近日，我校化学与分子工程学院陈彧教授课题组联合上海市智能感知与检测技术重点实验室在有机忆阻器神经形态计算领域取得重要进展，相关成果以“Dual Redox-active Covalent Organic Framework-based Memristors for Highly-efficient Neuromorphic Computing”为题在线发表于国际权威期刊Angewandte Chemie International Edition。
有机忆阻器的发展目标扩展到实现多电导状态，旨在减少阵列中的器件数量，缩短数据写入时间，提高运行速度和效率。实现忆阻器的高精度可编程性，特别是在可用于神经形态计算网络的一致和精确性能方面，不仅需要高质量的活性层薄膜，还需要均匀且有序的材料结构。基于共价有机框架（COF）的有机忆阻器在未来的神经形态计算应用中表现出巨大的潜力。通过适当的分子结构设计和构建模块选择来制备高质量COF纳米片对于增强忆阻器性能至关重要。
图片说明：基于忆阻器构建的卷积神经网络图像识别示意图
针对上述问题，研究团队创新性地设计了一种含有双重氧化还原活性单元的Ta-Cu3 COF。所得的COF纳米片通过酸辅助剥离进行分散，在氧化铟锡（ITO）基板上旋涂制备高质量的COF薄膜。COF薄膜中双氧化还原活性中心的协同效应与其独特的结晶度相结合，显着降低了氧化还原能垒，从而能够有效调制Al/Ta-Cu3 COF/ITO忆阻器中的128个非易失性电导态。基于该忆阻器构建的卷积神经网络成功对足球烯、诺奖中心、图书馆、手性建筑和攀登杯等华理校园标志性建筑的图片实现了识别功能，经过25个训练周期后识别准确率高达95.13%。与双稳态器件相比，具有128种电导态的忆阻器的识别精度提高了45.56%，并显著提高了神经形态计算的效率，降低了运行功耗。
该论文以铁算算盘4905香港为唯一通讯单位，化学学院博士研究生张琼珊为第一作者，通讯作者为上海市智能感知与检测技术重点实验室张斌副教授。论文研究工作得到了陈彧教授和轩福贞教授的悉心指导。此外，该研究工作得到了国家自然科学基金创新群体项目、国家自然科学基金面上项目和上海市科委项目的资助。
原文链接：https://doi.org/10.1002/anie.202413311
