摘要：可重构器件通过动态分配电路资源实现自适应神经形态计算。然而，在单个器件中集成多种功能和超低能耗仍然具有挑战性。 本文，我们展示了可重构锌磷三硫化物 (ZnPS3) 忆阻器，它同时具有易失性和非易失性开关特性，并具有卓越的性能指标，包括低开关电压（ ~0.180

摘要：

可重构器件通过动态分配电路资源实现自适应神经形态计算。然而，在单个器件中集成多种功能和超低能耗仍然具有挑战性。 本文，我们展示了可重构锌磷三硫化物 (ZnPS3) 忆阻器，它同时具有易失性和非易失性开关特性，并具有卓越的性能指标，包括低开关电压（ ~0.180 V ）、最小能耗（每次易失性开关 143 aJ ）、高开 / 关比 (107) 和 256 种不同的导电状态，是实现自适应神经形态计算的理想选择。 这些 ZnPS3 忆阻器可以使用单个电脉冲进行重构，从而可以按需模拟类似神经元的时间动态和类似突触的权重记忆。利用这些器件特性，我们开发了一个储层计算网络，该网络将动态物理储层与稳定加权读数相结合，成功实现了 99% 的心电图分类准确率。我们的研究结果凸显了基于 ZnPS3 的自适应神经形态计算在节能时空信号处理和识别方面的潜力，推动了超低能耗受脑启发计算系统的发展。

介绍：

研究背景与意义

神经形态计算需求与挑战： 随着人工神经网络规模和复杂度的增长，传统冯 · 诺伊曼计算架构面临芯片面积和能耗的双重瓶颈。类脑计算需要专用硬件来模拟脑神经元和突触的功能，但常规电路难以同时满足大规模集成和超低能耗的要求。

可重构忆阻器的优势： 可重构忆阻器能够在单一器件内实现易失性（神经元）和非易失（突触）两种模式的切换，提供灵活的计算模型实现方式，适用于各种神经网络结构（如虚拟 Reservoir 、脉冲神经网、 ANN 等）。基于电化学金属化（ ECM ）机制的忆阻器结构更为简单、层片厚度更薄，通常具有更高的开关比、更低的工作电压和极低的切换能耗。然而，现有 ECM 忆阻器往往仍需较高的驱动电压或能耗，限制了其在超低能耗神经形态计算中的应用。

ZnPS₃ 忆阻器作为潜在解决方案： 本文首次将 ZnPS₃ （三硫化磷锌）用作忆阻器的开关层材料。 ZnPS₃ 具有二维层状晶体结构， Zn²⁺ 配位于 [P₂S₆]⁴⁻ 多原子团中，层间通过 3.38Å 的范德华间隙堆叠。其宽禁带约 3.5 eV ，电绝缘性好、固有电阻率高，可抑制静态功耗和串扰，有利于实现大开关比和多电平存储。此外， ZnPS₃ 中的 [P₂S₆] 多原子团对化学键长和键角具有较强的柔性，可促进金属离子迁移。基于这些特性， ZnPS₃ 被认为是 ECM 忆阻器理想的开关层材料。该研究演示的 Ag/ZnPS₃/Au 忆阻器无需电成形即可开关，并可通过电信号可控地在薄 / 粗 Ag 导丝之间切换，从而一次性集成神经元（易失）和突触（非易失）功能。实验结果显示，此器件切换电压极低（ ≈0.180 V ），能耗极小（易失切换仅 143 aJ ），开关比高达 10⁷ ，支持 256 级可调电导状态，能够用于超低能耗神经形态计算。

器件设计与结构

器件结构： ZnPS₃ 忆阻器采用垂直叠层结构，自上而下依次为 20 nm Ag 电极、剥离后的 ZnPS₃ 薄层和 20 nm Au 底电极（下覆 5 nm Ti 粘附层），外加 30 nm Au 保护层防止 Ag 氧化。图 1b 示意了 Ag/ZnPS₃/Au 器件结构（本文 Supplementary Fig.5 ）。

材料晶体特性： ZnPS₃ 为单斜晶系层状晶体， Zn²⁺ 和 [P₂S₆]⁴⁻ 离子八面体按边共用模式连接成略微扭曲的蜂窝网络。层间通过约 3.38 Å 的范德华间隙相互堆积，弱的层间键合使 ZnPS₃ 易于机械剥离，获得大尺寸的准二维片层。 ZnPS₃ 宽阔的禁带（ 3.5 eV ）赋予其优异的电绝缘性和低离子导电率，能够显著降低器件静态漏电流和串扰。其高固有电阻率有利于实现大开关电阻比和多电平存储状态。最近已有文献报道采用化学气相沉积可制备直径达 15 μm 的单晶 ZnPS₃ 薄片，表明该材料具有大规模电子器件集成的可行性。

对器件性能的贡献： ZnPS₃ 的宽禁带和绝缘性确保了器件在未通电时处于高阻态，从而在通电后形成导丝时产生极高的开关比。其层状结构和丰富的 Zn 空位为 Ag⁺ 迁移提供了低能垒通道（见下文 “ 可重构性机制 ” ），使得形成厚导丝所需电压和能量大大降低。整体而言， ZnPS₃ 的这些材料特性为忆阻器提供了低电压驱动、高可调态数和低功耗的基础。

可重构性机制

导丝形成与断裂： 器件的可重构性基于 ECM 机制：通过施加不同的电流限制或电压脉冲，控制 Ag 导电丝的粗细。 低电流或弱脉冲下形成细导丝，由于表面扩散和能量最小化趋向，自发断裂，表现为自发复位的易失性切换；高电流或强脉冲下形成粗导丝，能够稳定保持导通，实现非易失记忆（可模拟突触权重）。 同一结构只需单个电信号即可在两种模式间可重构，极大简化了芯片面积和网络设计。

Zn 空位降低迁移势垒： ZnPS₃ 本身存在大量的 Zn 空位， DFT 模拟显示这些空位为 Ag⁺ 迁移提供了低能垒通道。计算结果表明：在无 Zn 空位的纯 ZnPS₃ 中， Ag 离子穿过第一层的扩散势垒约为 0.90 eV ；加入 Zn 空位后， Ag⁺ 可直接跃迁到空位上，第一层的扩散势垒降低至约 0.62 eV 。由于 ZnPS₃ 薄片中 Zn 空位浓度高达约 10% ， Ag 离子倾向沿着这些空位路径迁移，从而显著降低了整体的扩散势垒。势垒降低意味着更低的驱动电压和能耗，这正是器件能够达到 0.18 V 超低切换电压和数百 aJ 级能量的根本原因。值得一提的是，该器件无需额外的电成形过程即可工作，这也归功于基底 ZnPS₃ 中已经存在的 V_Zn 通道。

神经形态应用展示

系统架构： 本文构建了一个基于 ZnPS₃ 忆阻器的 Reservoir Computing 系统，其中采用可易失模式的 ZnPS₃ 器件作为动态物理 Reservoir 层，非易失模式的 ZnPS₃ 器件作为权重可编程的读取层（ ANN ）。

数据集与预处理： 使用 MIT-BIH 心律失常数据库（ 360 Hz 采样、 48 名受试者的两通道 ECG 记录）作为基准数据集。研究抽取了 1000 个心搏信号样本（每类 200 个），按照 AAMI 标准分为五类：正常 (N) 、融合 (F) 、上室期前收缩 (S) 、室性二联律 (Q) 和室性期前收缩 (V) 。其中 700 个用于训练（每类 140 个）， 300 个用于测试（每类 60 个）。

Reservoir 层设计（虚拟节点与并行）： 采用时间多路复用技术。每个心搏数据点先与长度为 5 的随机掩码序列相乘，然后转换为仅含写脉冲的脉冲序列，生成 5 个等时隔的虚拟节点。这 5 个虚拟节点在单个 ZnPS₃ 器件上通过脉冲响应形成多样化的储层状态。为了增强表征能力，使用 4 个这样的 ZnPS₃ 器件并行构成 4 个独立的 Reservoir 通道。研究发现 4 个并行储层、每个储层 5 个虚拟节点的配置在准确率与系统复杂度之间取得了平衡。

读取层设置： 读取层为单层前馈神经网络（ ANN ）。该 ANN 具有 250 个输入神经元和 5 个输出神经元（对应 5 类），权重共 1250 条（ 250×5 ），均由 ZnPS₃ 忆阻器的电导状态承载。训练时，将储层输出（ 250 维向量）通过这些可编程权重送入输出层，经过 Softmax 激活生成分类概率。权重通过标准后向传播算法更新，同时器件的 LTP/LTD 特性用于实现权值的细调。

性能结果： 测试中，系统整体分类准确率高达约 99% 。并行 4 个储层后，各类别的识别准确率均 ≥98.3% （见图 5b–5d ）。这一结果与现有先进神经形态平台相当。此外，该系统还在 Hénon 混沌序列预测任务中表现优异，表明其对复杂时序数据具有良好的建模能力。综上，该 ZnPS₃ 忆阻器构建的神经形态硬件在生物信号分类等任务中展现出极高的准确度和能效。

实际意义与前景

边缘计算与生物医学监测： ZnPS₃ 忆阻器具有结构紧凑、功耗极低的特点，非常适合部署在边缘设备中，用于实时处理复杂时序信号。论文指出，这种硬件平台能够支持可穿戴设备或物联网终端对人体生成的大量复杂生理数据（如心电、脑电、血氧饱和度、血压、血糖、呼吸、运动等）进行高效识别和分类。特别是在心律失常检测方面，该器件已证明了卓越的性能，可用于辅助诊断和健康监测。

下一代人工智能硬件： ZnPS₃ 忆阻器集成了可重构性、无电成形、低编程电压、低能耗、高开关比、多级存储等多种优异特性。这些特性超越了传统单一模式忆阻器的设计目标，赋予器件多功能和高度的应用灵活性。未来此类器件可用于构建更高效的神经网络硬件，推动低能耗类脑计算体系的发展。论文的 DFT 模拟结果也为理解和优化层状材料中的金属迁移机理提供了指导，有助于设计更多基于二维晶体的新型忆阻器器件。综上， ZnPS₃ 忆阻器展现了在能效神经形态计算和智能硬件领域的广阔前景，为下一代人工智能芯片的发展提供了一条有前途的技术路径。

Ji, Y., Wang, L., Long, Y. et al. Ultralow energy adaptive neuromorphic computing using reconfigurable zinc phosphorus trisulfide memristors. Nat Commun 16 , 6899 (2025). https://doi.org/10.1038/s41467-025-62306-8

图文：

图 1 ：使用可重构 ZnPS3 忆阻器设计自适应神经形态计算。

a 使用可重构 ZnPS3 忆阻器进行自适应神经形态计算的概念图，通过控制银离子迁移来模拟生物神经元和突触。 b ZnPS3 忆阻器结构示意图，以及突出显示其模拟具有高阶复杂度的储存器网络的类神经元时间动态和模拟完全连接人工神经网络 (ANN) 的类突触可调权重的能力的插图。

图 2 ： ZnPS3 忆阻器的可重构性和底层机制。

a 、 b ZnPS3 忆阻器在 1 μ A (a) 和 500 μ A (b) 顺从电流下的 I-V 曲线。 c 、 d 显示在 1 μ A (c) 和 500 μ A (d) 顺从电流下导电丝演变的示意图。 e 、 f 计算原始 (e) 和 Zn 缺陷 (f) ZnPS3 中 Ag 离子迁移的扩散能垒。 g Zn 缺陷 ZnPS3 中 Ag 离子迁移的图示。 h Zn 缺陷 ZnPS3 中 Ag 离子迁移的路径。

图 3 ：用于模仿人工神经元的易失性开关。

a 生物神经元示意图。 b ZnPS3 忆阻器连续 50 次扫描的 I-V 曲线。 c 、 d ZnPS3 忆阻器的阈值电压 Vth （ c ）和保持电压 Vhold （ d ）的统计分析，其中 μ 代表平均值。 e 设备 106 个开关周期的耐用性。 f 在不同幅度的电脉冲刺激期间以及随后在 0.01 V 下读出期间 ZnPS3 忆阻器的电流变化。 g 基于不同开关层的易失性忆阻开关比较，证明了 ZnPS3 忆阻器的低能耗。详细参考资料见补充表 3 。 h 不同间隔的脉冲序列刺激后的 ZnPS3 忆阻器的时间相关电流。 i 电流与脉冲数的关系。

图 4 ：人工突触的非易失性开关。

a 生物突触示意图。 b ZnPS3 忆阻器连续 50 次扫描的 I-V 曲线。 c 、 d 置位电压 Vset 和复位电压 Vreset （ c ）以及开 / 关比（ d ）的统计分析。 e 非易失性开关模式下 ZnPS3 忆阻器的工作电压与基于其他二维材料和氧化物的非易失性忆阻器的工作电压的比较，表明 ZnPS3 忆阻器的开关电压较低。详细参考资料见补充表 4 。 f 多级电导。 g 连续 20 个周期变化脉冲幅度的脉冲串刺激 LTP 和 LTD 的长期可塑性。

图 5 ：存储池计算系统仿真。

a 使用可重构 ZnPS3 忆阻器作为储存器和读出层的储存器计算系统示意图。 ZnPS3 忆阻器的输出电流信号由输入心电图 (ECG) 转换的脉冲序列以及重建的 ECG 信号产生。 b 分类精度随 4 个独立储存器的历元变化。 c 分类精度随并联储存器数量变化。 d 基于 4 个并联储存器的储存器系统混淆图。

来源：寂寞的咖啡