莫尔材料，是通过堆叠二维原子晶体所形成的一类具有新奇强关联和拓扑物性的新型低维量子材料体系。与传统量子材料不同的是，莫尔材料拥有丰富的量子态（例如，关联绝缘体、轨道磁性、界面铁电性等），可被电场、光场、应力场等外场进行调控。这使得莫尔材料不仅成为了物性探索的新型理想平台，而且在莫尔电子器件应用方面展现出巨大的潜力。目前的相关研究主要集中在莫尔材料中新型量子态的探索与调控方面，如何利用莫尔材料的独特量子态与调控规律设计莫尔电子器件是一个广泛关注的议题。面对上述机遇与挑战，南京大学物理学院梁世军、缪峰教授团队联合南京理工大学程斌教授团队，以“原子乐高”的方式搭建了六方氮化硼与双层石墨烯对齐的莫尔超晶格异质结，首次实现了可模拟生物突触短时可塑性与长时可塑性的莫尔突触晶体管（Moiré synaptic transistor）。进一步，合作团队基于莫尔突触晶体管的动力学高度可调谐的特性，提出了能够执行同质架构储备池计算的全莫尔物理神经网络（Full-moiré physical neural network， MPNN ）。该工作为莫尔电子学的未来发展提供了重要思路。相关研究成果以“Moiré synaptic transistor for homogeneous-architecture reservoir computing”（用于同质架构储备池计算的莫尔突触晶体管）为题于北京时间2023年10月12日在线发表在Chinese Physics Letters的Express Letters专栏上（文章链接：iopscience.iop.org/article/10.1088/0256-307X/40/11/117201）。南京大学物理学院缪峰教授、梁世军副教授与南京理工大学理学院程斌教授为论文的共同通讯作者，南京大学物理学院博士生王鹏飞与陈墨雨为论文的共同第一作者。该工作得到了国家优秀青年科学基金、国家自然科学基金重点/面上项目、中科院先导B项目、中央高校基本科研业务费、以及固体微结构物理国家重点实验室、人工微结构科学与技术协同创新中心等的支持。在这项工作中，合作团队首先利用二维材料异质结转移技术人工搭建了基于六方氮化硼封装的双层石墨烯莫尔突触器件，其中由六方氮化硼与石墨烯晶格对齐产生的电场可调的莫尔势场，与生物神经系统中的信号刺激引发的突触可塑性具有一定的相似性（图1a-d）。合作团队发现，由于可调外加电场与莫尔势场的叠加，双层石墨烯的转移特性曲线展现出栅压可控的记忆窗口（图1e-f）。并且，当栅压超过某个阈值电压后，记忆窗口开始出现（图1g），这标志着器件从易失向非易失存储行为的转变。器件的这一可调记忆特性能够被用来模拟生物突触功能。
图1：莫尔突触晶体管。（a）生物神经网络及突触示意图。由神经元所发放的尖峰信号的强度会影响突触后膜电流的变化行为，弱的信号会激发短时可塑性行为(STP)，强的信号会激发长时可塑性行为(LTP)。（b）由六方氮化硼与石墨烯晶格对齐产生的电场可调的莫尔势场示意图。在弱电场作用下，浅莫尔电势对电子分布实现短时调制；在强电场作用下，深莫尔势将电子强烈局域于石墨烯上层，实现长时调制。（c-d）基于莫尔异质结的突触晶体管的结构示意图和光学图。（e）莫尔突触晶体管在±4 V扫描范围下的转移特性曲线。（f）莫尔突触晶体管在±12 V扫描范围下的转移特性曲线，展示出明显的记忆窗口。（g）记忆窗口大小与扫描电压范围的关系。合作团队进一步研究了莫尔突触晶体管在不同外电场刺激下所呈现出的电流响应特性。在强度较低的栅压脉冲刺激下，莫尔突触晶体管的电流增大并在撤去脉冲后的一定时间内，弛豫回初始状态，表现为短时记忆的特性（图2a）。同时，莫尔突触晶体管也能够模拟生物突触的双脉冲异化行为（图2b-c），表现出丰富的突触动态特性。合作团队进一步研究了莫尔突触晶体管对各种外部刺激（不同脉冲幅值、宽度、数量）的动态响应（图2d-f），结果表明莫尔突触晶体管具有稳定、可重复、可分辨的动力学特性，能够有效区分不同的输入信号，从而可用于实现物理储备池计算系统。而在强度较高的栅压脉冲刺激下，莫尔突触晶体管的电导出现了非易失的增强或抑制，实现了从短时可塑性到长时可塑性的行为转变（图3a-b）。同时，合作团队发现，莫尔突触晶体管的电导在脉冲序列作用下可以实现大范围连续调控（图3c），并且具有良好的多态保持特性（图3d），从而可以作为典型的权重器件。
图2：短时可塑性的实验模拟。（a）莫尔突触晶体管对短时记忆行为的模拟。（b-c）莫尔突触晶体管对双脉冲异化行为的模拟及双脉冲异化指数随施加脉冲间隔的变化关系。（d-f）在不同强度的外部刺激下（改变施加脉冲的幅值、宽度、数目），莫尔突触晶体管的动态电流变化展现出可分辨的动力学行为。
图3：长时可塑性的实验模拟。（a-b）莫尔突触晶体管对长时增强和长时抑制行为的模拟，展示出长时记忆特性。（c）莫尔突触晶体管基于脉冲序列作用下的电导连续调控。（d）莫尔突触晶体管中8个电导状态的时间保持特性。每个状态在1000秒内均不会出现明显退化。在此基础上，合作团队提出了用于执行同质架构储备池计算的全莫尔物理神经网络（图4a），其中储备池层和读出层均由高度可调谐的莫尔突触晶体管所构建。作为概念验证演示，合作团队基于实验数据展示了莫尔物理神经网络对MNIST手写数字的识别模拟。在储备池状态读取过程中，基于器件鲁棒的动力学特性，合作团队开发了一种混合采样的模式(图4b-c)，即在不同的储备池节点上配置不同的采样时刻，从而可以实现对更多特征的有效提取（图4d-f）。该工作是石墨烯莫尔材料用于神经形态计算的初次尝试，为莫尔电子学的未来发展开辟了一条重要的技术路线。
图4：全莫尔物理神经网络。（a）用于执行同质架构储备池计算的莫尔物理神经网络的示意图，其包含由同一类的莫尔突触晶体管构建的储备池层和读出层。（b）以施加编码后的“1100”和“0011”时域信息脉冲序列为例，展示了莫尔突触晶体管作为储备池节点对时域信息的处理，其中不同采样时刻读取的电流值可作为储备池状态。（c）两种不同采样时刻下的读出的16种输入序列下的储备池状态分布。（d）读出层训练完成后的权重状态分布。（e）基于不同采样模式获取的储备池状态的训练周期与识别率关系。基于混合采样模式下的识别率可达到90.8%。（f）训练完成后的测试集识别结果。
