近期，郑立梅教授团队在铁电隧道结人工神经突触及其人工神经形态计算应用研究中取得新进展，相关成果发表在Advanced Materials期刊上。

大脑具有强大的信息处理能力，包括多种模式信息的感知、处理及时间、空间信息相关的学习能力等。这些功能的实现，依赖于多样化的突触可塑性机制。其中，长时程突触可塑性被认为是学习和记忆的基础，而短时程突触可塑性则有助于时序信息的处理和适应性行为的产生。突触可塑性在多个时间尺度上的共存，赋予了生物神经系统强大的适应性。在人工突触器件的设计中，如何将长时和短时可塑性有效地整合到同一器件中，并通过它们的相互作用实现自适应长时可塑性，对模拟视觉皮层的时空学习功能具有重要意义。

近日，郑立梅教授团队成功研发了一种具有高度生物拟真性的铁电隧道结的人工神经突触器件，该器件结合氧空位迁移和铁电极化翻转两种阻变机制，在单一器件中同时实现了具有双向弛豫特性的短期可塑性和具有自适应特性的长时可塑性。基于该器件的双向弛豫特性，通过不同极性的电压对视觉和听觉感官信息进行编码，成功实现了语音和图片两种信息模式的识别任务；基于该器件独特的自适应长期可塑性，成功模拟了视觉皮层的方位识别和运动检测功能。该研究成果以“An Adaptive Solid-state Synapse with Bi-directional Relaxation for Multimodal Recognition and Spatio-temporal Learning”为题发表在《Advanced Materials》期刊上。我院郑立梅教授为论文通讯作者，硕士研究生聂仿为论文第一作者。齐鲁工业大学赵乐博士、英国巴斯大学Alain Nogaret教授、颜世申教授为共同通讯作者，哈尔滨工业大学博士研究生房红和王杰为共同第一作者。我院为第一论文单位。

图1. 基于铁电隧道结忆阻器实现多模式识别和时空学习

论文链接：https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.202412006