近年，锂纳米离子晶体管有希望用于神经形态硬件系统的人工突触器件。然而，模拟的基本突触功能，包括具有近似线性模拟权重更新的非易失性电导调制，已成为这些突触装置的一个重要里程碑，会直接影响模式识别的准确性。由于固体电解质界面的不稳定性和电解质-通道界面处的锂离子成核，导致挥发性通道电导发生变化，这是导致锂纳米离子晶体管非线性开关的两个关键现象。因此，将石墨烯作为原子薄离子隧穿层，用于建立锂纳米离子晶体管的非挥发性模拟多级导电。可控离子隧穿石墨烯与稳定固体电解质界面的共同作用，导致该器件表现出近乎线性的电导切换，具有不同的栅极可控的非易失性多级传导状态，最小不对称比为0.26，最高开/关比为28。石墨烯层装置的神经网络模拟结果表明，手写数字的识别精度较高。这些结果证明了原子薄的二维(2D)材料在纳米离子突触晶体管中作为离子隧穿层的潜在应用，并可促进高性能神经形态计算系统的开发。 
 
Figure 1. A,B)三端突触电晶体测量装置示意图。C,D) NG-LIST和G-LIST器件在栅极偏置的传输曲线。E,F)在串联栅极电压脉冲期间NG-LIST和G-LIST器件中的源极-漏极电导率变化。
 
 
Figure 2. 用于NG-LIST和G-LIST设备的离子模拟开关机制及其操作。
 
 
Figure 3. 基于石墨烯缓冲层的锂离子突触晶体管(G-LIST)的制造步骤。
 
 
Figure 4. NG-LIST和G-LIST器件的光学模式识别精度。
 
       相关研究成果与2019年由浦项科技大学Hyunsang Hwang课题组，发表在Adv. Electron. Mater. ( DOI: 10.1002/aelm.201901100)上。原文：Controlled Ionic Tunneling in Lithium Nanoionic Synaptic Transistor through Atomically Thin Graphene Layer for Neuromorphic Computing