基于Nb2O5 Mott绝缘体的可扩展类神经器件

文章链接：https://www.nature.com/articles/nmat3510

神经元中的信号转导在很大程度上是由钠和钾离子通道介导的，这些通道动态地允许或阻止极化电流通过细胞膜充放电。如果一个细胞体的树突输入充分极化，离子通道会显著改变电导，触发沿轴突传导的电压脉冲或动作电位。长期以来，这种全有或全无（all-or-nothing）的脉冲在生物学中被认为最基本的计算过程。尽管神经元的生物化学细节实际上复杂得多，人工神经元网络长期以来一直通过模仿Hodgkin–Huxley模型来近似这种脉冲行为，该模型将两个离子通道抽象为包含四个状态变量的耦合微分方程。从电路理论的角度来看，Hodgkin-Huxley模型的Na和K离子通道在数学上等同于两个不同的忆阻器，它们产生动作电位的能力与两个重要特性有关:局部活性和混沌边缘。具有电流控制的负微分电阻性质的Mott绝缘体，如NbO2，在用于两端器件中时，经常被称为阈值开关。这种现象是由可逆的金属-绝缘体相变引起的。当有足够的电流通过该装置，使部分材料局部升温超过其转变温度时，就会发生这种相变，从而在该装置中产生一个连接两个电极的导电通道。由于注入足够的能量到这些装置加热材料到其导电状态需要一段可测量的时间，它们是具有阻力的动力系统，阻力取决于激发历史。考虑到这些器件的迟滞特性和纯耗散性质，经典忆阻器形式主义是描述其行为的正确数学框架。Mott忆阻器和Hodgkin-Huxley离子通道在功能上相似的动态电阻行为表明，前者可以作为类神经器件(而不是精确的复制物)来模拟轴突动作电位。

关于生物轴突动作电位产生的Hodgkin–Huxley模型对于理解神经系统的计算能力和模拟其功能是至关重要的。由于CMOS的成功，基于尖峰的计算主要局限于软件模拟和专门的模拟金属-氧化物-半导体场效应晶体管电路。然而，人们对构建更直接模拟生物功能的物理系统感兴趣，其目标是提高效率和规模。neuristor是一种具有类似于Hodgkin-Huxley轴突的特性的电子设备，但之前的实现是不可扩展的。在这里，我们展示了一个使用两个纳米级Mott忆阻器构建的类神经器件，这些动态器件表现出了瞬态记忆和由焦耳热驱动的金属-绝缘体相变产生的负微分电阻。而类神经器件表现出全有或全无脉冲的重要神经功能，包括信号增益和不同的周期性尖峰，使用的材料和结构可适应带有或不带有高密度集成的硅基晶体管。

The Hodgkin–Huxley model for action potential generation in biological axons is central for understanding the computational capability of the nervous system and emulating its functionality. Owing to the historical success of silicon complementary metal-oxide-semiconductors, spike-based computing is primarily confined to software simulations and specialized analogue metal–oxide–semiconductor field-effect transistor circuits. However, there is interest in constructing physical systems that emulate biological functionality more directly, with the goal of improving efficiency and scale. The neuristor was proposed as an electronic device with properties similar to the Hodgkin–Huxley axon, but previous implementations were not scalable. Here we demonstrate a neuristor built using two nanoscale Mott memristors, dynamical devices that exhibit transient memory and negative differential resistance arising from an insulating-to-conducting phase transition driven by Joule heating. This neuristor exhibits the important neural functions of all-or-nothing spiking with signal gain and diverse periodic spiking, using materials and structures that are amenable to extremely high-density integration with or without silicon transistors.