苏科大张程/李阳团队在神经形态分子计算领域取得重要进展
近日，苏州科技大学物理科学与技术学院张程、李阳团队联合中科院苏州纳米所张珽团队、西交利物浦大学赵春团队等多家研究单位，研发新型分子忆阻器，为超低功耗脉冲神经形态计算开辟新路径。相关研究成果以“A Lamellarly Controlled Molecular-Redox-Driven Memristor for Pruned Spiking Neuromorphic Computing”为题，在学术期刊《先进材料》（Advanced Materials）上发表。
神经形态计算作为下一代类脑人工智能的核心发展方向，凭借高频、高速、超低功耗的特性成为研究热点，忆阻器则是构建高效神经网络的基础核心器件。其中，分子忆阻器因结构可调控、机械柔性、低温溶液可加工等优势，在神经形态工程中展现出独特潜力，但金属导电丝（CF）在分子内和分子间的随机迁移，导致器件一致性差、功耗过高等问题，成为制约其大规模应用的关键瓶颈。
为解决上述问题，本研究提出了一种基于双核萘二酰亚胺衍生物的“一体化”分子设计策略（图1）。该分子兼具丰富的活性位点、优异的氧化还原能力、层状有序堆积结构，能够在分子层面实现对金属离子迁移与导电细丝生长的精准调控。通过引入PVDF聚合物形成内置电场，进一步实现了从模拟型到数字型忆阻行为的可重构切换。实验与理论计算共同揭示了该分子通过层间有序通道实现离子定向迁移的机制，为高性能有机忆阻器的设计提供了新思路。
图1. 分子忆阻材料的开发与设计
基于该分子的忆阻器在模拟型突触行为中表现出极低的功耗（90 μJ/μm²）和快速响应（89.7 ns），并成功模拟了短时可塑性、脉冲时间依赖性可塑性等关键突触功能（图2）。
图2. 基于分子忆阻器的低功耗模拟型突触特性
在数字型模式下，器件实现了0.5 V的超低操作电压、98%的高制备良率及超过2.5×10⁵秒的高温保持能力（图3）。构建的15×15忆阻器阵列成功实现了中文字符的实时存储与识别，展示了其在集成化神经形态系统中的应用潜力。
图3. 基于分子忆阻器的低功耗数字型忆阻特性
研究团队进一步提出了一种基于硬件特性的剪枝算法，通过分析突触误差与电压调整，实现对脉冲神经网络中神经元连接的稀疏化。实验表明，在维持识别率超过90%的前提下，神经元连接数量最多可减少92%，显著降低系统级能耗（图4）。该剪枝算法与分子忆阻器的“软-硬”协同设计，不仅提升了计算效率，也为未来实现低功耗、高可扩展性的类脑计算系统提供了可行路径。
图4. 基于分子忆阻器类脑计算的器件架构设计
本研究从分子设计、器件调控到算法优化，系统地构建了面向低功耗脉冲神经计算的技术路径。所提出的“一体化”分子材料与可重构忆阻器架构，为有机分子在神经形态硬件中的应用奠定了基础。未来，该平台有望进一步拓展至柔性电子、三维集成、智能传感等方向，推动类脑计算从器件走向系统级应用。
苏州科技大学为该研究第一完成单位，苏州科技大学张程为论文第一作者，西交利物浦大学王琦男、赵春为共同第一作者，苏州科技大学李阳、中科院苏州纳米所张珽、康黎星、王小伟为共同通讯作者。研究得到了国家杰出青年科学基金（62125112）、国家自然科学基金（62304148, 62301553）等项目的资助。
论文链接：https://doi.org/10.1002/adma.202512521