研究者使用直接激光写入(DLW)方法制备了基于Pt/GO/rGO结构的横向忆阻器，该结构具有超低功耗(200 nW)，成功模拟了突触STM特性，采用5×1的记忆阵列作为RC系统的存储部分结合5×10单层神经网络，实现了95.74%的数字识别准确率。相关成果发表于《国家科学进展》（National Science Open, NSO），并将收录于“新型光电子器件”专题，上海理工大学光子芯片研究院陈敏为论文第一作者，上海理工大学光子芯片研究院院长顾敏院士、副院长张启明教授为共同通讯作者。
基于冯·诺依曼体系结构设计的计算机在物理上分离了中央处理器(CPU)和内存，CPU的吞吐率受到极大限制，随着时间的推移会形成“存储墙”，人工智能(AI)领域往往伴随大量的多任务数据处理，计算效率和功耗已经成为非常重要的问题。忆阻器是一种很有前途的新型电子突触器件，可用于神经形态计算。目前，制造结构更简单、制造更便捷、能耗更低的忆阻器，是研究者追求的目标。
现在计算架构的弊端 (a) 算力和需求随年份变化曲线图，(b) CPU与存储器之间的存储墙
为解决这个问题，作者提出并制备了一种基于Pt/GO/rGO的忆阻器结构，该结构可以很好的模拟突触的STM特性，并具有实现灵活、集成度高、低功耗等优点。
制备与表征
研究者在一块滴注法制备的氧化石墨烯薄膜上，使用飞秒激光诱导氧化石墨烯发生光热反应和光化学反应形成的还原氧化石墨烯作为器件的一个电极，再利用磁控溅射制备一层50 nm厚的Pt电极，两个电极之间的氧化石墨烯宽度为60 um。
通过AFM，拉曼光谱，XPS等表征，可以看到激光照射后的氧化石墨烯发生原子结构重排及样品中碳、氧原子比重的变化。DLW写入是一种低成本、省时、无掩模的制造工艺，可以同时实现还原氧化石墨烯的直接形成和模式化。
GO和rGO的结构特征。（A）DLW在16 mW激光功率下启用的GO和rGO的SEM图像；（B）一个rGO和GO边缘的AFM图像和线条轮廓；（C）激光还原前后从GO膜获得的拉曼光谱不同的激光功率；（D）GO样品XPS光谱中的C 1s峰；（E）rGO样品的XPS光谱中的C 1s峰
性能测试与突触模拟
对器件进行直流 I-V 测试的结果显示，Pt/GO/rGO 横向结构忆阻器工作电流在纳安级别，相较于同类型的横向结构忆阻器，有效地降低了器件的工作电流。由于 GO 作为有源层的特性，与具有相同横向结构的忆阻器相比，该器件具有 200 nW 的超低功耗。
另外，通过一系列脉冲电压测试，该装置成功模拟了生物突触的特性，实现了突触可塑性（STM）。调节脉冲数量、振幅、占空比等参数，还可以对突触权重进行调节。器件的突触可模拟性能为实现仿生神经形态计算系统的硬件平台奠定了基础。
Pt/GO/rGO忆阻器的电气性能。（A）Pt/GO/rGO忆阻器的电阻开关行为；（B）Pt/GO/rGO忆阻器在不同电流顺应性下的开关行为；（C）脉冲开关特性。电脉冲（8 V，50 μs），间隔1 μs。（D）通过不同脉冲占空比调制开关特性；（E）调制不同脉冲数的开关特性；（F）通过不同脉冲幅度调制开关特性。
忆阻器阵列，用于储层计算
研究者通过 DLW 技术，高效、便捷地制备了 5×1 的忆阻器阵列，将其作为储层计算(RC)的储备池部分，应用于RC系统进行数字识别，结合5×10单层神经网络，将忆阻器阵列中的最终电导率值作为输入，将代表图像预测数的10个值(0-9)作为输出，经过50次训练迭代，RC系统对原始图像的识别准确率可达95.74%。相比FNN，RC系统的读出层要简单得多，对于手写的复杂数字图像，也可以通过分割图片中不同像素来进行脉冲序列输入。
Pt/GO/rGO忆阻阵列在储备池计算中的应用。（A）忆阻阵列演示图。（B）显微镜下的忆阻阵列图像。（C）基于Pt/GO/rGO记忆电阻器的RC操作示意图，用于对数字进行分类。（D）通过几个电气输入信号实验读取忆阻器的电流响应。读取脉冲的振幅和宽度为相应地为8 V和500 μs。（E）使用标准批量梯度下降法在50以内的分类准确率的演变时代
这种新型的忆阻器及其阵列可以很好地应用于可穿戴设备、数控硬件平台，以及未来其他碳基设备的集成，为人工突触的低能耗批量生产提供了一种简单、低成本的制备方法，极大地促进神经网络计算硬件平台的发展。
Direct laser writing of graphene oxide for ultra-low power consumption memristors in reservoir computing for digital recognition
https://doi.org/10.1360/nso/20220020
本文来自中国科学杂志社，本文观点不代表石墨烯网立场，转载请联系原作者。
