大家好，今天为大家分享一篇2026年3月20日发表于一篇国际期刊Advanced Science的文献，题目为"Advances and Perspectives in Graphene-Based Quantum Dots Enabled Neuromorphic Devices"。本文的第一作者是Yulin Zhen，通讯作者是Ye Zhou。
摘要
随着人工智能和类脑计算需求的迅速增长，传统的冯·诺依曼架构在计算能力密度、能源效率和实时性能方面逐渐接近物理极限。石墨烯量子点（Graphene quantum dots, GQDs）和氧化石墨烯量子点（Graphene oxide quantum dots, GOQDs）作为具有量子限制效应和可调谐能带结构的零维碳基材料，在构建下一代超低功耗、大规模集成神经形态器件方面展现出巨大潜力。本综述系统地总结了石墨烯基量子点的主要制备策略及其结构调控和功能化方法，重点介绍了其在电荷捕获、离子迁移和光电协同等突触工作机制中的核心功能，以及它们在非易失性存储器、电学和光电人工突触及神经形态系统中的最新进展。最后，本文从材料可控性、机制可解释性、器件结构工程和系统级异构集成等角度，总结了当前面临的关键挑战，并提出了未来的研究方向，为开发下一代高效、可扩展的类脑计算硬件提供参考。
图1 基于石墨烯基量子点的神经形态器件总览图。
该图描绘了本综述的核心主题，展示了如何利用石墨烯基量子点（Graphene-based QDs）作为基础材料，通过不同的制备与修饰方法，构建各类神经形态器件（如存储器、人工突触与神经元），并最终集成为能够执行类脑计算任务的硬件系统。
图2 GQD和GOQD的合成方法：自上而下法和自下而上法。
此图总结了制备石墨烯基量子点的两大主流策略。“自上而下”（Top-down）法从大尺寸的碳源（如石墨、碳纳米管）出发，通过物理或化学剥离的方式将其分解为纳米级的量子点。“自下而上”（Bottom-up）法则是以小分子（如柠檬酸、葡萄糖）为前驱体，通过化学反应在分子层面逐步合成具有特定结构的量子点。
图3 GQD的修饰策略。a) 使用不同溶剂合成各类GQD的反应方案。b) 通过红外辅助技术生长N-GQD和SN-GQD样品的示意图。c) FeS@GQDs复合材料形成的示意图。d) 在Hg²⁺离子存在下，N-GQD和SN-GQD样品的荧光猝灭测试。e) N,S-GQDs一锅法合成示意图。
该图展示了多种用于调控GQD性质的修饰技术。通过杂原子掺杂（如氮、硫掺杂，见a, b, d, e）或构建异质结构（如与FeS复合，见c），可以精确调控GQD的电子结构、能带、光学特性及化学反应性，从而优化其在不同应用中的性能。
图4 两种代表性两端器件的工作机制：a) 电荷捕获型和b) 离子迁移型。三端器件的典型工作机制，其中石墨烯基量子点分别被整合到c) 浮栅层和d) 沟道层。
此图解释了基于GQD的神经形态器件的主要工作原理。两端器件主要通过 a) 电荷捕获/释放 或 b) 离子迁移 导致的导电通路形成/断裂来调制电阻。三端器件则引入栅极，通过电场效应来调控沟道电导，其中GQD可作为 c) 浮栅层 中的电荷存储节点或 d) 沟道层 的功能改性单元。
图5 两端器件中的电荷捕获机制。a) 电荷捕获阶段示意图。b) 陷阱填充阶段示意图。c) 电荷去陷阱过程示意图。d) 空穴传输示意图。e) 能级结构图。f) 所制备忆阻器器件在施加电压下可能发生的电荷传输过程。g) 0.01V偏压下器件的初始状态。h) -2V脉冲电压下的状态I，大量电子注入BP-GOQD层。i) -2V脉冲结束后的状态II，被捕获的电子缓慢释放。
该图详细阐述了电荷捕获型器件的工作原理。在外加电场下，载流子被注入并被GQD提供的陷阱能级捕获（a, b），使器件进入低阻态。当施加反向偏压时，被捕获的电荷释放（c），器件恢复高阻态。GQD的引入（d, e, f）能够形成稳定且能级可控的陷阱中心，有效调控电荷的存储和释放动力学。在BP-GOQD异质结构中（g, h, i），GOQD的电荷捕获效应增强了器件的电荷存储能力，模拟了生物突触的短时记忆向长时记忆的转换。
图6 两端器件中的离子迁移机制。a, b) Ag/PVP-GOQD/Ag平面器件中随着施加电压增加，Ag团簇型导电细丝的形成机制。c) AZA器件的TEM图像。d) AZA器件的元素分布图。e) N-GOQD基突触器件中Ag⁺阳离子迁移诱导的开关机制。
此图展示了离子迁移型器件的工作机制。在这类器件中，GQD或GOQD作为功能介质的一部分，其高比表面积和丰富的表面官能团可以作为金属离子（如Ag⁺）还原的“成核中心”，引导导电细丝（CFs）的定向生长和断裂（a, b, e），从而抑制了传统器件中导电细丝生长的随机性。TEM和元素分布图（c, d）证实了在GOQD的调控下，Ag纳米团簇在功能层内的可控形成。
图7 光电神经形态机制。a) 光子突触晶体管各组分接触前的能级图。b) 光子突触组分的能带图：左图为光照编程模式下，右图为负偏压电擦除模式下，均处于热平衡状态。c) Ag细丝原位形成过程中观察到的I-V曲线。d) 通过氧化石墨烯纳米片的水热切割工艺合成GOQDs薄膜。e) 对紫外光照辅助阈值开关（TS）机制的阐述。
该图揭示了GQD在光电神经形态器件中的作用机制。利用GQD对特定波长光（如紫外光）的强吸收特性，光照可以激发GQD产生电子-空穴对。这些光生载流子参与到器件的电荷捕获或离子迁移过程中。如(a, b)所示，光生空穴注入沟道改变电导，而电子被GQD浮栅捕获；或如(c, d, e)所示，光照辅助Ag⁺离子的迁移，从而实现光信号对器件电阻状态的调控，模拟光驱动的突触可塑性。
图8 基于石墨烯基量子点的非易失性存储器。a) PFG/PVA垂直结构示意图。b) 基于GQD和PVP复合材料的3x3存储阵列示意图。c) 描述双层薄膜中阻变效应的品质模型。d) Ag/ZHO/GOQDs/ZHO/Pt器件示意图。e) 采用简单旋涂技术制备N-GQDs/PVA纳米复合薄膜。f) 在0.5V下测量的1wt% N-GQDs/PVA纳米复合薄膜的保持时间数据。
此图展示了GQD在不同类型的非易失性存储器（主要是RRAM）中的应用。通过将GQD引入存储器的活性层（a, b, d, e），可以有效改善器件的性能，如提高开关比、降低操作电压、增强开关均匀性和稳定性。例如，GQD可以作为导电细丝的引导层（c, d），或作为可降解安全存储器的功能材料（e, f），展示了其在下一代高密度、低功耗存储技术中的应用潜力。
图9 生物与人工神经系统。a) 生物神经元示意图。b) 典型神经元放电行为的模拟曲线。c) 生物突触示意图。d) 典型突触可塑性行为的模拟曲线。
该图为理解神经形态器件提供了生物学背景。a) 神经元是神经系统的基本计算单元，负责整合输入信号并在达到阈值时产生“全或无”的脉冲（动作电位），如b) 所示。c) 突触是神经元之间的连接，其连接强度（权重）可以根据神经活动历史而改变（即可塑性），如d) 所示的长期增强（LTP）和长期抑制（LTD）。人工神经元和人工突触器件正是为了在硬件层面模拟这些基本功能。
图10 基于石墨烯基量子点的人工突触。a, b) GQD忆阻器与对照器件在100个周期内Set/Reset电压及高/低阻态的分布。c) GQD忆阻器在偏压下的能带图。d) ANN系统的单层架构。e) 不同训练次数与准确率的关系。f) 生物突触结构示意图。g) 突触权重与突触前后脉冲时间差的关系，证实器件表现出标准的STDP学习规则。h) 不同脉冲数量后的归一化电流，说明了从STM到LTM的转变。i) STDP中突触权重对脉冲时间的依赖性。
此图展示了基于GQD的电子突触器件如何模拟生物突触功能。研究表明，GQD的引入能显著改善忆阻器的开关参数均匀性（a, b）和可重复性，这得益于其对能带结构的调控（c）。这些高性能突触器件能够成功模拟多种生物学习规则，如长短期记忆转换（h）和脉冲时间依赖可塑性（STDP）（g, i），并在神经网络（d）中实现高精度的模式识别任务（e），展示了其在构建高效神经形态计算系统方面的巨大潜力。
图11 基于石墨烯基量子点的光电突触器件。a) 紫外光对介电薄膜的影响。b) MWCNT的高分辨率TEM图像。c) 柔性器件在不同弯曲半径（拉伸和压缩模式）下，光编程和电擦除操作中Vth的变化比较。d) 生物突触与本工作中的光子突触晶体管在功能和结构上的对比示意图。e) 学习行为。f) Al/PMMA/EA-GQDs/PMMA/ITO器件在紫外光照下的导电机制。
此图展示了GQD在光电突触器件中的应用，这类器件能同时响应光和电信号。GQD作为光敏材料，其含量（a, b）或光照条件（f）可以有效调控器件的电阻开关特性。这些器件能够模拟多种突触功能，如兴奋性突触后电流（EPSC）和学习行为（e），并可在柔性基底上稳定工作（c），为开发人工视觉系统和可穿戴神经形态设备提供了新途径（d）。
图12 基于石墨烯基量子点的柔性生物兼容神经形态器件。a) 忆阻器的截面图。b) M1和M2处于高阻态及低阻态时带通滤波器的响应。c) 柔性器件结构图。d) 不同GQD浓度下器件的I-V曲线。e) 在1M KOH中循环3000次后的电容保持率。f) 淀粉薄膜横截面的SEM图像。g) 器件弯曲10⁴次后的高低阻态值。h) MgO-GOQD忆阻器件的阻变开关机制示意图。i) PET基底上柔性器件的示意图。
此图集中展示了GQD在构建柔性、可拉伸和生物兼容神经形态器件方面的优势。GQD及其复合材料（如与PVP、大豆蛋白、鸡蛋清、淀粉等生物材料结合）具有良好的成膜性、机械柔韧性和生物相容性。基于这些材料制备的器件不仅能实现稳定的电学性能（d, g）和突触功能，还能承受数千次弯曲（g），并可用于构建可调滤波器（a, b）、可降解存储器（c, f）和柔性人工突触网络（h, i），为植入式医疗电子和智能可穿戴设备开辟了道路。
图13 石墨烯基量子点在神经形态器件中的发展方向。
该图总结了本领域未来需要突破的关键方向，包括：（1）在材料层面实现GQD结构的精准控制；（2）在机理层面阐明多物理场耦合效应对器件性能的影响；（3）在器件层面实现大规模、高一致性的阵列集成；（4) 在系统层面开发集传感、计算于一体的多模态智能系统。
创新点与未来展望
本文的核心创新点
- 1. 系统的材料制备与修饰策略总结： 本文系统梳理了石墨烯基量子点的“自上而下”与“自下而上”两大制备策略，并归纳了表面功能化、杂原子掺杂和异质结构建等关键修饰方法，为面向神经形态应用的材料设计提供了清晰的路线图。
- 2. 深入的工作机制阐述： 本文深入阐述了石墨烯基量子点在神经形态器件中的三大核心工作机制——电荷捕获、离子迁移和光电协同作用，并清晰地区分了其在两端忆阻器和三端晶体管结构中的不同调控角色。
- 3. 全面的前沿应用综述： 本文全面综述了石墨烯基量子点在非易失性存储器、电子/光电人工突触、柔性及生物兼容器件等前沿领域的应用，系统性地展示了其在提升器件性能（如降低功耗、实现多级存储、增强稳定性）方面的最新研究进展。
- 4. 关键物理因素的揭示： 本文揭示了量子点的表面态、尺寸效应和杂原子掺杂等内在物理化学性质，如何协同调控器件的电学响应、能效和稳定性，为高性能神经形态硬件的工程化设计提供了重要的理论指导。
未来研究方向与改进
- 1. 提升石墨烯基量子点的结构精确性： 尽管现有方法可以制备可用的量子点，但在尺寸分布、缺陷密度、掺杂稳定性和表面官能团控制方面仍存在较大差异。未来的研究需致力于发展绿色高效的合成方法，实现对量子点结构的精确定量调控，并阐明结构与器件性能之间的内在联系，为实现高性能、高一致性的器件奠定材料基础。
- 2. 阐明器件中的多尺度耦合效应： 目前，GQD基器件中多种物理机制（如电荷捕获、离子重排等）之间的耦合关系尚不明确，导致器件性能存在非线性、不一致性等问题。未来需要深入理解量子限制、局域缺陷态和多场协同效应对突触动力学的共同影响，以解决这些挑战，并构建能够支持更复杂生物学习规则（如元可塑性）的器件系统。
- 3. 实现高一致性的大规模GQD神经形态硬件阵列： 当前研究多集中于单个器件或小规模阵列。要实现大规模应用，必须克服集成带来的寄生干扰、信号衰减和热漂移等问题。未来需要开发与CMOS工艺兼容的高密度集成技术、可靠的互连方案和噪声抑制策略，推动GQD神经形态阵列从实验室走向实际应用。
- 4. 迈向基于石墨烯基量子点的多模态智能系统： GQD固有的光响应特性和机械柔性使其在构建多功能智能系统中具有独特优势。未来的研究应着力于开发集传感、存储、处理于一体的多模态系统，如人工视觉、植入式神经接口和智能可穿戴设备，通过材料、结构、系统和算法的协同设计，推动GQD神经形态系统向高密度、低功耗和功能多样化发展。
