在過去幾十年大規模想像甚至製造出若干仿生材料，包括科幻電影《不可能的任務》和《蜘蛛人》中大量採用生物材料的想像與誇張。誠然，仿生學大規模成功的實例並不多，但每一樣實例都充滿神奇和幻覺，令科學人既興奮亦沮喪！興奮乃因為人類終於可以造出生物材料之一二，沮喪則源於人類認識到自己的本事不過爾爾。

這不，科學人愈挫愈勇、愈戰愈強的努力，甚至讓仿生學深入到量子功能材料領域。由此，誕生了諸如人工智慧和大腦材料這樣的新的前沿方向，令人肅然起敬。

這裡即展示其中一角冰山，本文中，中科院物理所金奎娟研究員、楊國楨院士團隊的葛琛老師以其特定的視角，去闡明該團隊如何仿生人腦結構單元——神經突觸，企圖學習人腦的信息處理與計算能力。很顯然，這是一個充滿激情和希望、卻更是充滿荊棘與挑戰的方向。祝好運！

1. 仿生人腦之夢

在這生活著很多瘋狂人物的地球，仿生人腦也不是什麼新鮮的想法。1950年代，那個孤僻而內斂的艾倫·圖靈，對，就是那個被譽為計算機科學與人工智慧之父的英國數學學者，發布過一篇論文：《計算機器與智能》(Computing Machinery and Intelligence)。文中提出了一個令人深思的問題：「機器會思考嗎？」

這個問題開啟了人類對人工智慧(也就是仿造人腦)的探索。時至今日，人工智慧已成為全世界關注的科學前沿。喧囂塵上的AlphaGo、無人駕駛、人臉識別等算是初級產品，卻已使得與人工智慧相關的新鮮事物滲透入我們的生活中、改變著我們的生活方式和生活品質。所有這些新鮮事，所依賴的核心靈魂都是電子計算機。現在的計算機系統，主要是基於計算和存儲分離的馮·諾依曼架構，其中的中央處理器必須頻繁地從存儲單元讀取數據，然後再進行計算。這個數據讀取過程花費了大量時間和功耗，導致功耗巨大以及散熱困難等一系列問題。

粗略估計一下，個人計算機的功耗大概是200~ 300 W，一臺GPU伺服器的功耗至少是2000 W，著名的AlphaGo 系統功耗達到10 MW。相比而言，人腦的功耗只有20 W，堪稱地球上最為高效的計算系統，如果人腦真的是一個計算機的話。

很顯然，人腦仿生，即通過模仿人腦工作方式來構建新型計算架構，是實現高性能計算極具潛力的方案[1]。這是科學人追求的外部驅動力。

從內在角度看，人腦是人類神經系統最重要的組成部分。記憶、遺忘、學習和決策等等功能，都在大腦的神經網絡中進行。所以，仿生人腦就從仿生神經網絡開始，顯得很自然和合理。不過，神經未必是一個很物理的東西，至少比物理人經常引以自豪的半導體、集成電路等微電子產品還是要複雜許多。神經學研究表明：神經網絡是由數量驚人的神經元(約1011個)通過突觸(約1015個)聯結而成。神經網絡、神經元、突觸由頂至底，形成了神經系統多層級體系。圖2(左)中由上至下對應了這三種層級結構。神經元由體細胞、軸突、樹突組成，其中樹突用於接收輸入信號、軸突用來發送輸出信號、而突觸是一個突觸前神經元的軸突末梢和另一個突觸後神經元的樹突的連接點。神經元表面分隔膜上的小孔為突觸信息傳遞的離子通道。這一通道在外界刺激下，通過細胞信號形成Ca2 、K 等離子的濃度差，藉助囊泡完成其在前後突觸的傳遞，誘發神經元中的電活動，進而實現信息記憶和處理。

圖2.人腦與類腦晶片的對照圖 [1]。神經網絡、神經元和突觸，由頂至底，構成了人腦多層級體系(左)。人工神經網絡、人工神經元和人工突觸，由頂至底，組成了類腦系統(右)。比較看來，人腦好像還沒有類腦那麼規則有度，但這種規則有度的喪失也許正是人腦功能難以被完美複製的關鍵所在，誰知道呢！

假定這一人腦工作機制是真的，基於這一機制的啟發，並關注前文標識的那些關鍵名詞，我們就能夠粗淺理解所謂的類腦晶片是什麼。類腦晶片，就是用神經形態器件去模擬人腦中的神經元、突觸等基本功能，再進一步將這些神經形態器件聯結成人工神經網絡，以實現人工「大腦」的複雜功能。這些嘗試和結果，即便是走過窮山惡水、甘苦日月，卻還是為人工智慧應用打下了一些硬體基礎。

如果細緻一些分析討論，如圖2 (右)所示：類腦晶片的結構可分為三個層級。位於最高層級的人工神經網絡系統，通常由具有高集成度的crossbar 結構構成。中間層級，構成人工神經網絡的基本單元是神經形態器件(人工神經元和突觸)。在低層級，通過外場控制功能材料層來模擬生物突觸的離子通道。

這裡，我們看到，「功能材料」這一材料科學與凝聚態物理的專用名詞，竟然如此大搖大擺地登堂入室，與人腦這等神奇的智能中樞聯繫起來。物理人說，為了達到這個目標，選用的功能材料之物理性質，應該在外場調控下能夠發生可控的多狀態改變。所有從事功能氧化物材料的物理人馬上明白，具有此類特性的功能材料如滄海桑田，無處不是。

好吧，我們似乎走在康莊大道上。一方面，這讓我們堅信，人腦也不過如此；另一方面，這也讓我們堅信，那些非易失、能耗低的高性能人工突觸器件將是類腦晶片研究的基礎和關鍵。

圖3.生物突觸間的離子遷移是信息傳遞的關鍵(左)。通過注入/脫出功能離子工作的電解質突觸電晶體與生物突觸相似(右) [2]。

2. 電解質電晶體

那麼，怎麼才能做出所謂的高性能人工突觸器件呢？

經過多年輾轉反側，現在已經明了，最簡單的器件應該首推電解質電晶體。它的幾何結構大概與電晶體三端器件類似，工作原理則立足於利用電解質柵極層的功能離子(H 、Li 、Na 、O2-等)在外場下遷移，來調控溝道電導。這裡，電導的變化是功能實現的基本指標，雖然我們未必能很確定生物神經是不是就唯一地依賴通道電導的變化。儘管如此，可以看到，與基於阻變存儲器(RRAM)、相變存儲器(PCRAM)、磁存儲器(MRAM)、鐵電存儲器 (FeRAM)等類型的類電晶體器件相比，電解質電晶體的工作方式與生物突觸最為相似(如圖4所示)，是突觸仿生器件研究的天然選擇[2, 3]。

從結構上看，電解質電晶體的柵極對應突觸前膜、溝道對應突觸後膜、溝道電導對應著突觸權重。在外加電場作用下，功能離子界面上的遷移可對應於生物突觸動作電位增強響應釋放神經遞質的過程。在突觸功能模擬方面，電解質柵極電晶體有獨特的優勢：可以同時接受和讀取外界信號，能夠從多個柵極一起獲取信號，從而實現動態時空效應的測量。這些特點是兩端器件不能全部達到的，主要原因在於此類三端器件中信號寫入和讀取是分開的、理論上能夠實現超低能耗和高度集成化。

圖4.電解質調控WO3輸運行為機制示意圖：當門電壓小於水的分解電位時，離子液體調控主要是靜電場效應起作用，撤掉門電壓WO3溝道電導立刻恢復。當門電壓大於水的分解電位時，離子液體調控主要是電化學效應起作用，伴隨著H 插入WO3薄膜中A位空隙，撤掉門電壓WO3溝道電導仍然能夠保持 [10]。

事實上，由過渡金屬元素構成的功能氧化物，其物理化學性質多種多樣，展現出從絕緣到超導等豐富的電子態，包含鐵電性、磁性、催化活性等豐厚功能，極具張力。長期以來，材料科學都將過渡金屬氧化物作為一大類主要研究對象，而物理人一直希望能夠通過場效應調節這類材料在多種相之間可控轉換。自從人工智慧材料和神經網絡模擬之風興起，功能氧化物材料走向人工智慧和類腦研究領域，已是大勢所趨。

但是，傳統的柵極介質可以實現的載流子濃度調控幅度，比功能氧化物電子相變所需調控幅度低兩個數量級，因此傳統柵極的作用很難在此類問題上得到彰顯。此時，調控能力更強的電解質正好可在這一課題上大顯身手。經過多年探索，物理人逐漸認識到，電解質調控功能氧化物，並不僅僅靠電雙層摻雜的高濃度電荷，往往還伴隨著電化學效應帶來的離子交換。這種離子交換過程，對調節功能氧化物、特別是關聯電子氧化物電學及磁學性質非常有效，能夠用來設計許多新原理功能器件[4]。這方面，東京大學Iwasa 教授課題組[5]和IBM 研究中心Parkin博士課題組[6]，分別通過電解質調控實現了VO2 薄膜的可逆相變。只是他們提出了截然不同的機制解釋，前者認為是電雙層誘導的高濃度載流子引起相變，而後者認為是電解質/氧化物界面強電場誘發 O2-遷移導致。這兩位神仙打架，從一個側面又反映了電解質調控功能氧化物薄膜的複雜性。

當然，不管物理機理究竟如何，物性調控效果非常明顯卻是事實。清華大學於浦課題組，通過獨立控制O2- 離子和H 離子在氧化物中的嵌入和脫嵌，實現了SrCoO3- δ、SrCoO2.5、HSrCoO2.5三相之間的轉變，為功能氧化物多態相的電場控制開闢了新道路[7]。隨後，普渡大學Ramanathan 課題組，利用水溶液電解質與鈣鈦礦結構鎳酸鹽SmNiO3薄膜界面進行H 離子交換，能夠實現電導變化達4 個量級以上的可逆相變，據說可應用於深海等惡劣環境下的微弱電信號探測[8]。

2015 年，筆者通過電解質調控，實現了La1-xSrxMnO3 (LSMO)薄膜4 個量級以上的金屬-絕緣體轉變，揭示了電解質中水與氧化物薄膜界面離子交換的重要性[9]。

總之，電解質調控功能氧化物薄膜所展現出的多狀態、非易失性電導等奇異性質，促使物理人將其應用於神經突觸器件的探索。

圖5. WO3突觸電晶體短程和長程的「CAS」圖形化記憶過程：在突觸陣列裡連續輸入「C」、「A」、「S」三個字母。寫「C」、「S」用的低電壓代表短時記憶，寫「A」用的高電壓代表長程記憶[10]。

3. 突觸電晶體

最近兩年，筆者所在團隊倒是一直致力於功能氧化物薄膜電解質突觸電晶體的研究[10 - 13]。這一進程留給我們很多經驗和教訓，也給我們單調的帝都生活增添了精彩，因此值得在此回味一二。

首先，對電解質電晶體工作機制的清晰理解至關重要。

選用WO3外延薄膜來進行相關器件的物理機制探索是很有價值的，原因如下：WO3可以看成是A位缺失的鈣鈦礦ABO3 結構，其中存在大量可容納外來離子的空間。WO3還是5d0半導體材料，伴隨著外來離子插入，其物理性質可能發生清晰變化。通過對離子液體調控WO3薄膜物理機制的長時間探索，我們能夠得到一系列有價值的結果，如圖4給出的示意圖所示：

(1) 當門電壓小於水的分解電位時，離子液體調控主要是靜電場效應起作用。撤掉門電壓，WO3溝道電導立刻恢復。由此可以模擬突觸的短程記憶過程。

(2) 當門電壓大於水的分解電位時，離子液體調控主要是電化學效應起作用。此時，伴隨著H 在WO3 薄膜中A位空隙的插入，撤掉門電壓後，WO3溝道電導仍然能夠保持。這對應著突觸的長程記憶過程。

基於以上原理，可以對突觸電晶體的短程可塑性、長程可塑性、脈衝時間依賴的可塑性等重要指標進行系統研究。系統的結果現實：電解質氧化物突觸電晶體可同時模擬短程(低電壓寫入的「C」和「S」快速消失)和長程(高電壓寫入的「A」長時保持)行為(圖5)。這一觀測，應該對基於電解質柵極的低能耗突觸仿生器件設計與性能改善有參考意義。看君有意，可參考發表於 Adv. Mater. 30 1801548 (2018)的相關論文[10]。

其次，尋找到好的突觸電晶體材料是難題、亦是核心。

事實上，WO3突觸電晶體的開關比(~ 10 @ 2 V)不高。要突破這一難題，還需要探索更好的材料體系。筆者曾經利用典型的量子材料VO2進行相關的人工突觸器件設計，稍有一些體會與心得。

量子材料二氧化釩(VO2)在近室溫下具備可逆的絕緣-金屬相變，為設計高開關比突觸器件提供了很好的選擇。我們曾經嘗試利用雷射分子束外延技術製備高質量VO2外延薄膜，刻畫了電解質調控H 離子注入/脫出過程中VO2 晶體結構和電子結構的演變過程，實現了電導的非易失改變(~ 102@ 2 V) (圖 6)。通過調控H 注入濃度，可以模擬生物突觸的重要功能，如突觸可塑性和尖峰時間可塑性等。利用神經網絡模擬器，還可以構建基於VO2電晶體的人工神經網絡，讓其學習了六萬張MNIST標準手寫數字圖片，抽取其中一萬張圖片進行識別，圖片識別率達到91 % (圖 7)。

我們的嘗試，至少證明了功能氧化物器件構成的神經網絡可以進行「學習」和「識別」！從這個意義上，量子材料為新型高性能神經突觸器件研究提供了新選擇，具有廣闊的前景。看君有意，可參考發表於 Nano Energy 67, 104268 (2020)的相關論文[11]。

圖6. HxVO2突觸電晶體基本性質。器件結構示意圖(a)；不同柵壓下溝道電導隨時間變化曲線(b)；轉移特性曲線(c)；交替正負電壓下的器件循環性(d) [11]。

圖7.基於VO2突觸電晶體的人工神經網絡對標準圖庫的識別模擬。三層神經網絡示意圖(a)；人工神經網絡的電路示意圖(b)；對UCI圖庫(c)和MNIST標準手寫數字庫(d)的識別率[11]。

當然，我們展示了電解質調控中H 注入/脫出調控的典型實例，但結果並非是沒有問題的。H 注入/脫出調控的突觸電晶體亦有自身的缺點，即保持特性比較差，大約在分鐘-小時量級。這一缺點當然需要克服，也成為我們追求具有長時間保持特性的人工神經突觸器件的驅動力。

4. 拓撲相轉換 SrFeO2.5薄膜

針對H 離子注入的問題，很容易注意到，功能氧化物中的O2-離子具有非常好的穩定性，或許控制O2-離子是設計優異保持特性類腦器件的潛力方案。不過，與H 不同，這裡需要使用一類特殊的功能氧化物材料，其中的O2-空位處要易於容納外來離子，同時在外場控制下還可以失去O2-離子。拓撲相轉換材料正是思想這一功能的不二選擇，看君若感興趣，可以點擊《讓拓撲相變存儲數據》一文，究其因果。

基於以上思路，筆者利用離子液體調控O2-離子的插入和析出，在SrFeO2.5外延薄膜中通過電場實現了鈣鐵石相與鈣鈦礦相的拓撲轉換。一方面，相轉換過程中，伴隨著晶體結構、電導態及光學吸收特性的巨大變化。另一方面，相變後的結構、性能可以長久保持一年以上，未有變化。另外，在離子液體/氧化物界面強電場作用下，通過向SrFeO2.5薄膜溝道插入和析出O2-離子，還可以實現多個穩定電導態的可逆變化。

令人驚喜的是，該突觸電晶體電導非常低(~ 5 nS)，為低功耗大規模神經網絡構建提供了很好的基礎。進一步，我們還實現了人工突觸器件的重要功能，即包括突觸權重增強和減弱、突觸的短長時記憶可塑性以及前後突觸的時間可塑性(圖 8)。更進一步，基於拓撲相轉換材料的器件同樣實現了對標準手寫數字庫的高精度識別(93%)，處於同類器件領先水平。關於這些進展，看君有意，可參考發表於Adv. Mater. 31, 1900379 (2019) 的相關論文[12]。

需要特別指出，拓撲相轉換突觸電晶體優異的保持特性，同樣可應用於非易失存儲和計算上。我們演示了其數字記憶與擦除功能，通過雙柵極結構可以實現非易失性與、或邏輯功能(圖 9)。看君有意，可參考發表於Adv. Funct. Mater. 29, 1902702 (2019) 的相關論文[13]。

圖8. SrFeOx突觸電晶體突觸可塑性測試。不同脈衝電壓下溝道電流的響應(a)；不同脈寬下溝道電流的響應(b) [12]；正負交替柵壓脈衝可以反覆調製溝道電導(c)；突觸電晶體長程增強和減弱可塑性(d)；非對稱(e)和對稱(f)脈衝時間依賴的可塑性。

圖9.基於拓撲相轉換材料電解質電晶體的非易失邏輯操作。我們使用兩個側柵極控制溝道電導變化[13]。

行文至此，我們已經通過幾例典型實例，展示了多類「電解質突觸電晶體」及其主體功能。雖然這些原型器件在操作速度、器件集成等方面仍需優化，也可能還面臨scaling up技術上的各種挑戰與困難，但電解質突觸電晶體的如下獨特優勢已經得到認可：(1)工作方式與生物突觸頗為相似，能夠在類腦仿生方面大顯身手。(2)電晶體的線性度表現不錯，這對於神經形態計算準確率提高大有裨益。(3)電晶體讀寫分離。理論上能耗水平非常低。

總之，筆者相信，假以時日，電解質突觸電晶體走向下一階段應用研發，已是可期之勢。

5.鐵電突觸器件

依筆者的觀點，還需要指出，電解質電晶體儘管有這樣那樣的優點和吸引人之處，但離子運動(質子H 、氧空位VO等)畢竟是一種慣性猶在、速率難高的過程，所以電解質在需要超快響應的行為中，顯得有些笨拙和青澀。電子或聲子的運動就要好得多，不僅僅在於其輕靈活絡，更在於其量子波動的特徵明顯，可以實現coherent、phase matching和tunneling。因此，物理人總是希望能夠用純電效應和相聯繫的量子過程來控制材料。並且，離子的引入還會帶來擴散等其它毛病。

沿著這一思路，很容易想到：在電場下進行翻轉的鐵電疇，能否在神經突觸器件方面一試身手呢？

當然，這方面過去多年有很多工作發表，包括我們自己的努力。基於BaTiO3外延超薄膜，我們嘗試製備了鐵電隧穿結。通過與 SrTiO3體系的對比實驗，我們闡明了長久以來關於鐵電隧穿結中鐵電極化和離子移動作用的爭議，在此基礎上設計的器件展現了大的開關比值 [14]。南京大學吳迪團隊最近在Advanced Materials上的鐵電隧穿結綜述文章，總結了近十年來該領域所有重要工作的開關比，顯示我們得到的開關比性能最佳 [15]。

鐵電極化只有兩個狀態，如何控制鐵電疇實現非易失性的多狀態存儲是需要解決的關鍵科學問題。我們在上述鐵電隧穿結工作基礎上，從時間尺度細緻研究了鐵電疇翻轉動力學，進而能夠精細地調控鐵電疇逐漸翻轉實現上百個中間非易失狀態，該鐵電突觸器件展現出超低的能耗、多狀態、優異耐久性、超高線性度和對稱性，如圖 10所示。此外，利用鐵電氧化物薄膜的電容效應和疇翻轉行為，可分別實現短程和長程可塑性。基於鐵電疇翻轉的電子突觸器件構成的人工神經網絡對標準圖庫 MNIST識別率可達到 96.4 %。這是目前兩端器件的最高水平，展現出鐵電氧化物材料在神經形態器件應用上的潛力。看君有意，可參考發表於 Adv. Mater. 1905764 (2019)的相關論文[16]。

圖10.基於鐵電疇逐漸翻轉的兩端突觸器件。壓電力顯微鏡表明鐵電超薄膜具有良好鐵電性(上左)；施加不同脈衝寬度的電壓可以在鐵電隧穿結中實現非易失性多態存儲(上右)；鐵電隧穿結的長程增強和減弱可塑性具有超高線性度和對稱性(下) [16]。

6.總結與展望

毫無疑問，功能氧化物豐富的物理性質為實現神經突觸器件提供了多樣選擇。筆者從材料界面調控和突觸器件物理的角度展開描述的若干研究工作，給出了我們的心得體會：電解質突觸電晶體是優良的器件仿生結構，而基於鐵電功能的類突觸器件之綜合性能優異。這些器件製備及其物理都值得深入研究。

當然，基於功能氧化物突觸器件的類腦智能研究還處於起步階段，未來面臨著許多機遇和挑戰。短期看，高性能的突觸陣列可以用來加速需要大量矩陣運算的深度學習神經網絡、降低系統功耗。目前，通過人工突觸陣列和深度學習算法，能夠使功能氧化物薄膜具備「學習」能力。在此基礎上，可以進行「識別」等簡單的人工智慧任務。長遠看，現在的研究尚處於初級水平，還需要從器件、架構、算法等方面全方位進行革新，才能打造出基於人工神經元和突觸的功能氧化物「大腦」 (圖 11)，搭配先進的算法使其能產生「意識」等高級的類腦智能。

或許，若干年後，科幻電影《終結者》中展示的超級機器人終將成為現實。到那個時候，人類生活的方方面面將面臨改變與調整。這種改變與調整，是人類用雙手逼迫自己實現自我異化與自我革命的進程，頗有一些「我不入地獄誰入地獄」豪邁，給人類全方位地改變自己的未來做出註解。

圖11. 基於新型神經形態器件(人工神經元和神經突觸) 的類腦晶片，未來機器人的「思考」能力就靠它了。圖片取自[17]。

參考文獻：

[1] J. S. Tang, F. Yuan, X. K. Shen, Z. R. Wang, M. Y. Rao, Y. Y. He, Y. H. Sun, X. Y. Li, W. B. Zhang, Y. J. Li, B. Gao, H. Qian, G. Q. Bi, S. Song, J. J. Yang, H. Q. Wu, Bridging Biological and Artificial Neural Networks with Emerging Neuromorphic Devices: Fundamentals, Progress, and Challenges. Adv. Mater. 31, 1902761 (2019).

[2] W. Xu, S. -Y. Min, H. Hwang, T. -W. Lee, Organic core-sheath nanowire artificial synapses with femtojoule energy consumption. Sci. Adv. 2, e1501326 (2016).

[3] S. L. Dai, Y. W. Zhao, Y. Wang, J. Y. Zhang, L. Fang, S. Jin, Y. L. Shao, J. Huang, Recent Advances in Transistor‐Based Artificial Synapses. Adv. Funct. Mater. 29, 1903700 (2019).

[4] C. Leighton, Electrolyte-based ionic control of functional oxides. Nat. Mater. 18, 13 (2019).

[5] M. Nakano, K. Shibuya, D. Okuyama, T. Hatano, S. Ono, M. Kawasaki, Y. Iwasa, Y. Tokura, Collective bulk carrier delocalization driven by electrostatic surface charge accumulation. Nature 487, 459 (2012).

[6] J. Jeong, N. Aetukuri, T. Graf, T. D. Schladt, M. G. Samant, S. S. P. Parkin, Suppression of metal-insulator transition in VO2by electric field-induced oxygen vacancy formation. Science 339, 1402 (2013).

[7] N. Lu, P. Zhang, Q. Zhang, R. Qiao, Q. He, H.-B. Li, Y. Wang, J. Guo, D. Zhang, Z. Duan, Z. L. Li, M. Wang, S. Z. Yang, M. Z. Yan, E. Arenholz, S. Y. Zhou, W. L. Yang, L. Gu, C. W. Nan, J. Wu, Y. Tokura, P. Yu, Electric-field control of tri-state phase transformation with a selective dual-ion switch. Nature 546, 124 (2017).

[8] Z. Zhang, D. Schwanz, B. Narayanan, M. Kotiuga, J. A. Dura, M. Cherukara, H. Zhou, J. W. Freeland, J. R. Li, R.Sutarto, F. Z. He, C. Z. Wu, J. X. Zhu, Y. F. Sun, K. Ramadoss, S. [9] S.Nonnenmann, N. F. Yu, R. Comin, K. M. Rabe, S. Sankaranarayanan, S. Ramanathan, Perovskite nickelates as electric-field sensors in salt water. Nature 553, 68 (2018).

[10] C. Ge, K. J. Jin, L. Gu, L. C. Peng, Y. S.Hu, H. Z. Guo, H. F. Shi, J. K. Li, J. O. Wang, X. X. Guo, C. Wang, M. He, H. B. Lu, G. Z. Yang, Metal–Insulator Transition Induced by Oxygen Vacancies from Electrochemical Reaction in Ionic Liquid-Gated Manganite Films, Adv. Mater. Interfaces 2, 1500407 (2015).

[11] J. T. Yang, C. Ge, J. Y. Du, H. Y. Huang, M. He, C. Wang, H. B. Lu, G. Z. Yang, K. J. Jin, Artificial Synapses Emulated by an Electrolyte-Gated Tungsten-Oxide Transistor. Adv. Mater. 30, 1801548 (2018).

[12] C. Ge, G. Li, Q. L. Zhou, J. Y. Du, E. J. Guo, M. He, C. Wang, G. Z. Yang, K. J. Jin, Gating-induced reversible HxVO2 phase transformations for neuromorphic computing. Nano Energy 67, 104268 (2020).

[13] C. Ge, C. X. Liu, Q. L. Zhou, Q. H. Zhang, J. Y. Du, J. K. Li, C. Wang, L. Gu, G. Z. Yang, K. J. Jin, A ferrite synaptic transistor with topotactic transformation. Adv. Mater. 31, 1900379 (2019).

[15] H. Y. Huang, C. Ge, Q. H. Zhang, C. X.Liu, J. Y. Du, J. K. Li, C. Wang, L. Gu, G. Z. Yang, K. J. Jin, Electrolyte-gated synaptic transistor with oxygen ions. Adv. Funct. Mater. 29, 1902702 (2019).

[16] J. K. Li, N. Li,C. Ge, H. Y. Huang, Y. W. Sun, P. Gao, M. He, C. Wang, G. Z. Yang, and K. J. Jin, Giant electroresistance in ferroionic tunnel junctions, iScience 16, 368 (2019).

[17] Z. Wen and D. Wu, Ferroelectric tunnel junctions: Modulations on the potential barrier, Adv. Mater. 1904123 (2019).

[18] J. K. Li, C. Ge,J. Y. Du, C. Wang, G. Z. Yang, and K. J. Jin, Reproducible ultrathin ferroelectric domain switching for high-performance neuromorphic computing, Adv. Mater. 1905764 (2019).

[19] https://www.iyiou.com/p/87345.html

備註：

(1) 筆者供職於中科院物理研究所，任副研究員、博士生導師。一直圍繞極化場(鐵電和電解質)調控功能氧化物界面的基本科學問題，探索實現高性能的電子信息器件。通過電解質極化場控制H和O離子在界面遷移實現高性能的突觸電晶體，對電解質突觸電晶體器件的優化設計和性能改善具有重要的參考意義；製備了目前開關比最大的鐵電隧穿結，進一步通過鐵電疇逐漸翻轉實現了高性能鐵電氧化物突觸器件。在包括 iScience (Cell子刊)、Adv. Mater.、Adv. Funct. Mater.、PRB 等期刊上發表 SCI 論文 60 餘篇，引用 1000 餘次。承擔國家重點研發計劃(課題負責人)、國家自然科學基金、中科院青促會等多個項目。

(2) 題頭小詩乃Ising所撰，表達對從事類腦仿製的人們的敬意。

(3) 封面圖片取自：https://miro.medium.com/max/3840/

(4) 本文引用的若干論文連結：

https://onlinelibrary.wiley.com/doi/10.1002/admi.201500407

https://onlinelibrary.wiley.com/doi/full/10.1002/adma.201801548

https://www.sciencedirect.com/science/article/pii/S2211285519309759

https://onlinelibrary.wiley.com/doi/full/10.1002/adma.201900379

https://onlinelibrary.wiley.com/doi/full/10.1002/adfm.201902702

https://www.sciencedirect.com/science/article/pii/S2589004219301804

https://onlinelibrary.wiley.com/doi/full/10.1002/adma.201905764

來源：量子材料QuantumMaterials

編輯：Kun

,