类型a：
华东师范大学极地材料与器件教育部重点实验室的Bobo Tian、Lan Liu、Mengge Yan、Jianlu Wang等团队，联合中国科学院上海技术物理研究所红外物理国家重点实验室、法国巴黎萨克雷大学等多家机构，于2018年在《Advanced Electronic Materials》期刊发表了题为“A Robust Artificial Synapse Based on Organic Ferroelectric Polymer”的研究论文。该研究开发了一种基于有机铁电聚合物（P(VDF-TrFE)）的三端忆阻器，成功模拟了生物突触的功能，并展现出超低能耗和高耐久性，为类脑计算硬件提供了新思路。
学术背景
传统冯·诺依曼架构计算机因CPU与存储器间的数据频繁传输面临性能瓶颈，尤其在图像识别、自然语言处理等数据密集型任务中能耗问题突出。生物大脑的并行低功耗处理能力为这一难题提供了启发，而忆阻器（memristor）因其历史依赖的电阻特性被视为模拟神经元和突触功能的理想器件。然而，主流忆阻器（如基于金属氧化物导电细丝形成机制或相变材料的器件）存在写入噪声大、电阻突变、随机性强等问题，阻碍了大规模神经网络的实现。铁电材料因其自发极化可被电场调控的特性，被认为是解决上述问题的潜在方案。此前，基于无机铁电材料（如PZT）的突触器件虽能实现部分功能，但受限于复杂的制备工艺或电气选择器的引入。本研究提出利用有机铁电聚合物P(VDF-TrFE)作为栅极绝缘层，结合二维材料MoS₂通道，构建高性能有机铁电突触器件。
研究流程
器件设计与制备：
- 通过机械剥离法获得三层MoS₂薄膜，沉积于SiO₂/Si衬底上，并采用光刻剥离工艺制备Cr/Au电极。
- 将P(VDF-TrFE)（70:30摩尔比）溶解于碳酸二乙酯，旋涂于MoS₂表面，经135℃退火4小时以提升结晶度。
- 最后通过热蒸发沉积铝栅电极，器件通道面积约为5×5 μm²。
电学性能表征：
- 使用Keithley 4200A-SCS参数分析仪测量器件电导与栅极电压的关系。通过施加不同幅度（±20 V）和宽度（1 ms至5 ms）的脉冲，调控通道电导状态。
- 实时极化-电导关联分析：采用脉冲瞬态电流法（pulse transient current method），同步记录栅极电流和通道电导动态变化，揭示铁电极化翻转与电导调制的直接关联。
突触功能模拟：
- 长时程增强/抑制（LTP/LTD）：通过正/负电压脉冲序列（如+6 V/-15 V，5 ms）实现电导的连续渐变调控，获得超过1000个中间态，开关比达10⁴。
- 时序依赖可塑性（STDP）：设计预突触与后突触神经元脉冲波形（矩形脉冲+反向斜率），通过脉冲时序差（δt）调控电导变化，符合Hebbian学习规则。
主要结果
- 极化动力学主导的忆阻行为：电导切换与铁电畴翻转的实时关联实验表明，MoS₂通道的电导变化由P(VDF-TrFE)极化动力学控制。通过Kolmogorov-Avrami-Ishibashi（KAI）模型拟合极化翻转过程，发现其遵循压缩指数函数（n=0.4–0.7），而回退切换（back-switching）过程符合拉伸指数函数（n=0.11–0.16），解释了电导状态的稳定性。
- 超低能耗与高耐久性：单次突触操作能耗低于1飞焦（fj），优于生物突触水平；器件在10⁷次极化翻转循环后仍保持稳定电导调控能力，预计寿命可达10⁹次操作（以10 Hz频率工作10年）。
- 多功能突触模拟：成功实现LTP/LTD的连续权重更新和STDP的时序学习规则，验证了器件在类脑算法中的适用性。
结论与意义
该研究通过有机铁电晶体管实现了纯电控极化动力学调控的忆阻行为，克服了传统忆阻器的随机性问题，为构建高均匀性、低能耗的大规模神经形态架构提供了新途径。其科学价值在于揭示了有机铁电材料在神经形态计算中的独特优势，应用潜力涵盖实时图像处理、低功耗AI芯片等领域。
研究亮点
- 创新器件结构：首次将P(VDF-TrFE)与MoS₂结合，利用三端器件实现处理与存储功能一体化，简化学习算法。
- 机理深度解析：通过原位实时关联实验，明确电导调制源于铁电畴动力学，为器件优化提供理论依据。
- 性能突破：超低能耗（ fj）与高耐久性（10⁹次操作）指标达到类脑硬件应用要求。
其他价值
该工作为有机铁电材料在神经形态工程中的应用开辟了新方向，后续可探索器件阵列集成及复杂学习任务（如模式识别）的实现。