北理工孙林锋教授AM：二维弛豫反铁电助力神经形态计算实现图像修复

文章预览

【研究背景】 神经形态计算因其模拟人脑神经系统的并行性与低功耗而备受关注，它能高效处理信息并具备智能计算能力。突触可塑性是生物神经系统学习和记忆的基础，所以模拟突触可塑性成为神经形态计算研发的关键。随着电子器件向小型化、高性能化发展，低维材料尤其是 2D 材料因独特性质为高性能电子器件带来新机遇，但传统 2D 材料在模拟突触可塑性方面存在局限，所以探索新型 2D 材料并结合其物理特性和神经形态计算需求成为当前研究热点。 反铁电材料具有独特极化特性，而弛豫反铁电材料的极化响应和能量存储密度更优，且极化状态在外电场移除后会缓慢恢复，这使其在模拟突触可塑性方面极具潜力。 北京理工大学 孙林锋教授 团队 通过化学气相输运法成功制备出高质量新型二维层状弛豫反铁电材料 CuBiP2Se6 （ CBPS ）单晶，并深 ………………………………