多级存储忆阻器可在不改变存储单元尺寸的条件下提高数据存储密度，是适配高密度存储需求、提升神经形态计算系统效率的有效解决方案，在未来类脑芯片开发等人工智能领域有重要的应用潜力。然而，目前多数忆阻器主要通过调控限制电流（Icc）获得多个阻态，存在功耗较高、运行速率较慢等问题。如何在同一循环周期内实现多级存储，且在同一器件中集成二级存储与多级存储，依然有很大挑战。
近日，东华大学纤维材料改性国家重点实验室张耀鹏、范苏娜团队报道了一种基于丝素蛋白（SF）与氧化石墨烯（GO）的多阻态忆阻器。利用SF与GO的界面相互作用，可在同一循环周期中实现三阻态，且通过调控Icc可实现二阻态与三阻态的可逆转变。基于该器件构建的人工神经网络对手写数字的识别准确率高达92.3%，且可应用于图像压缩与重建，在神经形态计算领域具备良好的应用潜力。相关研究成果以题为Multilevel resistive switching memristor based on silk fibroin/graphene oxide with image reconstruction functionality 发表于Chemical Engineering Journal。论文第一作者为东华大学硕士刘枢滨，共同通讯作者为东华大学张耀鹏教授和范苏娜副教授，东华大学信息学院韩芳教授、成宇硕士为共同作者。
摘要图：双阻态与三阻态可逆转变的丝素蛋白复合忆阻器示意图
详细内容
图1 SF/GO多阻态忆阻器的制备
（a）制备流程示意图；（b）光学照片；（c-e）忆阻功能层的AFM图（c）、XPS谱图（d）、红外光谱（e）
研究者利用旋涂法构筑了具有三层功能层结构的GO/SF/GO忆阻器（图1），其中功能层的表面粗糙度相对较低，有利于器件的稳定运行。
图2 Icc > 0.01 A时GO/SF/GO忆阻器的电阻切换性能
（a）I-V特性曲线；（b）Vset、Vreset-1和Vreset-2分布；（c）电阻分布；（d-e）电阻累积概率；（f）不同器件的开关电流比；（g）时间保持特性；（h-i）器件存放100天后的I-V特性曲线（h）和工作电压分布（i）
当测试的限制电流（Icc）大于0.01 A时，GO/SF/GO基忆阻器在单一循环周期中具有三个稳定的阻态，即高阻态（HRS）、中间阻态（IRS）和低阻态（LRS）（图1），转变电压VSET、VRESET-1和VRESET-2分别为-3.9 V、2.4 V和4.1 V。该忆阻器在HRS、IRS和LRS的阻值分别约为106、104和102 Ω，各阻态均可稳定保持104 s，且在室温下存放100天后无性能损失。
图3 Icc > 0.01 A时GO/SF/GO忆阻器的神经突触可塑性
（a-b）直流电压下仿生神经突触的学习行为；（c）交流电压下仿生神经突触的增强与抑制作用；（d）双脉冲易化（PPF）效应；（e）PPF指数随两个连续脉冲电压之间的间隔时间的变化；（f）连续脉冲电压下的长程可塑性
在直流电压的持续刺激下，忆阻器的VSET和VRESET逐渐降低（图3），表明在多次学习后器件可在更低阈值电压下实现电阻转变过程，这与神经突触的学习行为相似；在脉冲电压的持续刺激下，可仿生模拟神经突触权重增强和抑制过程。同时，该器件可模拟突触的双脉冲易化（PPF）、长程可塑性（long-term plasticity，LTP）效应，有望用于构建人工突触和大脑启发型记忆器件。
图4 Icc ≤ 0.01 A时GO/SF/GO忆阻器的神经突触可塑性
（a）不同Icc下的I-V特性曲线；（b）Icc = 0.01 A时器件的可重复性；（c）电阻分布；（d）时间保持特性；（e）Vset和Vreset-分布；（h）器件存放100天后的I-V特性曲线
当Icc ≤ 0.01 A时，器件表现出传统的双极性电阻转变行为，ION/IOFF随着Icc的增加而增加（图4），这表明忆阻器可以通过调制Icc在不同的循环周期中实现多阻态。忆阻器的VSET和VRESET分别集中于2 ~ 3 V和-2 ~ -3 V，且在室温下存放100天后能保持稳定的双阻态转变性能。
上述结果证实：GO/SF/GO复合忆阻器首次在同一忆阻器中实现二阻态和三阻态的集成，且可以在两种电阻转变模式间发生可逆转换。同时，该器件不仅具有良好的电阻连续可调性，而且可仿生模拟神经突触的长/短程突触可塑性、双脉冲易化等行为，为其他多级存储忆阻器的发展奠定了基础。该器件的电阻转变机制由SCLC与Pool-Frenkel发射机制共同主导。进一步，基于GO/SF/GO忆阻器构建了三元量化人工神经网络，对手写数字的识别准确率高达92.3%，同时可应用于图像压缩与重建（图5）。
图5 利用GO/SF/GO忆阻器搭建的量化人工神经网络
（a）神经突触与忆阻器的结构对比示意图；（b）执行手写数字识别任务示意图；（c）识别精度；（d）执行图像压缩与重建任务示意图；（e）重建图像结果
此工作得到了国家自然科学基金、上海市科委青年科技启明星项目和基础研究项目、上海市优秀学术带头人项目等项目的资助。特别感谢岛津公司刘仁威博士、崔园园博士和郑瑞工程师在 AFM和 XPS 表征方面提供的帮助。
原文链接：
https://doi.org/10.1016/j.cej.2023.144678
