近日，杭州市北京航空航天大学国际创新研究院医工交叉科创中心博士后王开洋在国际顶级期刊《Nano-Micro Letters》（影响因子：31.6）上发表题为“MXene-Ti₃C₂T_x based Neuromorphic Computing: Physical Mechanisms, Performance Enhancement and Cutting-edge Computing”的论文。该论文从微观物理机制、性能优化策略和尖端计算架构三大核心维度，系统的阐述了MXene-Ti₃C₂T_x材料体系下神经形态计算研究的最新进展。医工交叉科创中心首席科学家樊瑜波教授，主任王丽珍教授，河北大学闫小兵教授、南开大学贾芸芳教授为论文共同通讯作者，北航国新院医工交叉科创中心为第一完成单位。

原文链接：https://doi.org/10.1007/s40820-025-01787-0 

背景技术

随着人工智能技术向数据密集化和资源小型化方向演进，传统计算机的冯·诺依曼架构逐渐难以满足海量数据快速处理和低能耗信息传输的要求，成为人工智能领域发展的瓶颈问题。在此背景下，具有存算一体特性的神经形态器件（Neuromorphic device）因其固有的类脑信息处理机制，被公认为是突破"内存墙"瓶颈的关键技术，为人工智能领域带来了新的发展机遇。然而，传统神经形态器件在尺寸微缩、能耗降低和稳定提升方面都遇到了挑战。因此，众多研究人员致力于寻找新的电子材料来减小并增强神经形态器件的尺寸和性能。MXene-Ti₃C₂T_x自2019年首次应用于神经形态器件以来（图1），凭借其独特的层状结构、可调功函数和高载流子迁移率，表现出的优异电学性能和高仿生神经传导效率，这为构建新一代神经形态计算系统提供了理想材料平台。

图1. MXene-Ti3C2Tx神经形态芯片的发展历史

文章内容

本研究对基于MXene-Ti₃C₂T_x的神经形态器件进行了系统性综述，几乎涵盖了该材料体系下所有已发表的研究成果。在微观物理机制方面，本文深入解析了包括电化学金属化（Electrochemical Metallization, ECM）、价态变化存储（Valence Change Memory, VCM）、电子隧穿（Electron Tunneling）以及电荷俘获（Charge Trapping）在内的四种基本物理模型，通过解析其独特的电荷传输特性、表面功能化调控机制及突触可塑性行为，为理解其在神经形态计算中的工作原理提供了理论支撑。针对器件性能提升的关键技术路径，本文探讨了元素掺杂工程、界面工程和结构工程三种主要策略，分别从材料本征电学特性、电极-功能层接触优化以及异质集成架构设计的角度进行了深入研究，这些策略为构建高能效、高可靠性的神经形态计算单元提供了有效的解决方案。在神经形态计算应用方面，重点阐述了MXene-Ti₃C₂T_x材料体系下神经形态计算研究在近传感器计算（Near-Sensor Computing）和传感器内计算（In-Sensor Computing）领域的创新应用，特别是通过构建类脑突触功能的传感-计算融合架构，实现了数据采集与信息处理的全程并行化，为开发低功耗、实时性的神经形态计算系统开辟了新路径。

图2. 基于MXene-Ti₃C₂T_x神经形态器件的研究路线分类，包括性能增强方法、物理机制探索和存内计算。

总结与展望

基于MXene-Ti₃C₂T_x材料体系下神经形态计算研究虽已取得突破性进展，但其产业化进程仍受限于关键性技术瓶颈。材料自身稳定性缺陷与规模化集成工艺的不完善，构成了制约该技术商业转化的主要障碍。当前研究虽在器件集成密度与生物仿真性能方面展现出显著提升趋势，但在实际产业化进程中，大规模制造技术的可靠性及生物系统适配性仍需重点突破。为推进该技术向产业化迈进，后续研究需聚焦于构建稳定的材料体系、开发可扩展的集成工艺以及优化生物相容性等核心问题，通过跨学科协同创新实现技术瓶颈的系统性突破。