后摩尔时代呼唤新技术来推进芯片产业的进一步发展。忆阻器由于在信息存储、神经形态计算、数据安全等领域的良好应用前景，近期受到了学术界和工业界的广泛关注。采用原子级二维材料作为阻变层的忆阻器具有高循环稳定性和超低功耗等优点，但目前大规模制备二维材料工艺繁琐，良品率低，极大限制了这类忆阻器的商业应用。
硅晶圆暴露在大气环境中可以在表面自限制氧化生长出若干个原子层厚度的氧化硅准二维薄膜，并具有可大规模制备、CMOS工艺兼容等明显突出优势。利用这一特点，广州大学黄埔研究院新型信息功能材料研究中心研究了以天然氧化硅作为阻变层的原子级忆阻器。结合具备限制Ag离子注入能力的Au-Ag复合电极，可抑制忆阻器工作时导电细丝横向以及纵向生长/断裂的随机性，最终使忆阻器具备极低的循环波动性（1.1%）、超低的器件之间差异性（2.6%）、超高的良品率（100%）、优异的循环耐久性（＞5×105）、良好的数据保持能力（＞1 h）、超低的能耗（75 pJ）以及线性度较高的连续电导调节能力（AP= 2.63，AD= 3.25）。得益于优异的循环稳定性和良好的线性度，基于该忆阻器硬件的全连接深度学习网络对MNIST手写体数字的识别精度高达91.3%，此结果可与理想识别精度（96.7%）相媲美。此外，得益于天然氧化硅超薄的厚度，器件的高阻态对每次复位后残余在阻变层中Ag团簇的含量极其敏感，利用这一特性该忆阻器还可以作为随机数字发生器生成具备正态分布的、真正意义上的随机数字。本工作为制备可大规模生产的、CMOS工艺兼容的神经形态硬件以及信息加密硬件提供了新思路。
上述工作以“Reliable Memristor Based on Ultrathin Native Silicon Oxide”发表在广州大学A类期刊《ACS Applied Materials & Interfaces》，第一作者是材料科学与工程专业2021级研究生马泽霖，通讯作者是青年教师葛军和潘书生教授，广州大学为第一作者单位。本研究得到国家自然科学基金、广东省教育厅基金以及广州大学“新材料新装备新制造”交叉创新平台的支持。
图1. 天然氧化硅超薄忆阻器结构示意图（左）、I-V曲线（右上）及高阻态正态分布统计示意图（右下）
论文链接：https://pubs.acs.org/doi/10.1021/acsami.2c03266
