随着信息技术的飞速发展，数据存储和处理的需求呈现出爆炸性增长。传统的存储技术，如闪存和动态随机存取存储器（DRAM），虽然在一定程度上满足了这些需求，但在性能、功耗和可扩展性等方面仍面临诸多挑战。因此，探索新型存储技术已成为当前研究的热点。近年来，基于二维（2D）材料的阻变存储器（RRAM）因其独特的优势而备受关注。二维材料，如石墨烯、过渡金属硫化物（TMDs）和黑磷等，具有原子级薄的厚度、出色的电学和机械性能以及可调节的能带结构，使得它们在RRAM应用中展现出巨大的潜力。
　　鉴于此，近日来自吉林大学李贤斌教授、陈念科教授和华中科技大学徐明教授共同领导的研究团队在Advanced Materials上以Resistive Memory Devices at the Thinnest Limit: Progress and Challenges为题发表综述文章，从工作原理、性能优势、应用前景以及面临的挑战等方面对基于二维材料的RRAM进行了综述。

　　图1.混合二维/CMOS忆阻微芯片的制造。
　　图源：Advanced Materials (2024).
　　阻变存储器是一种利用材料电阻变化来存储信息的电子器件。其基本结构通常包括一个活性层（通常由二维材料构成）和两个电极。在施加电压或电流的过程中，活性层的电阻状态会发生可逆的变化，从而实现信息的写入、读取和擦除。
　　阻变存储器的工作原理可以归结为两种主要机制：导电细丝机制和价态变化机制。导电细丝机制是指在活性层中形成或断裂导电细丝，导致电阻状态的变化。而价态变化机制则涉及活性层中元素的价态变化，导致电阻的可逆调节。
　　二维材料因其独特的物理和化学性质，在RRAM应用中具有显著的优势，其优势主要包括：
　　高集成度：由于二维材料具有原子级薄的厚度，基于二维材料的RRAM可以实现更高的集成度，从而满足未来存储技术对于高密度的需求。与传统的存储技术相比，二维材料RRAM的存储密度可以显著提高，为未来的存储设备带来更高的性能和更低的成本。
　　低功耗：二维材料的高迁移率和出色的电学性能使得RRAM器件在读写过程中具有更低的功耗。这意味着基于二维材料的RRAM可以延长设备的续航时间，减少能源浪费，并降低设备的运行成本。
　　高速读写：二维材料的高迁移率使得RRAM器件具有更快的读写速度。与传统的存储技术相比，基于二维材料的RRAM可以实现更高的读写速率，为高性能计算和存储应用提供更好的支持。
　　非易失性：RRAM的电阻状态在撤去电压或电流后能够保持不变，具有非易失性的特点。这意味着基于二维材料的RRAM可以长期存储数据，即使在设备关闭或断电的情况下也不会丢失数据。这种非易失性特点使得RRAM成为长期存储数据的理想选择。良好的可扩展性：基于二维材料的RRAM可以与现有的互补金属氧化物半导体（CMOS）技术相结合，实现高性能、高密度的混合存储和计算系统。由于二维材料的尺寸可以缩小到纳米级别，基于二维材料的RRAM可以进一步扩展存储容量和计算能力，满足未来技术发展的需求
　　与CMOS工艺的兼容性：二维材料与现有的CMOS工艺兼容，这意味着可以将它们无缝集成到现有的半导体生产线中。这种兼容性不仅简化了生产工艺，还降低了生产成本，为二维材料RRAM的商业化生产提供了便利。
多样化的材料选择：二维材料种类繁多，包括石墨烯、过渡金属硫化物、黑磷等。每种材料都具有其独特的物理和化学性质，这为RRAM的设计提供了更多的选择和可能性。例如，石墨烯因其出色的导电性和稳定性在RRAM中具有广泛的应用前景，而过渡金属硫化物则因其可调节的能带结构和丰富的化学性质在RRAM中展现出独特的优势。
　　目前，已经有许多二维材料被用于RRAM的研究，如石墨烯、过渡金属硫化物（如MoS2、WS2等）、黑磷等。这些材料在RRAM应用中展现出了不同的优势和特点，为RRAM技术的发展提供了丰富的选择。

　　图2. 二维单层材料在阻变存储器器件中的应用。
　　图源： Advanced Materials (2024).
　　基于二维材料的RRAM在未来的数据存储、计算和神经形态计算等领域具有广泛的应用前景。
　　例如，在数据存储方面：随着大数据和云计算的快速发展，对于数据存储的需求不断增长。基于二维材料的RRAM因其高密度、低功耗和高速读写的特点，有望成为未来数据存储技术的重要候选者。与传统的闪存和DRAM相比，二维材料RRAM具有更高的存储密度和更低的功耗，能够满足未来数据存储的需求。
　　计算技术：基于二维材料的RRAM可以实现内存中计算（In-Memory Computing）和近存计算（Near-Memory Computing），从而提高计算效率和降低能耗。这种新型的计算模式有望推动人工智能、大数据分析和物联网等领域的发展。通过将计算过程与数据存储过程相结合，二维材料RRAM可以实现更高效的数据处理和学习能力。
　　神经形态计算：神经形态计算是一种模拟生物神经系统结构和功能的计算方式。基于二维材料的RRAM因其可调节的电阻状态和良好的可扩展性，有望用于构建高效、低功耗的神经形态计算系统，实现更强大的数据处理和学习能力。二维材料RRAM的电阻状态可以模拟神经元之间的突触连接，从而构建出具有强大计算能力的神经网络。
　　可穿戴设备和物联网：二维材料RRAM的低功耗、高集成度和柔性特性使其在可穿戴设备和物联网领域具有广阔的应用前景。通过将二维材料RRAM集成到可穿戴设备中，可以实现长期、连续的数据监测和存储，为健康监测、智能穿戴等领域提供强大的支持。同时，在物联网领域，二维材料RRAM可以实现高密度的数据存储和处理，为物联网设备提供可靠、高效的存储解决方案。

　　图3.基于单层二维材料的阻变存储器器件的主要挑战。
　　图源：Advanced Materials (2024).
　　尽管基于二维材料的RRAM具有许多优势和应用前景，但仍面临一些挑战需要克服。材料稳定性：二维材料的稳定性是一个关键问题。在RRAM的工作过程中，活性层可能会受到电流和电压的影响而发生降解或变化，导致器件性能下降。因此，需要深入研究二维材料的稳定性和可靠性，以提高RRAM器件的寿命和稳定性。
　　均匀性与可扩展性：在大规模集成中，保持二维材料的均匀性和可扩展性是一个挑战。为了实现高密度的RRAM阵列，需要解决二维材料生长和制备过程中的均匀性问题，并研究其与现有半导体工艺的兼容性。
　　阻变机制的理解：尽管已经有许多关于二维材料在RRAM中的阻变机制的研究，但对其确切的工作原理仍缺乏深入的理解。对阻变机制的深入研究将有助于优化RRAM器件的性能和设计。
　　生产工艺和成本：虽然二维材料与CMOS工艺兼容，但将其大规模集成到现有生产线中仍需要解决一些生产工艺和成本问题。为了实现二维材料RRAM的商业化应用，需要进一步优化生产工艺、降低生产成本并提高生产效率。
　　综上所述，基于二维材料的RRAM具有许多独特的优势和广阔的应用前景。然而，要实现其商业化应用仍需要克服一些挑战。通过深入研究二维材料的性质、优化生产工艺和降低成本等措施，有望推动基于二维材料的RRAM在未来存储和计算领域的应用和发展。