随着忆阻器在非易失性存储器、模拟人类大脑的深度学习等重要领域的研究逐步深入，忆阻器的研究得到越来越多的重视。在固态电子器件和电路中应用二维材料，将有助于扩展摩尔定律，并能获得优于CMOS的先进产品?；诙牧系囊渥杵髂芄挥τ糜谛畔⒋娲⒑蜕窬扑?，具有高热稳定性，阈值型和双极型阻变共存，增强、抑制和弛豫的高度可控性，以及出色的机械稳定性和透明度等优点。

近日，功能纳米与软物质研究院Mario Lanza教授在Nature子刊《Nature Electronics》上发表了题为“Wafer-scale integration of two-dimensional materials in high-density memristive crossbar arrays for artificial neural networks”的封面文章。作者提出二维材料六方氮化硼（h-BN）可以作为高密度忆阻阵列的阻变材料，构建可用于图像识别的人工神经网络的器件。其获得h-BN基忆阻阵列器件成品率高达98%，且表现出超低的周期间差异性（低至1.53％）和出色的器件间差异性（低至5.74％）。图像分类器的仿真结果表明，所测得的器件I-V曲线的均一性足以匹配理想软件实现所需的精度。

Mario Lanza教授课题组的博士研究生陈少川，是该文的第一作者。

作者信息：Shaochuan Chen, Mohammad Reza Mahmoodi, Yuanyuan Shi, Chandreswar Mahata, Bin Yuan, Xianhu Liang, Chao Wen, Fei Hui, Deji Akinwande, Dmitri B. Strukov and Mario Lanza*

文章链接：https://www.nature.com/articles/s41928-020-00473-w

Mario Lanza教授课题组链接：https://www.lanzalab.com/