已传文件：photo/1766544328.png

本文精选

神经形态计算为冯·诺依曼瓶颈提供了一种有前途的解决方案，实现了节能和智能传感平台。尽管2D材料是仿生神经形态设备的理想选择，但通过简单的配置和线性权重更新实现多功能突触作仍然具有挑战性。受生物轴突的启发，利用二维Nb2GeTe4的面内各向异性开发双电子光突触器件。该器件表现出各向异性空穴移动率（沿a轴为137.97cm2V−1s−1，沿b轴为78.29cm2V−1s−1）和波长依赖性光响应。这使得在电光共刺激下实现定向突触可塑性，在自适应图像处理中实现沿a轴的98.3%精度和沿b轴的88.3%精度。还演示了物体识别准确率为89.6%的机器视觉系统和决策准确率为90.2%的智能车载导航平台。各向异性传输和光谱可调响应的集成在单一材料中，为具有多模态传感和并行处理能力的紧凑型神经形态硬件铺平了道路。这项研究推进了用于边缘计算、自主机器人和自适应人工智能系统的基于二维材料的神经电子学。

创新点

1.材料与机制创新：首次利用二维Nb₂GeTe₄材料的面内各向异性这一本征物理特性，将方向各异的载流子传输与波长特异的光响应能力集成于单一器件之中，成功构建出结构简单但功能复杂的双模态电子-光突触，突破了传统器件通过复杂结构实现多功能性的设计瓶颈。2.功能实现创新：在简单线性权重更新的基础上，创新性地实现了由刺激方向（沿a轴或b轴）和光波长共同调控的“定向突触可塑性”，从而在硬件层面直接编码和处理与方向相关的空间信息，为仿生感知计算提供了全新的物理实现途径。3.系统应用创新：超越单一的器件演示，成功将各向异性突触器件应用于接近实际的系统场景（如自适应图像处理、机器视觉和智能车载导航），并展示了高达98.3%的定向识别精度和90.2%的决策准确率，验证了其在未来智能系统中进行高效并行感知与处理的巨大潜力。

对科研工作的启发

1.“材料为本”的研究范式：本研究深刻启示科研工作者，相较于繁琐的器件结构工程，深入探索和利用低维材料本身新颖的本征物理属性（如各向异性、压电性、谷自由度等），是开发下一代高性能、多功能仿生电子器件的更具前景的研究方向。2.多模态融合的协同优势：它凸显了电、光、乃至未来其他物理模态（如磁、应变）的协同刺激在模拟生物系统复杂性和实现高级智能行为中的关键作用，鼓励研究者打破单一模态的局限，设计能够响应多种外界刺激的融合感知计算系统。

3.“硬件-算法”紧密协同：该研究展示了如何根据硬件特性（如方向性传输）来优化和设计特定的机器学习算法（如定向图像处理），从而实现硬件性能最大化，这启发了在神经形态计算领域，硬件设计与算法开发必须深度融合、协同演进，而非相互独立。 

思路延伸

1.材料体系的扩展：可系统性地探索其他具有更强、更丰富各向异性特性的二维材料（如黑磷、ReS₂、GeAs等），并研究其在不同温区、应力下的各向异性输运行为，以开发出性能更优异、调控维度更丰富的神经形态器件。

2.调控维度的拓展：可将当前的光波长、电信号方向调控，进一步延伸至光的偏振态、施加应力的方向、磁场的取向等，构建一个受多重物理场方向和类型控制的“多维可塑性”突触器件网络，极大提升并行处理信息的容量和复杂度。

3.类脑架构的创新：基于方向选择性突触，可设计制造新型的脉冲神经网络硬件，其中神经信号的处理和传递路径依赖于晶格方向，从而在物理层面模拟生物脑中由于各向异性连接所实现的高效、低功耗的信息路由与分类功能。 

生物医学领域的应用

1.材料体系的扩展：可系统性地探索其他具有更强、更丰富各向异性特性的二维材料（如黑磷、ReS₂、GeAs等），并研究其在不同温区、应力下的各向异性输运行为，以开发出性能更优异、调控维度更丰富的神经形态器件。

2.调控维度的拓展：可将当前的光波长、电信号方向调控，进一步延伸至光的偏振态、施加应力的方向、磁场的取向等，构建一个受多重物理场方向和类型控制的“多维可塑性”突触器件网络，极大提升并行处理信息的容量和复杂度。

3.类脑架构的创新：基于方向选择性突触，可设计制造新型的脉冲神经网络硬件，其中神经信号的处理和传递路径依赖于晶格方向，从而在物理层面模拟生物脑中由于各向异性连接所实现的高效、低功耗的信息路由与分类功能。

原文链接

Anisotropic Optoelectronic Synapses in 2D Nb2GeTe4 for Direction-Programmable Neuromorphic Perception and Decision-Making

Advanced Materials ( IF 26.8 ) 

Pub Date : 2025-09-04

DOI: 10.1002/adma.202509686

Tianle Zeng, Zishen Zhao, Kun Ye, Zhipeng Yu, Junxin Yan, Yuxuan Zeng, Weiming Lv, Lianbo Guo, Chun Zhao, Anmin Nie, Zhongming Zeng, Zhongyuan Liu