在并行性、连续性、低功耗智能计算架构的需求背景下，基于模拟生物突触的仿生神经形态器件有望实现类脑信息处理范式，逐渐成为众多研究者关注的热点领域。纳流体忆阻器利用水相环境的离子作为载流子，具有表面性质可调、生物兼容性好等优点，在神经形态突触应用及脑机接口等领域具有广泛的应用前景。但是，现有纳流体忆阻器通道长度基本在微米尺寸，存在着输运效率低、能耗大及难以规模化加工等问题，且无法从结构上实现对（亚）纳米长离子通道的精准仿生设计，器件设计方面的不成熟制约了纳流体忆阻器更深条理的发展及应用。原子级厚度的石墨烯等二维材料具备优异的稳定性和加工简单等优点，为基于纳流体忆阻器的神经形态应用研究提供了崭新平台。

基于二维材料固态纳米孔的仿生纳流体忆阻器设计及实现

针对纳流体忆阻器及神经形态应用现存的挑战，北京大学集成电路王路达课题组借助微米纳米加工技术全国重点实验室平台，通过精确加工特定电导的二维材料固态纳米孔结构，创新发展了一种新型仿生纳流体忆阻器（如图）。本研究基于不同价态载流子的静电作用有效地实现了对器件滞回曲线和电导开关比的调控，并结合理论模拟明晰了纳米孔结构的表面电荷及离子动力学过程对纳流体忆阻器的影响机制。进一步基于器件的电导态累积效应和非易失记忆特性，实现了对突触可塑性和类脑学习功能的模拟，在毫秒量级脉冲宽度下实现了每脉冲约0.546pJ的能耗，优于当前报道的最先进的纳流体忆阻器。

该研究利用埃米长限域空间内离子的动力学输运构建了纳流体忆阻器，不仅有助于解决纳流体神经形态应用在器件层面的瓶颈问题，而且有助于深入理解大脑神经活动的机理，为实现类脑人工智能提供了新思路。相关成果以“Nanofluidic Memristive Transition and Synaptic Emulation in Atomically Thin Pores”为题，发表在Nano Letters上。北京大学集成电路2020级博士研究生宋瑞洋、2023级博士研究生王鹏为共同第一作者，王路达为通讯作者。以上研究工作得到了国家重点研发计划、国家自然科学基金等项目的支持。