实现类脑人工智能是人类长期以来追求的梦想，模拟神经形态的类脑智能,已成为世界各国竞相角逐的焦点。基于忆阻器的类脑神经形态计算是实现计算与存储一体化融合，进而实现下一代计算机的强有力竞争者。然而，目前忆阻器件的开关参数的弥散性依旧是构筑高效大规模忆阻神经网络的重要挑战。该研究通过在器件中插入整齐排列的量子点，获得了优异的器件的性能：具有阈值电压低、开关电压分布均匀、保持性强、响应时间快和功耗低等优点。该器件能够成功模仿生物突触的学习和计算功能，为器件的小尺寸开发了一种新途径。器件性能的提升为未来人工智能、数据识别、神经仿生、逻辑电路等领域提供了基础。同时，也为解决其他电子器件领域的挑战提供了一种新的技术方法。
我校闫小兵教授课题组长期致力于忆阻器和类脑计算与器件方面的研究，前期相关工作分别在Top期刊《Advanced Functional Materials》[3篇]、《Small》[1篇]、《Nano Research》[1篇]和《Journal of Materials Chemistry C》[4篇]上发表，为该篇文章奠定了坚实的基础。
闫小兵教授与硕士生裴逸菲为论文的共同第一作者,闫小兵教授和复旦大学周鹏教授为本文通讯作者。我校电子信息工程学院联合复旦大学周鹏课题组，中国科学院微电子研究所刘琦课题组和新加坡国立大学Chen Jingsheng课题组共同完成此项研究工作。论文得到了国家自然科学基金面上项目(61674050)和(61874158)；河北省杰出青年基金(A2018201231)；留学人员择优资助(CL201602)的资金支持。
文章链接：https://doi.org/10.1002/adma.201805284
（电子信息工程学院 供稿）
