该文档属于类型a，以下是根据要求生成的学术报告：
研究作者与机构
本研究由Sifan Li、Mei-Er Pam、Yesheng Li、Li Chen、Yu-Chieh Chien、Xuanyao Fong、Dongzhi Chi和Kah-Wee Ang共同完成。研究团队来自新加坡国立大学电气与计算机工程系以及新加坡科技研究局材料研究与工程研究所。该研究于2021年发表在《Advanced Materials》期刊上，DOI为10.1002/adma.202103376。
学术背景
随着大数据和人工智能的快速发展，传统的冯·诺依曼架构在功耗和数据传输延迟方面面临巨大挑战。为了解决这些问题，研究人员开始探索新型计算硬件，尤其是基于忆阻器（memristor）的神经形态计算系统。忆阻器被认为是人工突触的关键组件，能够模拟人脑中的神经元和突触网络，从而实现高效的能量利用和并行计算能力。然而，基于过渡金属氧化物（TMO）的忆阻器存在电阻切换比（RS ratio）有限、时间和空间变异性大等问题。因此，研究人员将目光转向了二维材料（2D materials），这类材料具有独特的物理性质和优异的器件性能，例如高RS比、低切换电压和小器件变异性。然而，传统的二维材料忆阻器通常通过机械剥离法制备，这种方法难以控制薄片厚度和空间均匀性，且需要后处理来引入缺陷以形成切换路径，这限制了其在电路和计算硬件中的应用。为了解决这些问题，本研究提出了一种基于晶圆级（wafer-scale）二维硒化铪（HfSe₂）的忆阻器交叉阵列（CBA），用于构建高效的人工神经网络硬件。
研究流程
研究主要包括以下几个步骤：
1. 晶圆级二维硒化铪薄膜的合成
研究团队采用分子束外延（MBE）技术在2英寸的SiO₂/Si晶圆上合成了多晶硒化铪薄膜。通过精确控制硒（Se）和铪（Hf）的束流和衬底温度，实现了均匀的晶圆级生长。利用反射高能电子衍射（RHEED）技术监测薄膜的生长过程，并通过拉曼光谱、X射线衍射（XRD）和X射线光电子能谱（XPS）对薄膜的物理和化学性质进行了表征。结果表明，合成的硒化铪薄膜具有高结晶度和均匀性。
金属辅助范德华转移技术
为了将合成的硒化铪薄膜转移到目标衬底上，研究团队开发了一种金属辅助范德华转移技术。该技术避免了传统的湿法转移过程中引入的水分子和化学残留物，从而减少了薄膜表面的褶皱和气泡。转移过程中，首先在硒化铪薄膜上沉积一层金（Au），然后通过热压和丙酮清洗步骤将薄膜转移到目标衬底上。转移后的薄膜表面粗糙度几乎没有变化，证明了该技术的有效性。
忆阻器的制备与电学表征
研究团队在转移后的硒化铪薄膜上制备了忆阻器交叉阵列，并对其进行了直流电学表征。结果显示，忆阻器具有低切换电压（0.6 V）、低切换能量（0.82 pJ）和高RS比（约100）。通过耐久性测试和保持性测试，证明了器件在循环切换中的稳定性和非易失性。此外，研究团队还通过透射电子显微镜（TEM）和能量色散X射线光谱（EDX）分析了器件的切换机制，发现其依赖于外部电压驱动下形成的金属导电丝。
人工突触与神经网络实现
研究团队利用硒化铪忆阻器模拟了人工突触的长时程增强（LTP）和长时程抑制（LTD）行为，并通过脉冲训练实现了突触权重的可编程性。基于NeuroSim+平台，研究团队模拟了一个全连接感知神经网络，并在MNIST数据集上实现了93.34%的高识别准确率。此外，研究团队还展示了基于忆阻器交叉阵列的硬件乘累加（MAC）操作和卷积图像处理功能，证明了其在神经网络硬件中的潜在应用价值。
主要结果
1. 晶圆级硒化铪薄膜的合成与表征
通过MBE技术成功合成了均匀的多晶硒化铪薄膜，并通过RHEED、拉曼光谱、XRD和XPS等技术验证了其高结晶度和化学组成。
金属辅助范德华转移技术
该技术实现了大面积硒化铪薄膜的清洁转移，转移后的薄膜表面粗糙度几乎没有变化，证明了其在器件制备中的实用性。
忆阻器的电学性能
忆阻器表现出低切换电压、低切换能量和高RS比，耐久性测试和保持性测试证明了其在循环切换中的稳定性。TEM和EDX分析揭示了其基于金属导电丝的切换机制。
人工神经网络实现
基于硒化铪忆阻器的神经网络在MNIST数据集上实现了93.34%的识别准确率，硬件MAC操作的误差分布仅为0.29%，显示了其在高效计算中的潜力。
结论与意义
本研究提出了一种基于晶圆级二维硒化铪的忆阻器交叉阵列，并展示了其在人工神经网络硬件中的应用。通过开发金属辅助范德华转移技术，研究团队实现了大面积硒化铪薄膜的清洁转移，为二维材料在忆阻器中的应用提供了新的解决方案。忆阻器的低切换电压、低能量消耗和高稳定性使其成为高效神经形态计算硬件的理想选择。此外，研究团队通过硬件实现的人工神经网络和卷积图像处理功能，展示了其在人工智能和机器学习领域的潜在应用价值。
研究亮点
1. 晶圆级二维硒化铪薄膜的合成
通过MBE技术实现了均匀的多晶硒化铪薄膜的晶圆级生长，为大规模器件制备奠定了基础。
金属辅助范德华转移技术
该技术避免了传统湿法转移过程中的化学残留和表面褶皱，为二维材料的清洁转移提供了新方法。
低功耗忆阻器
忆阻器表现出低切换电压和低能量消耗，为高效神经形态计算硬件提供了关键组件。
硬件神经网络实现
基于忆阻器交叉阵列的人工神经网络和卷积图像处理功能，展示了其在人工智能领域的广泛应用前景。
其他有价值的内容
研究团队还探讨了忆阻器在卷积神经网络中的应用，通过编程不同的卷积核（如软边缘、垂直边缘和水平边缘增强）实现了图像处理功能，进一步证明了其在硬件加速器中的潜力。
以上是本次研究的详细报告，涵盖了研究的背景、流程、结果、结论及其科学和应用价值。