台式无掩膜光刻机助力 Nature Electronics： 基于单层 MoS₂ 的类脑仿生神经元，实现内在可塑性！

近日，复旦大学周鹏教授、包文中教授以及香港理工大学柴扬院士团队，利用台式无掩膜直写光刻系统- MicroWriter ML3，成功开发出一种基于单层二硫化钼（MoS₂）的仿生人工新型神经元模块，不仅能像人眼一样适应明暗变化，还能通过调节自身兴奋度来学习识别图像。相关成果以“A biologically inspired artificial neuron with intrinsic plasticity based on monolayer molybdenum disulfide”为题发表在《Nature Electronics》上。

【引言】

随着测量场景复杂度与数据量的不断增长，边缘智能硬件在速度与功耗方面面临严峻挑战。相比之下，生物神经系统在感知和识别复杂环境时展现出更高的效率和更低的能耗，远超现有人工视觉系统。基于这一启发，复旦大学团队研发了一种人工神经元模块，通过将基于晶圆级单层二硫化钼薄膜的动态随机存取存储器（DRAM）与反相器相结合，成功构建了整合-发放（IF）神经元。该模块创新性地通过调节 DRAM 电容中的电压（模拟神经元膜电位），实现了内在可塑性的模拟；同时，借助二硫化钼优异的光电器件特性，能够动态调整光灵敏度，，精 准再现人类视觉系统的明适应（强光）与暗适应（弱光）功能。研究团队进一步制备出 3×3 光感受器神经元阵列，验证了其光编码与视觉适应能力，并基于该模块构建生物启发神经网络模型，成功实现图像识别，大幅简化了硬件电路与处理算法需求。  

在这项突破性研究中，台式无掩膜直写光刻系统 MicroWriter ML3 发挥了关键作用，该系统在器件制备的核心环节提供了有力支撑：依托高精 准虚拟掩膜对准技术，不受样品尺寸和形状限制，能在蓝宝石衬底上生长的单层二硫化钼薄膜上实现亚微米级精度的电极图形化加工（最高可达400nm），为后续电极沉积与沟道刻蚀等工艺提供了精确的图形基准，从而直接保障了器件性能的一致性与稳定性。与此同时，MicroWriter ML3 具备紧凑化设计，融合多种加工分辨率，可自动切换实现组合曝光；双光源配置支持不同直写光源灵活切换，适配多类型商业光刻胶选择；并配有人性化的人机交互界面，以高效、稳定的加工能力和开放灵活的技术为核心竞争力。不仅满足了单层二硫化钼等新型材料的微纳加工需求，更为该成果成功发表于《Nature Electronics》提供了坚实保障。作为业界公认的主流微纳加工利器，MicroWriter ML3 将继续为前沿科研探索提供强大助力。

小型台式无掩膜直写光刻系统- MicroWriter ML3

【精彩图文展示】

多功能神经元模块设计

a. 人类视网膜中的视觉适应过程和大脑皮层中的特征识别是一种复杂现象。人类视网膜中的光感受器细胞将光刺激编码为电脉冲信号。这些信号经外侧膝状体核中继后传递至视觉皮层。视网膜通过调节视锥细胞和视杆细胞的活动实现视觉适应。颞叶通过突触可塑性和神经元可塑性负责特征的学习与识别。EPSC 指兴奋性突触后电流；IPSC 指抑制性突触后电流。右侧插图：黑色和蓝色曲线分别表示内在可塑性调整前后的脉冲。红色虚线为放电阈值。

b. 突触活动和神经元内在可塑性的机制。神经元可通过增大兴奋性突触后电位（EPSP）幅度、调整放电阈值（Vth）或调整膜电位（VC）的初始值（即静息电位）来促进放电。在我们的神经元电路中，静息电位的调制通过输入信号（VW）实现。

c. 由动态随机存取存储器（DRAM）和基于二硫化钼（MoS₂）晶体管的反相器组成的多功能神经元装置的光学显微图像及电路示意图。T1 为 DRAM 中的存取晶体管；VW 为控制静息电位的输入信号；VS 为 T1 的栅极控制信号。黑色虚线箭头表示 T1 的漏电流，其受 VS 和光强度的共同影响。

d. DRAM 反相器神经元模块执行的整合 - 发放（IF）过程。顶部灰色脉冲和底部红色脉冲分别表示输入至神经元的 VS 的时序和神经元的放电时序。由 VW 设定的初始膜电位因每次 VS 输入导致的 T1 晶体管漏电流而逐渐降低，直至达到放电阈值（Vth）并触发输出。

光感知与首次脉冲时间编码

a. 我们用作光感受器的神经元模块的三维示意图、电路以及带有光刺激的输入信号波形（绿色块和箭头）。
b. 测量过程中输入和输出信号的时序图。入射光功率密度为 55.09 μW cm⁻²。
c. 基于我们的光感受器神经元器件的首次脉冲时间（TTFS）编码演示。
d. 不同光刺激下首次脉冲时间（TTFS）编码的实验测量示意图。
e. 不同光强度和写入电压 VW 下神经元的放电时间。
f. 初始入射光强度的灰度图像（左）和采用我们的首次脉冲时间编码策略以放电时间（tfire）编码的图像（右）。

用于视觉适应和特征识别的生物神经网络电路

a. 用于原位图像处理和脉冲时序依赖可塑性（STDP）学习模拟的完整生物神经网络（BioNN）架构。
b、c. 输入层到隐藏层的初始随机设置的 VW（b）以及经过 500 轮学习后的相应最终状态（c）。
d. 隐藏层到输出层中 VW 的初始状态和最终状态。

【结论】

该研究报道了一种基于 DRAM 反相器结构的整合-发放（IF）神经元模块：该模块通过 DRAM 电容的可调电压模拟膜电位，利用二硫化钼晶体管的可调光电导效应实现光刺激的感知与预处理，采用首次脉冲时间（TTFS）方式对光学信息进行编码，并能够通过调节光灵敏度适应不同光照环境，从而再现明适应与暗适应功能。同时，研究团队制备了 3×3 光感受器神经元阵列，并验证了其光编码与视觉适应能力。

在功能拓展方面，研究人员通过调节神经元静息电位 VW 实现对内在可塑性的模拟，并推导出用于高级信息处理的脉冲时序依赖可塑性（STDP）学习规则。基于实验数据，建立了该模块的光电与电学模型，并在 MATLAB 中构建了生物神经网络（BioNN）仿真，模拟电路的伏安特性。结果表明，该仿真网络能够在 300 轮训练内准确识别 4 个字母。

综上，该研究表明神经元的内在可塑性可用于构建生物神经网络，并为实现生物启发的人工视觉系统提供了一种新的可行方案。