《Advanced Science》：Artificial Neuron Based on Electrical Anisotropy from WSe2 Field Effect Transistors
编辑推荐：
本文报道了一种基于二维WSe2材料电学各向异性的多终端神经形态器件，通过稳定的六端场效应晶体管（FET）成功实现了轴突-多突触可塑性调控功能。该器件展现出光电协同的树突功能，在人工神经元突触权重调控下实现97%的手写数字识别准确率，并利用WSe2样品的各向异性突触响应实现了机械手手势控制。这项研究为构建人工神经网络提供了新颖的材料平台和电路设计解决方案，标志着处理复杂信号的神经形态电子学发展的重要进展。
1 引言
神经形态计算作为受人脑启发的计算模型，为数据密集型应用提供了更灵活高效的信息处理方式。与传统冯·诺依曼架构相比，该技术能够进行批量并行计算，有望克服计算与存储分离的根本限制。在已开发的策略中，基于二维材料的忆阻器和存储器晶体管阵列有助于创建高性能人工突触，这得益于二维材料的独特特性（如分层结构、机械柔性和形成异质结的能力）以及器件的优异性能。
神经元由树突、胞体和轴突组成，其中树突负责接收其他神经元的信号，胞体处理传入信号并生成回复，轴突将信息传递给后续神经元。人工神经元的基本性能是并行接收和处理多个信号。二维材料的光电各向异性在轴突-多突触结构中发挥重要作用，这种架构允许神经元同时向多个目标传递信息，有助于提高处理效率、适应性和学习能力。
2 结果与讨论
2.1 基于电学各向异性构建人工神经元
选择WSe2构建人工神经元源于其优异的光电特性。采用物理气相沉积（PVD）方法在硅衬底上生长层状WSe2，通过拉曼光谱确认晶体结构。原子力显微镜（AFM）显示材料厚度为2纳米。在WSe2上设计三对间隔60°的银对角电极（E1、E2和E3），构建六端神经组件。转移曲线测试显示WSe2FET具有P型沟道行为，开关电流比大于106。同时明显发现IDS从E1到E2先增加后从E2到E3减少，表明不同方向存在各向异性载流子传输。
电学各向异性源于本征屏蔽层调制的各向异性载流子迁移率，其中硒和钨原子的团簇和附加层可能引起缺陷散射降低电导率，或使WSe2金属化增强电导率。在栅极电压-60伏时，WSe2FET的载流子迁移率各向异性范围为0.16至0.95，这为模拟人工神经元的轴突功能提供了可能性。
2.2 电学树突模拟
通过栅极电压脉冲的极性、宽度和幅度调控突触可塑性。正电压脉冲（V=2伏，W=0.5秒）施加到器件时，P型WSe2沟道中的电流急剧下降，模拟兴奋性突触后电流（EPSC）。负电压脉冲则诱导抑制性突触后电流（IPSC），分别对应生物神经系统的长时程增强（LTP）和长时程抑制（LTD）现象。
通过增加脉冲宽度（0.4至1.6秒）发现，较长脉冲宽度导致较大的EPSC和脉冲终止后延长的保留时间，表明从短时记忆（STM）向长时记忆（LTM）的转变。不同幅度（V=2、5和8伏）的正脉冲应用时，EPSC呈现连续增加，表明通过重复突触前神经元刺激可以逐步加强突触权重。
学习-遗忘-再学习过程进一步证明了学习和记忆体验。在初始学习阶段，应用10个电压脉冲后器件的EPSC从7.5×10-10安培逐渐增加至1.12×10-9安培。停止刺激后EPSC在26秒内衰减，模拟人脑中的学习和后续遗忘过程。再学习阶段，重新施加相同脉冲时，仅需第五个脉冲电流就达到1.12×10-9安培，表明再学习比初始学习过程更高效。
2.3 光学树突模拟
采用光学信号调控人工树突的突触可塑性。405纳米激光脉冲（p=7.2毫瓦/平方厘米，W=2秒）照射时，突触后电流呈现突然增加，随后在移除照射后指数衰减。突触后电流衰减超过95秒，成功实现了通过光学信号调控突触可塑性。
光学剂量依赖的突触可塑性通过改变脉冲宽度和强度进行研究。脉冲宽度从1秒增加至3秒时，EPSC从0.21增加至0.32纳安，表明增强的突触连接性。同时观察到随着脉冲宽度增加，弛豫时间延长，有效模拟了从STM向LTM的转变。不同强度的光学脉冲导致ΔEPSC相应增加，进一步复制了从STM向LTM的转变。
基于光学信号的学习体验也得到证实。初始应用光学脉冲序列（p=7.2毫瓦/平方厘米，W=4秒，Δt=1秒）时，器件的EPSC经过8个光学脉冲从3.6×10-10安培逐渐增加至4.5×10-10安培。光学信号停止后EPSC在163秒内衰减。重新照射相同脉冲序列时，仅需第四个脉冲EPSC就达到4.6×10-10安培，证明加速的再学习能力。
2.4 电信号调控的人工轴突可塑性
通过六端轴突结构实现信息同时传递给多个神经元的功能。相同的正电压脉冲（V=1.5伏，W=0.5秒）施加到背栅时，人工六端轴突结构中诱导出EPSC。虽然所有沟道都表现出兴奋性突触响应，但突触权重变化（ΔW）从E1到E3显著不同，分别为1.2×10-10安培、3.0×10-10安培和1.0×10-10安培，证实了向多个神经元同时传递信息的基本能力。
应用一对连续电压脉冲（V=2伏，W=0.5秒）间隔1.3秒时，第二个突触后电流的幅度高于第一个，成功模拟了配对脉冲易化（PPF）行为。E1、E2和E3的PPF指数分别为77、84和61，表明六端轴突结构具有差异化的记忆保留和信息处理能力。
WSe2基轴突-多突触神经结构能够实现LTP和LTD行为。应用20个正电压脉冲序列（V=1.5伏，W=0.5秒，Δt=0.5秒）后，再应用20个负电压脉冲序列，突触后电流在LTP期间逐渐增加，在LTD期间逐渐减少，有效复制了生物突触系统中观察到的兴奋和抑制行为。
2.5 光信号调控的人工轴突可塑性
单个光学脉冲（p=6.7毫瓦/平方厘米，W=1秒）应用时，突触权重各不相同，E1、E2和E3的ΔW分别为4.5×10-10安培、1.8×10-9安培和3.8×10-10安培，表明具有差异化与其他神经元通信的前景能力。
通过两个连续光学脉冲（p=6.7毫瓦/平方厘米，W=1秒，Δt=0.1秒）和不同脉冲间隔验证并计算了六端人工轴突的PPF行为。通过光学信号从E1到E3的不同PPF指数与神经元生物轴突全方位信息传输一致。
增加脉冲周期导致从LTM向STM的可塑性转变，而增强脉冲强度和宽度则产生增加的保留和存储状态。六端器件对光学信号呈现各向异性响应，与生物轴突-多突触结构中观察到的差异化信息传输一致。
2.6 手写数字识别和手势控制
采用CrossSim交叉模拟器通过模拟在28×28 MNIST数据集上训练的深度神经网络来评估人工树突器件的性能。人工神经网络（ANN）由三层组成：784个神经元的输入层（相当于手写图像中的28×28像素）、300个神经元的隐藏层和10个神经元的输出层（对应数字0-9）。
基于人工轴突的突触权重，识别准确率分别高达95%（E1）、97%（E2）和91%（E3），表明基于各向异性WSe2的系统在多个晶向上表现出一致的高识别能力。
通过光学脉冲应用时，在WSe2器件的三对电极中检测到各向异性突触电流。电流通过跨阻放大器（增益=1010伏/安，带宽=10千赫兹）转换为电压信号，然后通过微控制器（STM32F103C8T6）数字化。数字化信号一方面通过串口传输到计算机进行可视化，另一方面连接到机械手的拇指、食指和小指的舵机。
计算机分析来自WSe2器件三对电极的电压和波形，这是机械手拇指、食指和小指舵机阈值电压的基础。最终，光学脉冲诱导的光电流控制机械手拇指、食指和小指的伸展，手指的弯曲通过移除光学脉冲实现。不同手势通过控制舵机的阈值电压实现，导致手指的伸展和弯曲。
3 结论
采用层状WSe2基于光电特性和电学各向异性模拟人工神经元，其中钨和硒原子的本征屏蔽层诱导各向异性载流子传输。通过光学和电学信号实现神经元的人工树突，并表现出优异的光学记忆性能，单个脉冲的光学衰减超过95秒。通过栅极电压脉冲的极性、宽度、幅度以及光学脉冲的强度、周期和宽度调控突触可塑性和记忆过程，包括LTP、LTD、STM和LTM。
同时，制备并实现了六端WSe2FETs的神经元人工轴突。通过光学和电压脉冲分别成功调控了突触权重和PPF指数对WSe2沟道方向的依赖性。这种多样化的突触可塑性赋予人工轴突差异化的记忆保留和信息处理能力。基于人工轴突的突触权重，实现了手写数字识别准确率95%（E1）、97%（E2）和91%（E3）。最后，通过人工神经元的各向异性输出控制机械手的手势。这些结果不仅为构建模拟神经网络提供了新颖的材料平台和电路设计策略，而且为未来能够在复杂环境中自主决策的智能机器人系统的发展奠定了基础。
4 实验部分
通过PVD方法生长层状WSe2，以WSe2粉末（99.9%）为原料。通过激光直写（Micro Writer ML3）和电子束蒸发（PVD-75）制备六端FETs。通过光学显微镜（Olympus BX43F带CCD相机）和原子力显微镜系统（Dimension Icon）研究WSe2的形貌和厚度。通过微共焦拉曼光谱仪（LABRAM HR EVO）测量拉曼光谱，在室温下用405纳米激发。使用半导体参数分析仪（Keithley 4200A-SCS）配备探针台（Lake Shore CRX-VF）进行电学表征。
