近日，中国科学院东莞材料科学与技术研究所/松山湖材料实验室研究员梁齐杰团队与中山大学教授侯仰龙团队合作，提出一种基于二维范德华异质结构（h-BN/MoS₂/h-BN）的可重构激活神经元器件。该器件通过创新的栅极-漏极重叠（GDO）设计，在单个器件内同时实现了模拟激活函数与数字逻辑运算功能，为神经网络硬件提供了新型数模混合处理架构。相关成果发表于《纳米快报》（Nano Letters）。

可重构二维激活神经元器件。(a)-(b) 生物大脑和神经元结构的示意图。(c) 具有突触和激活神经元的神经网络硬件实现。(d) 二维激活神经元的示意图。(e) hBN/MoS₂/hBN异质结的透射电子显微镜图像及其对应的EDS分析结果。(f) 模拟Softplus激活函数的输出电流曲线。(g) 不同激活神经元性能的对比。研究团队供图

随着人工智能向边缘计算终端延伸，神经网络硬件对高能效、高集成度的需求日益迫切。激活函数作为神经网络的核心组件，目前仍主要依赖互补金属氧化物半导体（CMOS）外围电路实现，不仅占用额外芯片面积、增加功耗，还带来频繁的数据转换与搬运开销，成为制约类脑芯片发展的关键瓶颈之一。如何在器件层面直接完成非线性激活，并兼顾数字逻辑处理能力，是该领域的重要科学问题。

研究团队利用二维材料构建了h-BN/MoS₂/h-BN异质结器件，并创新性地引入栅极-漏极重叠结构。该设计在漏端形成可调控的同质结，通过顶栅、底栅与漏极偏压的协同调制，激发带间隧穿（BTBT）效应，从而实现对亚阈值摆幅和阈值电压的动态重构。这一机制使得器件输出特性自然逼近Softplus激活函数，满足神经网络对连续可导、梯度稳定的要求。结合能带分析、TCAD数值模拟及解析模型，团队系统揭示了BTBT主导非线性激活的物理本质，实现了器件设计与理论模型的相互印证。为证实GDO结构的关键作用，团队制备了底部重叠栅和传统双栅对照器件。结果显示，对照器件无法实现亚阈值摆幅与阈值电压的协同调控，难以稳定拟合Softplus函数，在训练中易出现梯度爆炸或梯度消失问题。而GDO器件可精确调控BTBT过程，为可重构非线性激活提供了结构保障。

得益于二维材料优异的栅控能力及GDO结构设计，该器件展现出极低的漏电功耗（低至10 pW），较传统模拟CMOS方案降低约九个数量级；单次运行能耗仅为19.31 pJ。同时，该器件可与多种二维突触器件稳定集成，无需改变神经元结构即可完成激活处理，具备良好的通用性和兼容性。在神经网络测试中，该器件拟合的Softplus激活函数被应用于LeNet-5卷积神经网络和多层感知机，图像分类准确率分别达到98.84%和98.26%，验证了其在实际训练中的有效性和稳定性。

除模拟激活外，该器件还可通过双栅协同调控执行OR逻辑等数字运算，在同一单元内实现数字逻辑与模拟激活的动态切换，构建数模混合处理模式。基于此特性，团队搭建了由7个二维激活神经元组成的硬件图像边缘检测系统，成功完成数字图像到模拟信号的转换及边缘增强处理，展示了其在边缘智能、存算一体和类脑计算等领域的广阔应用前景。

相关论文信息：https://doi.org/10.1021/acs.nanolett.6c02085