浙江
苏州科技大学等机构的研究人员开发出一种柔性人工突触阵列，能够模拟生物突触连接强弱变化，并在特定化学处理下快速分解。器件使用氢键有机框架材料作为功能层，以MXene作电极、聚亚胺（PI）薄膜作柔性基底；研究团队通过溶液加工方式制成10×10阵列，共包含100个突触单元。相关研究发表于《极端制造国际期刊》（International Journal of Extreme Manufacturing）。
核心材料TCPP-HOF由卟啉类有机分子组成，分子通过氢键形成有序的二维结构。施加正向电压时，电荷被捕获，器件电导上升；施加反向电压则释放电荷，电导下降。借由这种可调变化，器件能够表现出类似突触的增强和抑制，包括长时程增强、长时程抑制等学习相关特性，并可设置10个不同的电导状态。实验测得其电学切换时间为26纳秒。
研究人员还用器件的电学特性评估了卷积神经网络对MNIST手写数字的识别能力，准确率最高达到97.23%，软件基准为99.24%。论文所述神经网络约含12万个突触，而实际制成的实体阵列为10×10、共100个器件；因此，这组结果展示的是器件特性用于类脑计算的潜力，并不意味着整套12万突触网络已集成在这块小型阵列上。
柔韧性测试中，阵列绕约5毫米半径弯折200次后仍能工作，手写数字识别准确率为96.33%。研究人员设计的PI基底还可在加热的胺类化学溶液中分解，处理约6分钟后转化为可溶性单体，留下少量惰性残留物。这一过程需要特定化学溶液和加热条件，并非器件接触水或自然环境后就会自行消失。
团队认为，柔性、可溶液加工和可控分解等特点，未来可能用于可穿戴传感器、柔性电子皮肤、软体机器人或短期使用的电子设备，也可为临时存储和信息销毁提供思路。不过目前成果仍是实验室原型，阵列规模有限，研究人员还需解决湿气对器件稳定性的影响，并扩大阵列、检验长期可靠性和制造一致性。它尚不是可直接替代传统处理器或商用AI芯片的完整计算系统。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
