Nanoscale：与2D电子材料相关！

声明：因水平有限，错误不可避免，或有些信息非最及时，欢迎留言指出。本文仅作生化环材等相关领域介绍; 本文不构成任何投资建议！

研究背景

随着 神经生物学和人工智能领域的发展，科学家们开始关注随机共振（Stochastic Resonance，SR）在神经形态学和硬件实现中的潜在应用。随机共振是指噪声的建设性效应，即通过添加噪声可以部分检测到原本太微弱以至于无法被传感器完全检测到的信号。这个概念最早是由Benzi等人在1980年提出的，并且在医疗保健和生物学等领域得到了广泛应用。在生物学中，随机共振尤其对感觉神经生物学有用，已经用于解释导致动物进化成功的行为。然而，在硬件实现中，尤其是在电子神经元和突触的构建中，实现随机共振的固态微/纳米电子器件是具有挑战性的。传统材料（如金属氧化物、相变材料）制成的非线性记忆电阻器存在可变性和可靠性问题，因此需要对其他潜在的候选记忆电阻材料、器件和系统进行深入研究。

为了解决这一问题，阿卜杜拉国王科技大学（KAUST）物理科学与工程系J. B. Roldán 和M. Lanza在npj 2D Mater Appl期刊发表“Stochastic resonance in 2D materials based memristors”的研究成果。本研究围绕着将随机共振应用于基于二维材料的记忆电阻器的硬件实现展开。研究人员选择了六方氮化硼（h-BN）作为二维材料，这是一种具有绝缘性质的材料。他们通过在设备的偏置信号中引入不同类型的电噪声（如高斯噪声、指数噪声），并通过分析状态转换来清晰地观察到了随机共振现象的存在。通过这种方式，研究人员成功地在基于二维材料的记忆电阻器中实现了随机共振效应。这项研究为神经形态学和硬件实现领域的进一步发展提供了新的方向和可能性，为电子神经元和突触的硬件实现打下了基础 。

图文导读

为了解释随机共振效应，图1中描述了随机共振效应的原理和影响。在图1A中显示了一个亚阈值输入信号，由于系统的特性，它并不产生任何输出（为了获得输出，输入信号必须超过阈值）。这说明了系统的阈值性质。在图1B中，描述了在原始亚阈值输入信号上添加噪声的情况。噪声的添加使得总输入信号（两个信号的总和）越过了阈值，并产生了一些脉冲作为输出信号，如图1C所示。因此，通过添加噪声，可以看到噪声的建设性作用。这些结果的意义在于揭示了噪声对系统的影响，特别是在亚阈值输入信号下。随机共振效应表明，适当的噪声可以提高系统的响应，并产生输出信号，这对于理解神经生物学中噪声的作用以及在硬件实现中利用这种效应具有重要意义 。

图1.  展示了随机共振效应的示意图

为了研究化学气相沉积（CVD）生长和机械剥离的六方氮化硼（h-BN）在电学方面的现象，图2中展示了不同制备方法下的电学特性。在图2a中展示了金属/h-BN/金属结构的三维示意图。图2b是多层CVD生长的h-BN堆的横截面透射电子显微镜（TEM）图像，显示了层状结构。图2c是金属/h-BN/金属记忆电阻器的光学显微镜图像，呈现了器件的布局和结构。图2d展示了几个Au/Ti/h-BN/Au器件的成形曲线，而图2e和f显示了单个器件中的一些非挥发性双极性电阻切换（RS）中的重置和设置曲线。这些曲线显示了器件在施加偏压后电阻的急剧变化，证明了电阻切换是一种非挥发性效应，这对于构建可重写的存储器至关重要。图2g是多层机械剥离的h-BN堆的横截面TEM图像，而图2h是金属/h-BN/金属记忆电阻器的光学显微镜图像。图2i展示了对应于（g）的器件的成形曲线，表明在机械剥离的h-BN中，不会出现电阻切换现象。最后，图2j是在通过材料去除（即形成坑洞）后显示的一个点之后的原子力显微镜（AFM）的拓扑图，显示了不可逆破坏的痕迹。通过这些图像和曲线，作者能够了解不同制备方法下h-BN材料的电学性质。相比之下，机械剥离的h-BN在电学性能上表现不佳，无法实现电阻切换。这些结果对于理解h-BN在电子器件中的应用潜力以及优化制备工艺具有重要意义 。

图2.  展示了化学气相沉积和机械剥离的h-BN中的电学现象

研究者在图3中展示了添加了高斯噪声的输入信号。首先，他们比较了没有噪声和添加了两个不同标准差的高斯噪声的输入电压信号与样本编号的关系。然后，他们测量了相应的不带噪声和带有高斯噪声的输入信号对应的电流。接下来，研究者将Au/Ti/h-BN/Au记忆电阻器置于叠加指数和高斯噪声的RVS序列中，并对器件响应的变化进行了统计研究。为了更好地理解在嘈杂信号下记忆电阻器的响应并评估随机共振的存在，他们改变了噪声源的标准差（σ）的值，范围从50到150 mV，步长为25 mV。此外，图3c和d给出了相应的测得电流，展示了在输入信号中添加了高斯噪声后的电压和电流的变化情况。通过研究这些数据，研究者能够了解噪声对记忆电阻器响应的影响，并评估随机共振效应的存在 。

图3.  展示了添加噪声的输入信号

图4展示了随机共振的描述。通过采用不同类型和数值的噪声，作者假设了一系列的ROFF/RON比值，并绘制了累积分布函数（CDF）以描述RS周期的分布情况：a是指数噪声情况下的CDF，b是高斯噪声情况下的CDF。图c展示了根据噪声标准差（SD）绘制的ROFF/RON比值的中位数。作者检查了每个周期中设备是否切换，并对RHRS、RLRS和RHRS/RLRS比值的值进行了统计分析。此外，考虑到非易失性存储应用的角度，电阻比显示了这类应用的潜在改进。在这方面，使用ROFF/RON比值是有意义的。此外，SR效应还可以提高电阻性存储的容错率，这对于非易失性存储系统是一个有趣的结果。图4c中绘制了中值之比与噪声标准差的图。可以清楚地看到，当SD为80 mV时出现了峰值，突显了SR的存在，因此噪声的建设性作用可以用于存储应用 。

图4. 展示了随机共振的表征

图5显示了功率谱密度。a至d展示了连续设置测量中使用的输入电压的功率谱密度，其中添加了不同标准差的高斯分布噪声。e至h展示了与电压数据对应的电流功率谱密度。作者还计算了图4中显示的相同标准差的这些量的功率谱密度。顶部面板对应于用于连续设置过程的时间序列的输入电压的功率谱密度，而在所有情况下，都存在一个明显的主功率峰。这些主峰对应于噪声的特定频率成分，这些成分与随机共振现象密切相关。功率谱密度的分析提供了对噪声影响的更深入的了解，可以帮助作者理解噪声如何影响电路行为，并揭示了噪声与随机共振之间的关系 。

图5.  功率谱密度分析

结果与展望

本文的科学在于深入探讨了随机共振现象在基于h-BN的记忆电阻器中的存在及其潜在影响。 研究者通过引入不同类型和强度的噪声，从而在噪声背景下系统地研究了这种现象：

1. 理解随机共振现象：论文通过实验证明了h-BN基记忆电阻器在噪声环境下表现出随机共振行为。对于研究生而言，这为他们提供了一个深入理解随机共振现象在纳米电子器件中的体现的机会。

2. 噪声对电子器件的影响：论文探讨了不同类型噪声对记忆电阻器性能的影响，这为研究生提供了一个研究噪声对电子器件的影响以及如何优化设备性能的实用框架。

3. 新型材料的电学性质：h-BN是一种二维材料，具有绝缘特性。研究者通过使用h-BN作为基材料，探索了其在记忆电阻器中的应用。对研究生而言，这启示了他们对新型材料在纳米电子器件中的应用的兴趣和研究方向。