华东理工大学化学与分子工程学院教授陈彧团队联合上海市智能感知与检测技术重点实验室，开发了一种新型共价有机框架（COF），显著降低了有机忆阻器的运行功耗，并提高了神经形态计算效率。相关研究在线发表于《德国应用化学》。
为减少阵列中的器件数量、缩短数据写入时间、提高运行速度和效率，科学家正在努力将有机忆阻器扩展到多电导状态。而要实现忆阻器的高精度可编程性，特别是用于神经形态计算网络中，不仅需要高质量的活性层薄膜，还需要均匀且有序的材料结构。
基于COF的有机忆阻器在未来的神经形态计算应用中表现出巨大潜力。制备高质量COF纳米片时，适当的分子结构设计和构建模块选择对于增强忆阻器性能至关重要。
研究团队设计了一种含有双重氧化还原活性单元的COF薄膜材料（Ta-Cu3COF）。COF薄膜中，双氧化还原活性中心的协同效应与其独特的结晶度相结合，显着降低了氧化还原能垒，从而能够有效调制不同忆阻器中的128个非易失性电导态。
基于该忆阻器构建的卷积神经网络，研究人员成功识别了华东理工大学的足球烯、诺奖中心、图书馆等标志性建筑的图片，且在25个训练周期后准确率高达95.13%。与双稳态器件相比，具有128种电导态的忆阻器的识别精度提高了45.56%，同时显著提高了神经形态计算的效率，降低了运行功耗。
基于忆阻器构建的卷积神经网络图像识别示意图。图片来源于《德国应用化学》
相关论文信息：https://doi.org/10.1002/anie.202413311
