仿制生物大脑进行神经形态计算一直是人类追求的热点问题。随着集成电路技术的发展，直接利用电子器件制造硬件神经网络系统，从而实现神经形态计算功能的设想逐渐进入人们的视线。硬件神经网络系统可以在与生物大脑类似的体积内，以相似的能量消耗，实现类似人脑的思考和计算。一旦发展成熟，这种技术无疑将大大推动信息产业乃至人类科学的进步。但是，凭借现有的电子器件和集成电路技术，在成本、功耗、复杂度等多方面存在着多种挑战。
北京大学信息科学技术学院微纳电子研究院康晋锋教授课题组长期致力于金属氧化物阻变机制与模型、材料选择与制备、阻变器件结构与工艺、操作模式与可靠性、阻变存储阵列等方向的研究。2012年，他们与斯坦福大学合作，利用氧化铪阻变器件中电阻随电压变化的特性实现了类似生物突触的功能，其响应速度比生物突触快100万倍，电路操作过程简单，生产工艺与传统集成电路技术兼容，成本低，有望应用于图像语音识别、大数据分析等复杂性海量信息处理。
近日，康晋锋课题组通过结构与技术创新，在神经突触结构与实现方面取得系列成果。其中，通过结构创新，提出基于三维阻变器件结构的电子神经突触，具有高效神经形态学习能力，其每个单元的体积只有生物突触的1/100000，为实现大规模、高密度、低能耗的神经网络系统提供了与当前半导体工艺兼容的低成本解决方案。该成果与斯坦福大学合作完成，以题为Ultra-low-energy three-Ddimensional oxide-based electronic synapses for implementation of robust high-accuracy neuromorphic computation systems的论文发表于《美国化学会•纳米》，北大高滨博士后为第一作者，康晋锋教授、刘力锋教授为共同通讯作者（ACS Nano, 2014, 8(7): 6998-7004）。
同时，通过技术创新，提出并利用与CMOS工艺完全兼容的技术，制备可实现高密度集成的垂直围栅场效应晶体管与阻变器件组合单元，并成功地在一个器件单元结构中演示了不同的神经元功能，为丰富与优化设计神经网络系统提供了新的技术解决方案。该神经单元结构具有最小单元面积（4F2，F为技术代的特征尺寸）、低于2 nA的操作电流、小于10 ns的开关速度。该项成果与新加坡科技研究局微电子学研究院合作完成，以题为Highly compact (4F2) and well behaved nano-pillar transistor controlled resistive switching cell for neuromorphic system application的论文发表于《自然》出版集团的《科学报告》，北大陈冰博士、新加坡王新朋博士为共同第一作者，康晋锋教授为通讯作者（Scientific Reports, 2014, 4: 6863, doi:10.1038/srep06863）。
上述研究工作得到国家重点基础研究发展规划（“973”计划）、国家自然科学基金和中国博士后科学基金等资助。
