近日，我院石媛媛教授团队在类脑智能神经形态器件领域取得新进展。研究团队创新性地研制出具有双弛豫时间尺度特性的电解质栅WSe2薄膜晶体管用于物理储备池计算，成功解决了传统动态忆阻器在时序信号处理中时间特征尺度单一的瓶颈问题。相关成果以" Dynamic Monolayer WSe2 Electrolyte-Gated Transistor with Coexistent Double Relaxation Timescale for Enhanced Physical Reservoir Computing"为题发表于国际知名学术期刊《Small》。
物理储备池计算因其低训练复杂度优势，在边缘计算、交通预测等领域展现出巨大潜力。传统基于动态忆阻器的储备池系统受限于载流子动力学的单一弛豫时间尺度（Single Relaxation Timescale, SRT），在处理多尺度时序任务时存在记忆容量有限、特征提取能力不足等缺陷（图1a-b）。研究团队受生物神经元中钙离子多时间尺度动力学机制启发（图1c-d），通过单层二维材料与聚合物电解质的强离子-电子耦合效应，实现了快/慢双弛豫时间尺度（Double Relaxation Timescale, DRT）兼具的动态记忆器件（图1e）。这种独特的离子-电子耦合机制使器件展现出亚秒级和秒级的双指数弛豫特性，相较于传统SRT器件，显著提升了储备池的状态空间维度（图1f）。
图1. 基于SRT和DRT器件的物理储备池计算系统示意图。a) 基于SRT器件的经典物理储备池计算框架。b) SRT动态忆阻器的典型弛豫行为。c) 生物神经元中发放脉冲时钙离子分布示意图。d) 神经元不同部位在发放脉冲时的钙离子浓度变化。e) DRT器件的典型弛豫行为。f) 基于DRT器件的新型物理储备池计算框架。
在器件性能方面，研究团队通过系统的实验和应用仿真证实，该DRT WSe2 晶体管不仅保持了传统动态忆阻器的低功耗优势，更在复杂时序任务处理上展现出卓越性能。在混沌时间序列预测任务中，器件实现了200步以上的长程预测能力，以及在多尺度振荡器任务中取得了5.05×10⁻⁴的超低预测均方误差。特别是在实际交通场景应用中，基于无人机拍摄的真实交通数据（图2a-c），该技术能够准确预测车辆和行人的运动轨迹，位置误差小于0.8米（图2 d-i），为智能交通碰撞预警系统提供了可靠的技术支持。该研究成果为发展高性能类脑智能神经形态器件提供了新思路和新途径。
图2.基于电解质栅单层WSe2晶体管的物理储备池计算系统在交通轨迹预测中的应用。a) 包含移动车辆和行人的典型交通场景。b) 不同交通要素的空间帧信息。c) 根据首帧目标位置预测的后两帧坐标信息。d) 碰撞场景中车辆和行人的实际轨迹与e)预测轨迹对比。f) 碰撞场景中预测轨迹与实际轨迹的误差。g) 非碰撞场景中车辆和行人的实际轨迹与h)预测轨迹对比。i) 非碰撞场景中预测轨迹与实际轨迹的误差。
我院博士生孙东东、硕士生李傲为该论文共同第一作者，石媛媛教授为论文通讯作者。该项研究得到了中国科学技术大学微纳研究与制造中心和理化中心的支持。
论文链接：https://doi.org/10.1002/smll.202504066
（微电子学院）