人们对人类大脑工作机理的不断探求，催生了高效类脑计算的研究。随着半导体技术的更新迭代，神经形态器件为研究人员带来了实现高效类脑计算的曙光。机遇与挑战并存，在神经形态器件的工作机理和材料等方面也会遇到诸多困难。清华大学精密仪器系类脑计算团队对此开展了深入的研究，并获得系列突破。
从功能上看，人类大脑俨然是一个强大的“信息处理系统”，但却如同一个“黑匣子”，时至今日人们对其机理依旧知之甚少。现代神经科学表明，人类大脑大约包含860亿个神经元，这与银河系中恒星的数量大致相当，而连接神经元的突触数量更是达到神经元数量的1000倍，由此可见大脑结构的高度复杂性，这在很大程度上迟滞了人们探索大脑工作机理的脚步。庆幸的是，近几十年飞速发展的神经科学正在为破译“黑匣子”带来更多启示。
在尝试理解大脑的同时，人们也在试图构建与大脑功能类似的类脑计算系统。20世纪以来，半导体技术和计算机科学获得巨大发展，进而掀起构建电子大脑的热潮。当前，基于冯•诺依曼架构的计算机仍是主流，并能够代替人类更快、更准确地执行基于固定规则的任务。随着对更高级人工智能需求的日益迫切，人们逐渐意识到冯•诺依曼架构计算机在适应性、容错和泛化能力方面依然落后于人脑，人们亟需找到更加类脑的计算范式。神经形态电子学为实现这一目标带来了曙光，其旨在通过模拟神经行为来实现计算功能，而模拟神经行为则需要与其特性相似的半导体器件来实现，即神经形态器件。时间回溯到1971年，蔡少棠（Leon O. Chua）在“Memristor-The Missing Circuit Element”一文中通过启发式的推理，预言了在电阻、电容、电感三大基础电路元件之外还存在另一种基础元件——忆阻器，如图1所示。在预言37年之后的2008年，惠普实验室在《自然》（Nature）上发表“The Missing Memristor Found”一文，宣布在新型微纳半导体器件中观测到忆阻现象。因此，蔡少棠也被誉为“忆阻器之父”。忆阻器的电阻可调性和记忆特性（当前电阻值取决于电压/电流的激励历史）与神经突触的长期可塑性十分相似，而突触可塑性正是大脑学习和记忆功能的基础。此后，忆阻器件和神经形态器件几乎成为了两个可以互换的概念，神经形态电子学也进入了一个快速发展的阶段。除了生物相似性之外，忆阻器（电路）与传统的互补金属氧化物半导体（CMOS）器件（电路）相比，还在可微缩能力、存储密度、功耗等方面具有潜在优势。
在过去的十数年里，基于忆阻效应的神经形态器件取得了许多重要进展。在材料技术方面，从无机物到有机物，从普通材料到量子材料，从铁电材料到铁磁材料，从体材料到低维材料等等，都展示出各自独特的神经形态特性。在功能方面，忆阻器可模拟的突触可塑性功能越来越多，且已不再局限于突触模拟，还能够模拟神经元功能，这为全忆阻器神经形态电路的实现创造了可能性。除了单器件研究外，传统晶体管与忆阻器混合的神经形态集成电路研究也在规模、功能等方面不断取得可喜的进展。目前，基于忆阻器的神经形态技术仍然面临许多挑战。在仿生能力方面，神经形态器件对生物神经组织的模拟程度还不够高，大多仅能模拟细胞尺度的宏观电生理行为，而无法模拟在亚细胞尺度上的机制。在计算功能方面，神经形态电路的功能还比较初级，大多作为人工深度神经网络算法的硬件加速器来使用，而无法充分演示生物神经网络特有的时间动力学计算优势。在集成技术方面，忆阻器在性能上还不能完全满足大规模集成的需要，一般仍需传统晶体管的协助，无法完全体现出忆阻器的可微缩性和低功耗优势。从上述挑战出发，清华大学精密仪器系类脑计算团队（以下简称团队）在神经形态器件的工作机理和材料等方面进行了深入研究，并提出具有原创性和突破性的解决方案。三端口忆阻器：突触长短期
通过借鉴神经生物学原理，团队意识到即使在模拟最基础的突触可塑性功能方面，神经形态器件也存在仿生程度不足而导致器件功能局限的问题。具体来说，神经突触除了长期可塑性之外，还存在短时程尺度的可塑性，两者在亚细胞尺度上的发生区域和机制都截然不同，如图2（a）所示。两者的共存也是生物神经网络丰富的时间动力学的重要来源之一。然而，在传统的神经形态器件中，突触的长期可塑性与短期可塑性都由同源的物理机制来模拟，且发生在器件的同一区域中，导致两种可塑性互斥而无法共存。针对这一问题，团队提出了一种三端口忆阻器解决方案，如图2（b）所示。三端口忆阻器具有天然的两个空间区域，即源漏沟道（源极和漏极之间的沟道）和栅极电容；也天然地具备两种物理效应，即短时程的栅极电容效应和长时程的栅极忆阻效应。栅极电容效应直接作用于沟道，短时地改变沟道导电性；而栅极忆阻效应来源于栅极介质状态的改变，进而间接影响沟道导电性。如此一来，突触的长期与短期可塑性能够在不同的区域中被不同的物理机制所模拟，从而实现在单器件中的共存，如图2（c）所示。该研究为以动力学时间复杂度为特征的类脑计算提供了普适的基元器件，相关研究成果以“Truly Concomitant and Independently Expressed Short- and Long-Term Plasticity in a Bi2O2Se-Based Three-Terminal Memristor”为题在国际知名期刊《先进材料》（Advanced Materials）上发表。基于碲导电通道生成和断裂阻变
在器件集成方面，大规模神经形态突触网络目前仍普遍存在器件之间串扰的问题，这对神经网络推理和学习过程的可靠性产生了严重影响。传统的解决方案是为每个忆阻器串联一个晶体管开关，开放处于工作状态的通道，同时隔断来自非工作状态器件的干扰。值得注意的是，晶体管是一种面积较大且功耗较高的器件，而晶体管开关的介入势必会使忆阻器技术在可微缩性和低功耗方面的优势无法得到体现。针对这一问题，团队提出了一种基于单质半导体碲（Te）导电通道生成和断裂阻变机理的全忆阻器件集成方案。单质碲半导体材料具有电化学活性、低熔点、低导热系数和低电导率的特点，可以用于构造在大驱动电流下实现瞬态开关的固态电化学器件，其功能类似于晶体管，但结构更简单、可微缩能力更强，如图3（a）所示。实现这一功能的机制在于，碲导电通道先在电化学的作用下生成，而后又在大电流焦耳热的作用下被熔断。与此同时，利用相同的器件还可以在小电流下实现电阻状态稳定的调节，模拟了突触的长期可塑性，如图3（b）所示。这与碲半导体具有比金属更低的导电性有关。大电流开关和小电流突触功能是神经形态突触网络对器件的基本要求，但在传统忆阻器中却是一对基本矛盾。一般来说，大电流会使材料结构的改变更加彻底，电阻状态也会相应地保持更长时间，反之则反。此即忆阻器在突触网络应用中遇到的“电流-电阻保持时间”矛盾。团队通过巧妙利用碲半导体的电学、电化学和热学综合特性使之得以化解。团队还进一步利用一对全同器件演示了完整的“开关/突触”串联器件功能，如图3（c）所示，为同质集成的忆阻器神经形态突触网络提供了有价值的参考。相关研究成果以“A new opportunity for the emerging tellurium semiconductor: making resistive switching devices”为题在国际知名期刊《自然•通讯》（Nature Communications）上发表。━━━━
在神经形态器件研究方面，团队基于上述的阶段性成果，正在逐步开展神经形态器件集成电路研究，以期在系统层次上模拟大脑的计算功能，并实现材料-器件-系统的跨尺度协同优化。此外，团队还受邀在国际知名期刊《先进智能系统》（Advanced Intelligent Systems）上发表了由自身对类脑计算系统发展的见解以及对该领域进展调研总结而成的题为“A Marr’s Three-Level Analytical Framework for Neuromorphic Electronic Systems”的综述文章。当前，团队已经研制出基于模拟型忆阻器、低工作电流（关态电流低至10-12安，开态电流低至10-8安）以及抗串扰的10k规模集成阵列，如图4所示，并正在该平台上部署一系列新型的类脑计算算法。致谢：感谢国家自然科学基金项目（项目编号：61974082，61704096，61836004）、中国科协青年人才托举工程项目（项目编号：2019QNRC001）、北京脑科学与类脑研究中心、清华大学-IDG/麦戈文脑科学研究院“Brain+X”项目、国家重点研发计划项目（项目编号：2018YFE0200200）、北京市科技计划项目（项目编号：Z181100001518006, Z191100007519009）、苏州-清华创新引领行动专项项目（项目编号：2016SZ0102）以及清华大学-中电海康集团有限公司类脑计算联合研究中心的支持。
本文刊登于IEEE Spectrum中文版《科技纵览》2021年11月刊。
李黄龙：清华大学精密仪器系/清华大学类脑计算研究中心/北京脑科学与类脑研究中心，副教授。杨逸飞：清华大学精密仪器系/清华大学类脑计算研究中心，在读博士研究生。
郭云鹏：清华大学精密仪器系/清华大学类脑计算研究中心，在读博士研究生。
王昕鑫：清华大学精密仪器系/清华大学类脑计算研究中心，在读博士研究生。
孔瑞楷：清华大学精密仪器系/清华大学类脑计算研究中心，在读博士研究生。
何玉寒：清华大学精密仪器系/清华大学类脑计算研究中心，在读博士研究生。
《零基础学习数字芯片验证入门到实战》 (共99课时，已更新至30课时(含实操代码)！
