第一作者：张翔

通讯作者：李燕

通讯单位：西北师范大学物理与电子工程学院

原文链接：https://doi.org/10.1021/acs.nanolett.5c05639

全文速览

本文报道了一种基于SnNb₂O₆薄膜的电容型忆阻突触器件（Ag/SnNb₂O₆/Mo），并系统展示了其在神经形态计算与癫痫脑电检测中的应用潜力。器件在直流与脉冲激励下同时表现出稳定的双极性阻变行为和显著的类电池电容特征，并在多次循环与长时间保持测试中保持良好稳定性。在单脉冲刺激下，该器件能够产生高度可重复的类泄漏-积分-发放（LIF）型EPSC响应，体现出清晰的时间积分与泄漏动力学。通过调节读出延迟，器件响应可在瞬态和持久态之间连续演化。进一步地，作者将实验获得的LIF型EPSC波形参数化为时间卷积核，并与轻量级1D-CNN结合，在波恩脑电数据集上实现了癫痫相关脑电状态的高精度分类。研究表明，该SnNb₂O₆基电容型忆阻器不仅能够在器件层面模拟神经元关键动力学特征，还可直接参与实际神经信号处理任务。

背景介绍

在神经形态计算中，以简洁硬件结构实现生物神经元的时间积分、自然泄漏和阈值响应，是实现高效类脑计算的关键。泄漏积分发放（LIF）模型因其物理直观性，被广泛用于神经形态算法与电路设计，但其硬件实现通常依赖外接电容、电阻及偏置电路，限制了系统的集成密度和能效。忆阻器因其非易失性和多状态调控能力，被广泛用于人工突触研究，但传统研究多聚焦电阻态切换，对器件中普遍存在的电容效应关注不足。近年来的研究表明，界面极化、离子迁移和电荷积累可引入显著的电容忆阻耦合行为，为时间域信息处理提供了潜在物理基础。然而，这类电容响应如何在器件层面直接映射为神经元LIF动力学，并进一步服务于真实神经信号处理任务，仍缺乏系统研究。SnNb₂O₆作为一种结构稳定、易于支持离子电子协同输运的氧化物材料，为构建兼具阻变与时间动力学特性的忆阻器提供了良好材料基础。

研究出发点

1）探索单一忆阻器件本征呈现 LIF 动力学特征的有效实现路径，旨在降低器件对外接RC网络及复杂辅助电路结构的依赖，简化器件集成与应用成本。

2）系统探究SnNb₂O₆基忆阻器中电容忆阻耦合行为的内在物理起源，明确该耦合效应与时间积分特性、泄漏动力学过程之间的关联与作用机制。

3）将具备时间域动力学响应特性的忆阻器引入癫痫脑电信号处理流程，构建适配的信号检测方案，验证其在实际神经信号精准检测任务中的应用可行性与核心价值。

图文解析

图1 展示了Ag/SnNb₂O₆/Mo电容型忆阻突触器件的结构设计与SnNb₂O₆功能层的材料特性。器件采用典型MIM垂直结构，SnNb₂O₆ 薄膜厚度约210 nm，整体致密平整，元素分布均匀。XRD表明薄膜呈无定形结构，有利于离子迁移与界面极化；XPS结果进一步确认Sn²⁺、Nb⁵⁺价态及表面羟基的存在，为后续电容忆阻耦合行为提供了材料基础。

图1. SnNb₂O₆电容型忆阻突触器件的结构设计与材料特性

图2展示了器件稳定的双极性阻变行为及显著的类电池电容特征。I–V回线呈现非零交叉特性，表明除电阻调制外，还存在明显的电荷积累与释放过程。扫描速率和偏压依赖测试进一步验证了电容效应在器件响应中的重要作用。循环耐久性和保持特性测试表明，该器件在多次切换和长时间工作条件下仍保持稳定性能。

图2.电容-忆阻耦合行为与器件稳定性验证

图3通过对I–V曲线拟合和能带分析，揭示了器件电容忆阻耦合行为的物理起源。结果表明，器件响应主要由SnNb₂O₆/Mo界面处的离子迁移、界面极化及肖特基势垒动态调制共同决定，而非传统导电细丝机制。位移电流在充放电过程中占据重要地位，为后续时间域动力学行为提供了物理基础。

图3.电容型忆阻行为的物理机制分析

图4展示了器件在脉冲刺激下的突触可塑性和本征LIF动力学特征。器件能够实现稳定的LTP/LTD行为，并通过调节脉冲参数实现连续权重调控。在单脉冲刺激下，器件产生高度可重复的EPSC响应，其快速上升、反向放电和缓慢恢复的三阶段特征与典型LIF模型高度一致，表明器件在无需外接电路的情况下即可实现类神经元动力学。

图4. 突触可塑性与本征LIF动力学特征

图5展示了该器件在癫痫脑电检测中的系统级应用。作者将实验获得的LIF型EPSC波形拟合为时间卷积核，对原始EEG信号进行预处理，并与轻量级1DCNN结合。在波恩数据集上，实现了健康、发作期和间歇期脑电信号的有效区分，验证了器件级动力学在真实神经信号处理中的可行性。

图5. 基于LIF动力学的癫痫脑电检测应用

总结与展望

本文系统研究了SnNb₂O₆基电容型忆阻突触器件的电容忆阻耦合行为、本征 LIF动力学特征及其在癫痫脑电检测中的应用潜力。该器件在保持稳定阻变特性的同时，自然呈现时间积分与泄漏行为，为构建紧凑型神经形态单元提供了新的实现思路。在系统层面，器件级LIF动力学可直接服务于真实EEG信号处理任务，展示了良好的应用前景。未来，可通过材料组成调控和界面工程进一步优化器件动力学参数，并探索多器件阵列集成，以推动电容型忆阻器在更复杂类脑计算任务中的应用。

课题组介绍

李燕教授课题组主页：https://wdxy.nwnu.edu.cn/2013/0305/c8168a111114/page.htm

原文信息

SnNb₂O₆-Based Capacitive Memristive Synapses with Intrinsic LIF Dynamics for Neuromorphic Epilepsy Detection

Xiang Zhang, Lin Ge, Siyuan Li, Hao Sun, Fengxia Yang, Zongjie Zhan, Xiaofei Dong, Jianbiao Chen, Xuqiang Zhang, Jiangtao Chen, Yun Zhao, and Yan Li

Nano Letters Article DOI: 10.1021/acs.nanolett.5c05639