类脑计算希望借鉴生物神经系统的信息处理方式，在存储与计算融合的硬件中直接完成权重更新和并行运算，从而突破传统冯·诺依曼架构在数据搬运和能耗方面的限制。忆阻器、电化学随机存储器(ECRAM)和三端突触晶体管等器件因此受到广泛关注。其中，基于离子迁移的电化学调控方式能够连续改变材料电导，为模拟突触权重提供了重要路径。然而，这类器件也常常受到离子分布不可控、界面反应不稳定以及电导更新非线性的影响，导致器件在长时间运行和神经网络训练中的可靠性受限。
近日，我校物理与能源学院陈越/黄志高教授课题组设计了一种由 LiCoO2沟道、SiOx离子储库和 LiPON 界面层组成的三端 Li-ECRAM 器件。该结构通过锂离子的可逆迁移实现沟道电导的连续调节，同时利用 LiPON/SiOx协同界面调控稳定器件内部的锂空位分布，从而显著提升编程态保持能力。实验结果表明，该器件可实现 64 个可区分电导态，并在 80 °C 和 80% 相对湿度等严苛环境下保持稳定工作。除基础器件性能外，研究团队还将 Li-ECRAM 的实测电导更新行为引入 YOLOv5 火灾检测网络，进一步评估其在实际智能识别任务中的可用性。模拟结果显示，该系统在火灾目标检测中获得了 76.7% 的平均精度均值(mAP)，达到软件网络性能的 91.1%。这说明该器件不仅能够稳定模拟突触权重变化，也具备支撑复杂视觉感知任务的潜力，为面向边缘端火灾预警、智能监测和低功耗类脑硬件的应用探索提供了新的方向。
相关研究成果以“Li-Based Electrochemical Memory Achieving Stable Analog Weight Modulation via Interface Engineering”为题，发表于国际著名期刊《ACS Nano》。福建师范大学为论文第一完成单位，我校物理与能源学院博士研究生张伟健为论文第一作者和通讯作者，管立伟老师、陈越教授和黄志高教授为论文共同通讯作者。该研究获得了国家自然科学基金、福建省自然科学基金和国家留学基金委等项目支持。
Li-ECRAM器件高保持特性机制和火灾识别应用模型示意图
论文链接：https://doi.org/10.1021/acsnano.6c12450
（物理与能源学院）