在微電子技術領域，摩爾定律主導的主流器件技術是以硅基為代表的微電子器件。在過去60多年的漫長時期內(nèi)，全球范圍的技術創(chuàng)新基本上是圍繞器件物理尺寸的縮微化來進行的，其特征關鍵詞為體材料、可縮微性差、低能效、低異質(zhì)集成能力等。然而，后摩爾時代的核心器件基本是以新材料體系、新器件原理所驅(qū)動的新一輪創(chuàng)新，特征關鍵詞為新材料、極限可縮微性、高能效、易于異質(zhì)集成等。正是由于摩爾定律的終止以及新興材料的快速崛起，使得基于新器件技術的新一輪芯片革命成為全球的關注聚焦點。后摩爾器件將通過非傳統(tǒng)物理尺寸縮微的新技術路徑，延續(xù)摩爾定律的精神，即性能/算力提升、能耗降低以及成本降低，并將集成電路芯片技術帶向新的發(fā)展階段。

后摩爾核心器件按其功能可劃分為邏輯器件、感知器件、記憶器件等。邏輯器件是集成電路的基本組成元件，其代表是晶體管，也是構建布爾邏輯運算及進行復雜信息處理的最底層硬件；感知器件是芯片與外在世界的交互界面，能將物理世界的各種信息轉換成電子信號，其在物聯(lián)網(wǎng)、自動駕駛、機器人、可穿戴設備等大量新興應用場景具有舉足輕重的地位；記憶器件則承擔信息的存儲任務，在以大數(shù)據(jù)、深度學習/人工智能為代表的后摩爾時代，其重要性與日俱增。與此同時，為突破馮·諾依曼架構的瓶頸，由生物腦啟發(fā)得來的類腦計算，則需要開發(fā)人工神經(jīng)元、人工突觸等新一代仿生電子器件，來進行大規(guī)模、并行式、高能效、低延遲的數(shù)據(jù)信息處理。以下將分別對這4類后摩爾核心器件的發(fā)展現(xiàn)狀和趨勢進行討論。

為實現(xiàn)單顆芯片內(nèi)集成更多數(shù)目的高性能、低成本晶體管，基于硅、Ⅲ-Ⅴ族化合物半導體、砷化鎵（GaAs）和氮化鎵（GaN）等材料的邏輯器件，將優(yōu)化方向聚焦于器件結構，提出超薄絕緣體上硅（Ultra-Thin-Body Silicon-On-Insulator, UTB-SOI）、鰭式場效應晶體管（Fin Field-Effect Transistor, FinFET）等設計，并已發(fā)展出成熟工藝，將器件尺寸縮微邊界拓展到10 nm柵長以下。在傳統(tǒng)技術縮微路線（圖1）無法繼續(xù)支撐的情況下，利用新材料、新器件以及異質(zhì)集成實現(xiàn)“延續(xù)摩爾”（More Moore）和“擴展摩爾”（More than Moore）是產(chǎn)業(yè)界及學術界共同關注的研究方向。

圖1　晶體管縮微化：從平面到三維

得益于獨特層狀結構、原子級平整度和無表面懸掛鍵界面，二維層狀材料在“延續(xù)摩爾”和“擴展摩爾”2個方向擁有廣闊前景。借助二維半導體能實現(xiàn)具有原子級超薄溝道的晶體管，在亞納米厚度下，載流子遷移率仍可保持較高水平，使其在5 nm節(jié)點以下具有潛力和優(yōu)勢。但二維材料的引入也帶來新的挑戰(zhàn)，一個核心問題是費米釘扎效應帶來的負面影響使肖特基接觸電阻增大、電子注入效率降低。學術界提出退火、邊緣接觸、摻雜、界面插層和轉移電極等多種方法以減弱該效應。二維材料中存在著具有“準金屬”特性的一類材料，如石墨烯、二硒化鉑等，利用這類材料與二維半導體接觸，不會產(chǎn)生費米釘扎效應，可大幅降低接觸電阻。另一個核心問題是散射對溝道載流子遷移率的影響，雜質(zhì)散射和聲子散射要求具有光滑無懸掛鍵界面和高介電常數(shù)的柵介質(zhì)材料，HfO₂、Al₂O₃和hBN都無法滿足，對新型材料的探索因而極具價值。此外，互補金屬氧化物半導體（Complementary Metal-Oxide- Semiconductor, CMOS）晶體管作為集成電路基本單元，需要2種不同極性半導體溝道材料，這在硅基工藝中可通過離子注入實現(xiàn)，而離子注入會破壞二維半導體的晶格結構、大大降低載流子遷移率，因此二維半導體溝道晶體管的極性調(diào)控主要通過金屬功函數(shù)、表面化學修飾、靜電調(diào)控和改變二維材料厚度等方法來實現(xiàn)。二維材料由于其原子級厚度和層間范德華弱力作用，在垂直方向的物理堆疊上具有很大的設計空間，例如將不同極性的二維半導體堆疊并通過同一個柵極控制，可形成互補場效應晶體管（Complementary Field-Effect Transistor, CFET）。近期報道的相關科研成果昭示了二維材料晶體管集成化的堅實腳步。

新材料的引入也為邏輯器件帶來新機理和新概念。石墨烯由于自身零帶隙而存在無法關斷的問題，其超快載流子的優(yōu)勢不能為邏輯器件所用。因此依據(jù)新機理實現(xiàn)石墨烯邏輯晶體管成為一個重要課題。至今已有研究嘗試如基于零帶隙的石墨烯量子反射開關晶體管等。此外，為實現(xiàn)超低功耗邏輯晶體管，作為核心參數(shù)的亞閾值擺幅對于器件能耗至關重要，亞閾值擺幅減小可以有效降低靜態(tài)功耗、動態(tài)功耗和切換功耗，優(yōu)化整體系統(tǒng)能效。傳統(tǒng)晶體管基于熱電子發(fā)射的工作機理，使得亞閾值擺幅被限制不低于60 mV/dec。為了突破這一玻爾茲曼物理限制，研究者依賴多種二維材料，展示了隧穿晶體管、冷源晶體管、負電容晶體管和阻變晶體管等新型結構。其中，隧穿晶體管借助帶間隧穿，載流子從P型材料的導帶隧穿到N型材料的價帶，實現(xiàn)玻爾茲曼熱拖尾濾波，從而改變基于熱電子激發(fā)的輸運機理；負電容晶體管是在柵介質(zhì)中引入鐵電材料，基于其在外加電場下極性反轉的特性，借助翻轉區(qū)間內(nèi)出現(xiàn)的負電容特性實現(xiàn)電壓放大；冷源晶體管借助狄拉克材料態(tài)密度隨能量分布線性降低的特性，實現(xiàn)超陡亞閾值擺幅；阻變晶體管依賴于離子動力學實現(xiàn)超陡阻變特性，基于串聯(lián)分壓關系將亞閾值擺幅縮小至近零。依賴于新機理的低功耗器件存在廣泛的探索空間，并期待更多創(chuàng)意突破。

二維材料具有層間范德華弱力耦合、不受晶格常數(shù)匹配要求所限制的特性，因此不同的二維材料可經(jīng)由垂直堆垛實現(xiàn)多樣化功能設計。例如通過單層石墨烯、六方氮化硼和二硫化鉬的異質(zhì)堆垛結構，可使單一器件既能具備晶體管的邏輯功能，同時也具有存儲和整流的特性。多功能器件可大幅減少所需晶體管數(shù)量及對物理尺寸微縮的工藝需求。通過模糊功能區(qū)域劃分的“存算一體”，可大幅提升巨量數(shù)據(jù)計算的效率，突破傳統(tǒng)馮·諾依曼架構中的“存儲墻”問題。此外，不同于傳統(tǒng)的硅基半導體器件，二維材料為電子器件提供2個平整表面來施加電場、實現(xiàn)溝道調(diào)控。利用其中一個柵極進行半導體極性調(diào)控，可使半導體溝道呈現(xiàn)不同極性，形成PN結或單極性半導體來實現(xiàn)可編程的邏輯功能器件。通過映射兩個柵極電壓輸入控制源漏電流的過程到邏輯門電路中，基本邏輯門“與”“或”“或非”“與非”“同或”等可由單一雙柵晶體管實現(xiàn)，大大提升集成密度。

在后摩爾時代，微納電子技術將逐漸實現(xiàn)從最初的計算集成芯片向感知集成芯片、認知集成芯片的智能化躍進。核心感知器件將成為未來集成系統(tǒng)的極為重要的部分，在自主駕駛、機器人、智能系統(tǒng)等新興應用場景具有舉足輕重的地位。視覺是人類最重要的感知器官，人眼可感受到的光是波長為380~760 nm的電磁波?？梢姽鈨H占電磁波譜的很小一部分，承載的信息有限。超視覺技術利用非可見光電磁波譜來提取更為有價值的信息，與人工智能結合，對人類無法感知的信息做檢測及重建，從而催生出跨領域新技術，在工業(yè)生產(chǎn)、醫(yī)療健康、無人駕駛等領域?qū)a(chǎn)生深遠影響。新材料的探究將進一步推進超視覺技術的發(fā)展，其中二維材料具有豐富的種類、獨特的層狀結構以及優(yōu)異的性質(zhì)，可極大地拓展人類感知能力。二維材料電導率對外部光學刺激具有敏感響應，使其能夠感知極弱光學信息，有望實現(xiàn)超越人類視覺極限的高性能寬光譜傳感器。例如，Wan等提出了一種用于高速紫外檢測的石墨烯增強型硅基光電探測器，實現(xiàn)了較高的響應度和較快的響應速度（圖2）。美國加利福尼亞大學研究團隊報道了一種基于帶隙可調(diào)的Se_xTe_1-x薄膜制備的高性能短波紅外光電探測器陣列。通過使用由Au/Al₂O₃組成的光學腔襯底，增強近紅外吸收帶隙邊緣，截止波長達到1.7 μm。

圖2　石墨烯/硅異質(zhì)結紫外探測器

硅基CMOS技術在過去幾十年一直占據(jù)主導地位，將二維材料與硅基CMOS集成具有重要意義。Liu等通過整合電荷耦合器件（Charge Coupled Device, CCD）和CMOS架構優(yōu)勢，將硅與單層石墨烯、體相石墨烯膜等集成為電荷注入型光電器件，實現(xiàn)了深耗盡勢阱中電荷的隨機無損讀出，避免了傳統(tǒng)CCD器件中的順序電荷轉移，解決了超寬光譜室溫探測的科學難題并突破硅基紅外探測極限（圖3）。Goossens等首次提出將石墨烯與CMOS的單片集成方案，作為數(shù)碼相機的感光單元，對可見光和短波紅外光均具有高靈敏度。該器件中110000個光電導石墨烯通道均單獨集成（圖4）。

圖3　石墨烯/硅基電荷注入型光電器件

圖4　石墨烯/硅基圖像傳感器

近10年來，受生物啟發(fā)的機器視覺發(fā)展迅速，利用深度神經(jīng)網(wǎng)絡（Deep Neural Networks, DNN）等機器學習方法使人工視覺系統(tǒng)不僅可獲取圖像，還能從中獲取人腦可以解析的有價值信息，被廣泛應用于人臉識別、目標檢測、機器人等智能任務。然而，受限于傳統(tǒng)馮·諾依曼架構，圖像傳感器會引入大量的數(shù)據(jù)冗余，硬件之間的數(shù)據(jù)搬運導致信息延遲，并產(chǎn)生高功耗，傳輸高分辨率圖像通常需要占用大量帶寬。如果傳感器能在處理圖像時識別其內(nèi)容，則可在不依賴云連接的情況下做出初步?jīng)Q定。即使必須將某些信息發(fā)送云端進行處理，也減少很多不必要冗余，從而節(jié)省時間和計算量。機器視覺借鑒人腦處理信息的方式，以期采用更少硬件與更高能效構建感存算一體化的非馮·諾依曼架構體系。美國萊斯大學研究團隊提出一種名為RedEye的卷積圖像傳感器，通過實現(xiàn)部分卷積神經(jīng)網(wǎng)絡計算來減少數(shù)據(jù)冗余度。韓國科學技術院（KAIST）研究團隊通過在圖像傳感器硬件端加入數(shù)據(jù)預處理來降低功耗，從而實現(xiàn)長時在線的人臉識別可穿戴設備。近年來，學術界在將計算融入傳感器本身、實現(xiàn)“感算一體”方面取得了一些進展。香港理工大學研究團隊利用光控阻變式隨機存取存儲器（Optoelectronic Resistive Random Access Memory, ORRAM）器件的存儲特性，在傳感器上直接對圖像進行對比度提高和背景噪聲去除等預處理。Mennel等引入“亞像素”的概念（圖5），利用基爾霍夫電流定律在探測器陣列上進行神經(jīng)網(wǎng)絡乘積累加運算（Multiply Accumulate, MAC）并實現(xiàn)了全連接神經(jīng)網(wǎng)絡的第一層映射。使用引入缺陷態(tài)的MoS₂晶體管，借助其隨時間變化的激活和抑制特性，可實現(xiàn)不同光強下的動態(tài)視覺適應性二維半導體材料具有可調(diào)諧的電學和光學特性且可異構集成，在實現(xiàn)智能視覺傳感器方面具有優(yōu)勢。美國華盛頓大學研究團隊通過對黑磷光電晶體管柵極電介質(zhì)層中存儲的電荷進行電學和光學控制，調(diào)整電導率和響應度，從而實現(xiàn)傳感器內(nèi)卷積神經(jīng)網(wǎng)絡。華中科技大學和南京大學的團隊利用PdSe₂和MoTe₂二維異質(zhì)結的柵控和光響應等特性，在器件層面實現(xiàn)了寬光譜圖像的卷積操作。

圖5　人工神經(jīng)網(wǎng)絡光電二極管陣列

自從1990年美國加州理工學院Mead教授首次提出神經(jīng)形態(tài)（Neuromorphic）的概念（即利用大規(guī)模集成電路來模擬生物神經(jīng)系統(tǒng)），神經(jīng)形態(tài)視覺傳感器也逐漸得到發(fā)展。目前報道的神經(jīng)形態(tài)視覺傳感器主要分為2類：①模擬人眼形貌制備仿生傳感器，如仿生眼（圖6）；②基于事件驅(qū)動脈沖神經(jīng)網(wǎng)絡的傳感系統(tǒng)，如清華大學提出的Tianji Ⅱ 芯片。用二維材料搭建感存算系統(tǒng)仍面臨著許多挑戰(zhàn)：①實現(xiàn)低成本、高質(zhì)量、大面積的材料生長；②制備范德華異質(zhì)結構轉移工藝；③新材料器件與硅基電路的連接匹配。

圖6　球形仿生眼三維結構

憶阻器的出現(xiàn)給集成電路芯片的信息存儲和信息處理技術帶來相當大的創(chuàng)新發(fā)展空間。1971年美國加利福尼亞大學伯克利分校蔡紹棠教授基于對稱性考慮提出了關聯(lián)電荷（q）和磁通量（φ）（不同于電阻關聯(lián)電壓V-電流I，電感關聯(lián)電流I-磁通量φ，電容關聯(lián)電壓V-電荷q）的第4種基本電路元件——憶阻器的存在：dφ=M（q）dq，其中M表示憶阻值，與電阻具有共同的物理量綱。M值依賴于曾經(jīng)流經(jīng)該器件的電荷總量，是一種具有電荷記憶功能的非線性電阻。理想的M值僅由q（φ）決定。1976年蔡紹棠提出廣義憶阻器的概念，對憶阻器的內(nèi)涵又進行了拓展，M由系統(tǒng)內(nèi)部狀態(tài)變量x、輸入電流I以及時間t決定，不像電荷控制型理想憶阻器僅由電荷q決定。由于憶阻器純粹從數(shù)學上推導得到，相當長一段時間并未引起重視。2008年惠普實驗室（HP Labs）首次在實驗上演示基于TiO_x的憶阻器，從而激發(fā)起研究界的廣泛興趣。圖7為Web of Science近10年與憶阻器相關的文獻數(shù)量統(tǒng)計，可見其迅猛發(fā)展態(tài)勢。

圖7  2012—2021年與憶阻器相關的文獻數(shù)量（a）和不同學科主題中帶有憶阻器關鍵詞的文獻數(shù)量（b）
（來源：Web of Science）

目前憶阻器大多為基于類似電容的結構：絕緣體或半導體材料被兩端電極包夾。在電極上施加偏壓可引發(fā)器件阻值的2個狀態(tài)：低阻態(tài)（Low Resistance State, LRS）和高阻態(tài)（High Resistance State, HRS）。施加相反方向電場時，電阻值可回到之前狀態(tài)。理想狀態(tài)下這種高—低阻態(tài)切換可重復很多次。在初始階段通常需要施加一個較大電壓（或電流）的“電形成”（Electroforming）步驟使得器件初次形成導電通道，類似神經(jīng)突觸細胞達到一定閾值后釋放神經(jīng)遞質(zhì)，形成神經(jīng)通路，輸出信號；而未形成神經(jīng)通路時則不輸出信號（圖8（a））。

圖8　神經(jīng)信號通路示意圖（a）及4種阻變現(xiàn)象：導電細絲機制（b）、相變機制（c）、鐵電機制（d）、自旋機制（e）

阻變器件的結構和機制大致分為2種類型：一種是導電細絲類型，另一種是界面類型。目前主流結構是基于導電細絲類型的阻變器件，導電細絲阻變切換與金屬或者氧空位導電細絲形成有關（圖8（b））。

基于金屬導電細絲主導的存儲稱為電化學存儲（Electrochemical Memory, ECM），而由氧空位導電細絲主導的存儲稱為價態(tài)變化存儲（Valence Change Memory, VCM）。在金屬電極之間通過電化學氧化—還原可使金屬遷移沉積（如ECM）或者氧空位變化成為氧負離子（如VCM）使導電通路形成或破裂。導電細絲在電極間形成時為低阻態(tài)，斷裂時為高阻態(tài)。界面類型主導的阻變切換一般與功能層/電極界面的物理或化學現(xiàn)象相關。部分材料如Ge_xSb_yTe_z可在電場下發(fā)生非晶態(tài)與晶態(tài)之間的相變，引起阻值變化（圖8（c））。另外，界面類型的阻變器件還包括基于鐵電材料的存儲器，高低阻態(tài)切換發(fā)生在整個電極區(qū)域（圖8（d））。在鐵電隧穿結中，施加電壓下鐵電極性翻轉使得功能層和電極能帶排布發(fā)生非對稱性變化，功能層與電極之間的界面勢壘隨鐵電方向不同提升或降低，量子隧穿電荷被界面勢壘所調(diào)控，產(chǎn)生高低阻態(tài)。而在基于自旋電子的阻變器件中（圖8（e）），固定層和自由層兩者磁矩取向一致時為LRS，取向相反時為HRS。此外，還有界面陷阱態(tài)的電荷伏獲和脫離導致高低阻態(tài)的阻變機制等。

學術界和產(chǎn)業(yè)界針對憶阻器的探索與實用化做出了很多努力，圖9為憶阻器發(fā)展的重要里程碑。研究聚焦于提高器件性能和解決規(guī)模集成的挑戰(zhàn)，包括提高工作速度、提高開關比、提高耐久性和數(shù)據(jù)保持時間以及減小器件的隨機差異。在架構方面，交叉陣列（Crossbar Array）（圖10）結構簡單，可大規(guī)模集成多層陣列，具有可擴展性，是大規(guī)模集成憶阻器的較佳結構，但漏電流和接線電阻是最需要解決的問題。目前解決思路包括設計非線性器件、在存儲單元中增加選擇器、通過系統(tǒng)層面補償讀取電流差異等。

圖9　憶阻器發(fā)展的重要里程碑

圖10　用于憶阻器的交叉陣列架構

由于其能模擬神經(jīng)突觸的可塑性和神經(jīng)元的積累—發(fā)射等行為，憶阻器天然地具有仿生元件的特征。最簡單的人工神經(jīng)網(wǎng)絡是一系列神經(jīng)元由權重突觸連接。每個突觸以各自的權重將信號從前神經(jīng)元傳輸?shù)胶笊窠?jīng)元，進一步地，可以有多個隱藏層。交叉陣列形成的神經(jīng)網(wǎng)絡中，每一個節(jié)點相當于一個突觸，憶阻器的電導起到權重作用，脈沖電壓相當于前突觸輸入的信號，輸出的電流相當于后突觸的信號。這種天然的存算一體架構消除了數(shù)據(jù)從存儲到計算的搬運，有助于打破“馮·諾依曼瓶頸”，提升系統(tǒng)效率和降低功耗；并且可直接實現(xiàn)向量—矩陣乘法運算，具有很強的并行計算能力。仿生神經(jīng)網(wǎng)絡對數(shù)據(jù)保持時間和器件耐久性的要求也可以降低。目前，基于脈沖的尖峰神經(jīng)網(wǎng)絡（Spiking Neural Networks, SNN）已經(jīng)發(fā)展起來。由于和生物神經(jīng)系統(tǒng)的高度相似性，在SNN中使用尖峰脈沖被認為是實現(xiàn)低能耗計算的關鍵，基于憶阻器有可能發(fā)展出全新的“尖峰電子學”，實現(xiàn)高效率、低功耗的數(shù)據(jù)傳輸和處理。憶阻器的未來研究有以下3個方向。

1）基于材料工程的高性能憶阻器

二維材料具有原子級厚度，可保證載流子擴散短距離，使快速且低功耗的阻變切換成為可能。研究表明采用基于二維材料的憶阻器所制備的神經(jīng)突觸功耗可達到飛焦/每脈沖的量級。原子級厚度也提供了器件縮微的良好機會。Hus等展示了原子級厚度MoS₂單個缺陷尺度上的阻變現(xiàn)象，并稱之為Atomristor?；趯娱g范德華力的堆垛可將不同功能層集成到同一結構體系中，并構建高密集交叉陣列（圖10）。二維材料的高比表面積和平面結構也有利于缺陷工程和導電細絲調(diào)控，形成空間位置確定的導電通道，減小器件性能的隨機性和差異性。由于其超薄厚度和優(yōu)良的力學特性，基于二維材料的憶阻器在柔性可穿戴設備領域也有發(fā)展空間。

2）超低功耗憶阻器

高能效憶阻器是大規(guī)模集成的前提條件，其關鍵性能指標在于降低編程所需的電流和電壓、提高器件耐久性、降低漏電流，以及克服器件—器件和循環(huán)—循環(huán)的統(tǒng)計差異性，在這些方面仍然需要進行深入研究。對于神經(jīng)網(wǎng)絡的訓練，關鍵在于編程和矩陣運算精確性，目前在基于節(jié)點相干性的神經(jīng)網(wǎng)絡加速器方面的研究已取得重要進展。

3）可擴展的憶阻器硬件系統(tǒng)

要實現(xiàn)實用化，器件需要規(guī)?；伞＜夹g路徑有以下幾條。①增加憶阻器網(wǎng)絡中的節(jié)點數(shù)量，這方面需要提升器件的制備工藝集成度。②使用三維架構，交叉陣列在這方面提供一個很好的架構，可以通過多層堆疊方式，增加運算維數(shù)；具有可堆垛性的二維材料和交叉結構的完美結合是很有潛力的方向。③器件多功能化，使單一器件能實現(xiàn)不同功能，如數(shù)據(jù)存儲、運算操作、動態(tài)重構等。④與CMOS技術的融合集成，利用CMOS極高的集成度，在其上實現(xiàn)大規(guī)模的集成憶阻器要求高密度的局部互聯(lián)，這在近期的實驗進展中已被證明是可行的。

如前所述，憶阻器在仿生器件方面的應用也是一個值得深入研究和發(fā)掘的方向。最近的研究成果顯示基于尖峰脈沖的學習方式和生物中的感知現(xiàn)象具有驚人的相似性。目前，仿生器件大多是基于后處理的方式來實現(xiàn)仿生功能的呈現(xiàn)，而未來主要研究方向是通過全硬件或主要通過硬件來模仿人腦的豐富功能。總之，憶阻器在超越馮·諾依曼架構的后摩爾計算系統(tǒng)中已經(jīng)展現(xiàn)出巨大潛力。未來將會在新的功能材料和阻變機制的發(fā)現(xiàn)、超低功耗、高可拓展性、高穩(wěn)定性、高耐久性等方面不斷推進，或許能帶來新一輪的產(chǎn)業(yè)化革命。

近10年來，中央處理器（CPU）、圖形處理器（GPU）、張量處理器（TPU）等處理器在數(shù)據(jù)處理能力方面有大幅提升，推動各種人工智能應用的發(fā)展。但摩爾定律趨于終結及傳統(tǒng)馮·諾依曼架構的瓶頸，使得芯片算力和能耗面臨重大挑戰(zhàn)，實現(xiàn)計算范式創(chuàng)新成為當務之急。神經(jīng)形態(tài)類腦計算芯片將為后摩爾時代芯片通用算力和能效的繼續(xù)提升提供強大的硬件基礎。人腦在許多方面都優(yōu)于馮·諾依曼計算機，例如能效和容錯能力。在生物神經(jīng)系統(tǒng)中，神經(jīng)元作為最基本的計算單元，能有效整合信息并以低功耗運行，而連接神經(jīng)元的突觸則是重要的學習組件，突觸可塑性代表學習和記憶的重要特征。因此，構建高度仿生的人工神經(jīng)元（圖11）和突觸是實現(xiàn)大規(guī)模神經(jīng)形態(tài)硬件和網(wǎng)絡的核心問題。由于CMOS晶體管不具有內(nèi)在的生物相似性，基于CMOS的神經(jīng)形態(tài)計算體系需要大量的硬件來模擬突觸或神經(jīng)元。以美國國際商業(yè)機器公司（IBM）研發(fā)的TrueNorth為例，該芯片集成了54億個晶體管來模仿100萬個神經(jīng)元和2.56億個非可塑性突觸，而可塑性突觸的模擬則需要消耗更多的晶體管，這極大地增加了硬件成本且不利于實現(xiàn)低功耗。通過新材料和新器件去構建人工神經(jīng)元和突觸是未來的重點研究方向。

圖11　人工神經(jīng)元的構成

神經(jīng)元通過刺激閾下求和來發(fā)放脈沖，最基本的特性就是泄漏積分發(fā)放（Leaky Integrate-and-Fire, LIF）。目前關于人工神經(jīng)元的研究聚焦在模擬LIF特性，憶阻器由于其導電細絲生長與神經(jīng)元膜電位積分具有天然相似性，成為人工神經(jīng)元的首選。新加坡科技設計大學的團隊于2018年提出基于Ag/FeO_x/Pt憶阻器來模擬基本的LIF特性，由于器件具有易失性，因此不需要額外的復位電路和電容、電阻即可模擬神經(jīng)元的自恢復過程；2019年，該團隊進一步提出基于二維材料的易失性憶阻器來實現(xiàn)人工神經(jīng)元，二維材料光滑的界面可形成平面和更加可控的導電細絲，且不受材料厚度的限制。2020年，北京大學研究團隊通過使用非易失性憶阻器和電容、電阻的簡單串聯(lián)構建神經(jīng)元電路，并基于其可拓展性構建簡單的硬件人工神經(jīng)網(wǎng)絡陣列，豐富了人工神經(jīng)元的功能，例如精確重合事件檢測和感受多重映射。此外，還演示了人工神經(jīng)元用于緊湊邏輯運算的能力。一些新材料也被應用于這個領域。2019年，北京大學研究團隊提出使用離子膠作為頂柵介質(zhì)的MoS₂雙柵晶體管，利用離子在電場作用下的遷移和對MoS₂溝道的摻雜作用，實現(xiàn)可控的神經(jīng)元LIF特性。2021年，新加坡科技設計大學研究團隊提出反鐵電場效應晶體管神經(jīng)元，這種神經(jīng)元表現(xiàn)出低功耗、高均勻性和高穩(wěn)定性等優(yōu)點。

人工突觸亦是構建神經(jīng)網(wǎng)絡不可或缺的元素，其功能在于通過調(diào)整突觸權重來模擬生物體內(nèi)相應行為，例如突觸后電流（Postsynaptic Current, PSC）， 配對脈沖促進 （Paired-Pulse Facilitation, PPF）和尖峰時間依賴可塑性（Spike-Timing-Dependent Plasticity, STDP）等。目前人工突觸的研究路線包括：①對新材料體系、新物理機理和新器件結構的研究，實現(xiàn)單點器件性能突破；②借鑒模仿生物本身，使突觸進一步功能化以進行復雜的學習任務；③面向大規(guī)模陣列集成，與人工神經(jīng)元結合實現(xiàn)神經(jīng)網(wǎng)絡。

目前可用于人工突觸的材料體系和器件結構種類繁多，包括二維材料、相變材料、離子膠材料以及基于這些材料的晶體管、憶阻器以及閾值開關器件等。圖12總結了目前人工突觸器件的工作機理分類。韓國成均館大學研究團隊于2018首次提出利用O₂等離子轟擊過的六方氮化硼（h-BN）作為載流子捕獲位點，實現(xiàn)了接近線性的權重更新，同時提供大量穩(wěn)定電導狀態(tài)的人工光電突觸器件。這種線性權重更新的突觸可應用于人工神經(jīng)網(wǎng)絡，更快且更準確地實現(xiàn)模式識別。美國密歇根大學研究團隊于2019年提出通過用電場控制MoS₂中注入Li⁺的局部遷移以控制MoS₂的2H-1T'的可逆相變，實現(xiàn)優(yōu)異憶阻行為的人工突觸。二維材料本身具有高度各向異性的離子傳輸特性，有利于控制離子傳輸行為。研究者通過多端輸入調(diào)控，進一步實現(xiàn)了生物突觸中觀察到的突觸競爭/合作效應，豐富了人工突觸的功能。此外，利用溶膠—凝膠膜作為柵電極的CMOS晶體管也可模擬神經(jīng)元膜的內(nèi)在可塑性。

圖12　人工突觸器件的工作機理分類

除了簡單地模擬生物突觸的基本功能，拓展單個器件使其功能復雜化對于未來陣列微縮、功耗降低也顯得尤為重要。生物網(wǎng)絡中樹突信息的整合可反映來自不同感覺神經(jīng)元的動作電位輸入之間的時空關系，在多輸入刺激的單點人工突觸中實現(xiàn)樹突信息整合是實現(xiàn)硬件人工神經(jīng)網(wǎng)絡的基礎。南開大學研究團隊利用金屬碳化物納米片制備一種雙輸入人工突觸，實現(xiàn)了樹突整合。該團隊還用上述器件實現(xiàn)了簡單邏輯運算，即在同一器件中同時實現(xiàn)模擬（突觸）/數(shù)字（邏輯）運算，這種多功能人工突觸器件對陣列微縮化具有重要意義。

大規(guī)模神經(jīng)網(wǎng)絡是打破摩爾定律失效僵局的主要途徑之一。清華大學研究團隊于2020年通過實驗演示了一個基于憶阻器的將突觸、樹突和胞體完全集成的完整神經(jīng)網(wǎng)絡。其功耗遠低于傳統(tǒng)集成電路芯片，可精確執(zhí)行數(shù)字識別任務。奧地利維也納科技大學研究團隊于2020年通過實驗證實了利用二維半導體光電二極管陣列來構建一個可同時感應和處理光學圖像的人工神經(jīng)網(wǎng)絡。該團隊用分裂柵分別調(diào)控WSe₂溝道的光響應度，并將其作為突觸權重，實現(xiàn)了圖像分類和識別編碼。

目前人工突觸、神經(jīng)元和硬件網(wǎng)絡的開發(fā)都已取得顯著進展，但神經(jīng)形態(tài)計算仍處于起步階段，在器件和系統(tǒng)層面都存在諸多挑戰(zhàn)需要應對。在器件層面，主要障礙是技術不成熟，嚴重影響陣列的良率、穩(wěn)定性和均勻性。在已經(jīng)報道的人工突觸中，可用于實現(xiàn)大規(guī)模陣列的器件非常有限，大多數(shù)演示都集中在使用單個器件進行概念驗證，忽略了器件陣列的良率和均勻性。在系統(tǒng)層面，經(jīng)由未選擇單元的潛行電流會導致錯誤操作并限制陣列集成度，使得具有自校正功能的器件在大規(guī)模陣列中具有急迫性。雖然仿生突觸和神經(jīng)元已經(jīng)展示了良好的發(fā)展前景，但還有諸多潛能等待發(fā)掘。深入研究開發(fā)多功能、高性能、低能耗的神經(jīng)形態(tài)器件，實現(xiàn)基于人工神經(jīng)網(wǎng)絡硬件的神經(jīng)形態(tài)計算是一項具有很高價值的前沿研究工作。

經(jīng)過近年的飛速發(fā)展，后摩爾器件已經(jīng)呈現(xiàn)一種百花齊放的態(tài)勢。多種新型的邏輯、存儲、感存算、神經(jīng)形態(tài)器件等紛紛出現(xiàn)，使人耳目一新。中國科學家在其中的貢獻有目共睹，部分研究工作達到世界領先水平，尤其在憶阻器件、神經(jīng)形態(tài)器件等領域，無論從論文數(shù)量還是從論文水平來看，都已經(jīng)在全球?qū)W術界占有一席之地，但是也不可否認在原創(chuàng)性等方面仍然有較大提升空間。下一輪的技術創(chuàng)新進程，將體現(xiàn)在關鍵器件技術的芯片級應用實現(xiàn)上，并將直接影響人工智能等核心科技領域的發(fā)展速度。后摩爾器件的發(fā)展空間相當廣闊，是未來信息科技的制高點之一。應當利用好現(xiàn)有的技術積累，加速推進材料、器件和架構的創(chuàng)新，注重原創(chuàng)概念的提出，推進計算范式的轉換，帶動各個環(huán)節(jié)形成合力使得后摩爾核心器件的科學研究與技術開發(fā)達到先進水平。以下將從3個方面給出中國后摩爾器件領域的前瞻發(fā)展建議。

1）新材料

后摩爾時代對器件要求超高集成度、超低功耗、高穩(wěn)定性，其底層的基礎是材料的發(fā)展。隨著尺寸的縮微，低維材料尤其是適合平面加工的二維材料的重要性凸顯出來。未來需重點探索的方向是具有優(yōu)異性能的新材料，特別是與硅基CMOS工藝可融合的新型材料以及異質(zhì)結（如范德華異質(zhì)結）的開發(fā)，材料的可控、均勻、大規(guī)模的制備，后端兼容的新制備工藝（如低溫制備工藝）及設備的開發(fā)，新材料具有“殺手锏”級應用性質(zhì)的探索發(fā)現(xiàn)，以及新材料在后摩爾器件中應用機理的明晰。這些對于器件的設計、加工與應用都具有重要的意義。

2）新器件

對于感存算一體、器件可重構等發(fā)展方向，高性能且穩(wěn)定的新器件架構至關重要。憶阻器等器件架構可能實現(xiàn)計算/存儲融合，代表著不同于晶體管的發(fā)展路徑。然而憶阻器在重復編程中呈現(xiàn)器件內(nèi)的性能隨機波動和器件間的不一致以及嚴重的電流泄漏路徑等問題，制約了大規(guī)模憶阻陣列的性能和適用范圍。探索不同于目前的1D1R（1 Diode-1 Resistor）、1T1R（1 Transistor-1 Resistor）、1S1R（1 Selector-1 Resistor）等解決方案或者不同于憶阻器的新型器件架構，對于解決電路復雜度高、器件間兼容性等問題具有重大意義。另外，更多地通過外圍計算控制電路以及系統(tǒng)算法優(yōu)化等方式來實現(xiàn)計算/存儲融合以及各單元間的互連實現(xiàn)新的器件架構也是值得探索的內(nèi)容。

3）新計算范式

突破摩爾定律很大的可能性在于突破傳統(tǒng)布爾二進制運算的新的計算范式。神經(jīng)形態(tài)計算模仿人腦的信息處理機制，具有實現(xiàn)大數(shù)據(jù)、低功耗、高容錯等潛在優(yōu)勢。如何利用憶阻器件與電路等硬件的方式實現(xiàn)神經(jīng)拓撲連接方式并賦予類腦計算的功能，以及如何通過器件間的互連和新的器件架構融合形成高效的神經(jīng)形態(tài)計算路徑，亟須進一步探索。

作為人類科技史上最成功的技術創(chuàng)新歷程之一，由摩爾定律引導的微電子芯片革命已經(jīng)接近終止，而隨之而來的后摩爾時代將由新材料、新器件、新計算范式等創(chuàng)新力量所驅(qū)動，并將以全新的技術路徑來繼續(xù)承載摩爾定律之精神。在新的時代，人們將看到以新一代核心器件驅(qū)動的創(chuàng)新所帶來的多材料異質(zhì)集成、多功能異構集成、存儲-計算融合、傳輸-計算融合、類腦計算等發(fā)展方向，為信息技術的升級換代提供新動力。摩爾定律的終結不是芯片技術創(chuàng)新的終結，而是一個電子學全新時代的開始。