基于二维范德华金属阴极的模拟电阻开关存储器研究 学术背景 随着人工智能（AI）应用的快速发展，传统的冯·诺依曼架构在数据密集型计算任务中面临性能瓶颈。神经形态计算（neuromorphic computing）作为一种新兴的计算范式，能够以更高的速度和效率处理数据密集型任务。在这一领域中，忆阻器（memristor）因其能够实现内存计算和模拟计算而备受关注。特别是具有多级电导状态的模拟忆阻器，能够显著提高神经形态计算的效率。然而，现有的模拟忆阻器通常具有较小的开关比（on/off ratio），这限制了其在高精度权重映射中的应用。 为了解决这一问题，研究人员一直在探索如何提高模拟忆阻器的开关比，同时保持其多级电导状态。传统的忆阻器主要分为两类：基于价态变化机制（valence-change-...