复旦大学Nature Communications：穿在身上的低功耗神经形态计算

【全文速览】

近日，复旦大学微电子学院陈琳教授团队成功在低功耗神经形态电子织物领域获得原创性成果，工作进展以Reconfigurable neuromorphic memristor network for ultralow-power smart textile electronics为题发表在国际顶级期刊Nature Communications。文章链接：https://doi.org/10.1038/s41467-022-35160-1。复旦大学微电子学院教授陈琳、高分子科学系副研究员陈培宁为共同通讯作者，复旦大学微电子学院王天宇、孟佳琳和高分子科学系周旭峰为共同第一作者。

【背景介绍】

随着传统的互补金属氧化物半导体集成电路尺寸正在接近物理极限，新型的神经形态计算芯片逐渐发展成为一种潜在的低功耗和高效率的解决方案。具有显示、传感、能量采集和能量存储功能的电子纺织品作为新一代可穿戴电子产品，展现出巨大的应用前景。将神经形态计算忆阻器无缝集成到电子纺织品中，对于有效存储和处理来自功能电子元件的信号至关重要。受此启发，作者在神经形态织物电子领域开展了突破性研究，相关论文《超低功耗可重构织物忆阻网络》在线发表于国际顶级期刊《自然·通讯》。

【本文亮点】

本工作提出了一种同时具有人工突触和神经元功能的可重构神经形态织物忆阻器件网络，可以在同一单元实现神经突触可塑性和神经元发放功能，在降低神经元电路的复杂性方面表现出明显的优势。在过去的两年中，团队开发了一系列低功耗神经形态电子器件（Nano Letters. 2020, 20(6), 4111- 4120； Advanced Science. 2020, 7, 1903480.；Materials Horizons, 2021, 8(2): 538-546.；Nano Energy, 2021, 83: 105815.），并且在感知集成的多功能神经形态器件方面获得多项原创性研究成果（Nano Letters, 2021, 22(1): 81-89.； Nano Energy, 2021, 89: 106291.）。

在这项工作中，织物型神经元忆阻器件展现出迄今为止所报道的最低的神经元功耗，发放过程中的功耗低至1.9 fJ/尖峰，在降低神经形态硬件系统的能耗方面具有极大的应用前景。研究团队通过整合可重构的突触、神经元和加热织物电阻，成功构建了神经形态织物系统，用于智能织物应用，为实现下一代神经形态可穿戴电子提供了独特的功能重构途径。

【图文解析】

图 1 三维神经形态织物电子

图 2可重构神经形态织物电子示意图

图3. 神经形态突触功能实现

图4. 低功耗神经元功能实现

总结与展望：

本项工作提出了一个由可重构忆·阻器组成的功能性纺织网络，该网络基于Ag/MoS2/HfAlOx/CNT的结构，具有非易失性存储器和易失性阈值开关特性。通过纺织网络中顶层的人工突触实现了多级电导状态的调制。纺织网络中底层的可重构神经元模拟了整合发放功能，显示了1.9 fJ的超低能耗，比生物神经元和现报道的人工神经元的能耗降低三个数量级。人工突触、神经元和功能电阻被集成到一个加热纺织系统中，用于智能温度调节。超低功耗的纺织神经形态网络可以为智能物联网应用的大脑启发的可重构和可穿戴的神经形态计算电子设备的发展提供新的方向。

原文链接：

https://doi.org/10.1038/s41467-022-35160-1

参考文献：

Wang T et al. Reconfigurable neuromorphic memristor network for ultralow-power smart textile electronics. Nature Communications, 2022, 13, 7432

Wang T Y et al. Three-dimensional nanoscale flexible memristor networks with ultralow power for information transmission and processing application. Nano letters, 2020, 20(6): 4111-4120.

Wang T Y et al. Ultralow power wearable heterosynapse with photoelectric synergistic modulation. Advanced Science, 2020, 7(8): 1903480.

Wang T Y et al. Flexible 3D memristor array for binary storage and multistates neuromorphic computing applications. InfoMat, 2021, 3(2): 212-221.

Meng J L et al. Integrated In-Sensor Computing Optoelectronic Device for Environment-Adaptable Artificial Retina Perception Application. Nano Letters, 2021, 22(1): 81-89.

Meng J L et al. Flexible boron nitride-based memristor for in situ digital and analogue neuromorphic computing applications. Materials Horizons, 2021, 8(2): 538-546.

Meng J L et al. Energy-efficient flexible photoelectric device with 2D/0D hybrid structure for bio-inspired artificial heterosynapse application. Nano Energy, 2021, 83: 105815.