Scholay

学术搜索 · AI 审稿 · LaTeX 协作

Nature Communications：AgBiS2 人工突触用光色分别控制“记住”和“遗忘”，神经形态硬件多了一条稳态学习路线

顶级刊物论文速递 · 发布 2026-06-19T20:56:00+08:00 · 更新 2026-06-19T21:03:13+08:00

核心结论

成均馆大学团队在 Nature Communications 发表 AgBiS2 异质结构人工突触研究，并于 6 月 19 日通过 Newswise 发布解读。论文把通常被视作缺陷的阳离子无序转化为可控陷阱态，用不同波长的光分别驱动长期增强和长期抑制，使单个器件具备更接近生物突触稳态调节的“记住/遗忘”分工。该路线仍处材料器件与仿真阶段，但为低功耗神经形态硬件提供了新的材料设计参数。

Nature Communications 论文显示，研究对象是 AgBiS2 与窄带隙有机半导体 Y6 组成的异质结构。作者认为，多组分硫族化物中的阳离子无序并不必然只是非辐射损耗来源；在合适结构中，它可以形成可重构的陷阱态群，作为模拟记忆变量。论文于 2026 年 5 月 18 日上线，机构新闻稿在 6 月 19 日进一步解释其神经形态硬件含义。

Nature Communications：AgBiS2 人工突触用光色分别控制“记住”和“遗忘”，神经形态硬件多了一条稳态学习路线
Nature Communications：AgBiS2 人工突触用光色分别控制“记住”和“遗忘”，神经形态硬件多了一条稳态学习路线（图源：Newswise / Sungkyunkwan University）

技术关键在于用光的颜色把“增强”和“抑制”分开。论文称，近红外激发会填充无序介导的陷阱态，带来超过 10 倍的电导增强和类似加速长期增强的模拟迟滞；短波长激发则使这些状态去占据，选择性加速长期抑制。换句话说，单个器件不再只能用同一个控制旋钮同时处理记忆增强和遗忘，而是让不同波段承担不同方向的权重调节。

这与神经形态计算的一个老问题有关：人工突触若只会单向加强，权重容易饱和；若遗忘机制不可控，又会丢掉已学模式。生物神经系统通过稳态可塑性保持学习平衡，硬件系统往往要借助额外电路或软件规则模拟。该论文的贡献是把稳态调节部分下沉到材料与光谱响应层面，并用超快瞬态光谱验证波长相关的陷阱占据动力学。

研究还做了神经形态仿真，显示这种光谱分段的长期增强/长期抑制可支持带负反馈稳定的颜色条件学习。对 AI 硬件研究者而言，这说明“缺陷工程”不只是提升器件指标，也可能改变学习规则的物理实现方式。不过，论文仍主要停留在单器件机理和仿真层面，距离大规模阵列、一致性、写入能耗、寿命和与 CMOS 工艺兼容性比较仍有较长验证链条。

来源：Nature Communications 论文；Newswise / Sungkyunkwan University

信息来源

可信度说明

论文为 Nature Communications 开放获取文章，页面披露投稿、接收、发布日期、DOI 和开放许可；Newswise 稿件来自成均馆大学，用于解释研究意义。需要注意的是，机构新闻发布滞后于论文上线一个月，且当前证据还不是芯片级系统验证，不能直接外推为可部署 AI 加速器。

同主题情报