引领集成电路产业发展的摩尔定律逐渐接近物理极限，依赖晶体管尺寸缩小的计算芯片研发模式正面临与日俱增的挑战。传统冯？诺依曼计算机因其物理上处理单元与存储单元是分离的，将限制能源效率和处理速度。不同于冯？诺依曼架构的特点，神经形态计算架构试图在存储单元内执行计算，其中的每一个存储单元都具有与突触相似的两端结构，且非线性的I-V特性与离子浓度调控突触重量的动态行为类似。再将高度并行的存储单元组成庞大的阵列或三维堆叠，能够实现模仿人脑的形态架构和认知功能，又称之为类脑计算。 

　　用于模仿人类神经突触行为的电学器件对神经形态计算的发展具有重要意义，其中一种通用范式是基于交叉点阵列的突触器件网络，其基本单元通常为突触晶体管，1-晶体管-1-忆阻器或1-选择器-1-忆阻器等结构。这些交叉点阵列模仿人脑中突触的互连拓扑，可用于实现各种智能算法和认知功能。  

　　为构建1-选择器-1-忆阻器结构，实现感-存-算一体功能，中国科学院上海高等研究院、合肥睿科微电子有限公司、浙江大学、中国科学院强磁场中心以及中国科学院上海硅酸盐研究所等多家合作团队，以在室温附近具有陡峭金属-绝缘体转变的二氧化钒（VO2）薄膜作为研究对象，实现了在红外光/电场下的高/低阻态可逆切换。在此基础上，将高/低阻态的电流-电压参数编程入卷积核中，与输入图像进行卷积运算后所得到的输出图像具有与理论数值超过99%的相似度，实现了精确的图像处理功能。 

　　上述VO2薄膜的金属-绝缘体相变特性，及其对红外光的快速响应、易失特性确保边缘计算中的数据安全性、3D可堆叠的集成潜力，为其在神经形态计算和感-存-算一体器件的应用提供了可能。相关成果以“Phase-transition-induced VO2 Thin Film Infrared Photodetector and Threshold Switching Selector for Optical Neural Network Applications”为题，发表在电子材料领域期刊《Advanced Electronic Materials》（IF=6.593），论文第一作者为周茜博士研究生，李东栋研究员和赵亮博士为论文共同通讯作者。（原文链接：https://onlinelibrary.wiley.com/doi/10.1002/aelm.202001254）。 

　　图1. 交叉点结构TiAu/VO2/TiAu选择器俯视图。底电极（Bottom electrodes, BE）和顶电极（Top electrodes, TE）线宽为5μm，图中比例尺为10μm。

　　图2. TiAu/VO2/TiAu选择器随温度变化的阈值切换行为，随着外界温度升高，激活VO2相变所需焦耳热降低，因此阈值电压呈降低趋势。 

　　图3. 基于VO2器件的光学卷积引擎。(a) VO2 photo-selector模型。(b) 从CIFAR-10数据集中选择的输入要素图，在光学卷积引擎中，输入图转换为不同的电压幅度。(c) 三个具有3×3像素的卷积核。 (d) 卷积神经网络的示意图。 (e) 使用卷积核和输入图进行卷积运算后的理论输出图。 (f) 使用卷积核结合VO2 photo-selector特性进行卷积运算后的输出图。