近日，《Small》在线刊发了我院程晓敏/缪向水教授团队在面向被动自适应储池计算的神经元-突触双功能忆阻器方面的最新研究成果“Bifunctional Memristor with Neuronal-Synaptic Coupling for Passively Self-Adaptive Reservoir Computing”，该论文被遴选为期刊 “Editor's Choice”（编辑精选）亮点论文。我院程晓敏教授为通讯作者，课题组学生曹丽娟、罗云皓为共同第一作者，华中科技大学集成电路学院/先进存储器湖北省重点实验室/武汉国家光电研究中心为论文第一完成单位。
随着人工智能与边缘计算快速发展，实时处理时序信号（如语音、传感）变得越来越重要。受大脑启发的储备池计算，因结构简单、训练成本低成为低功耗实时信号处理的重要方向。然而在实际应用过程中，储备池计算的硬件化进程仍面临关键挑战：系统需要“主动调控”来避免节点饱和。一旦输入信号过大，硬件节点容易进入饱和状态，必须依靠外部电路、反馈环路或算法实时调整，这不仅增加系统复杂度和功耗，也违背了物理储备池计算简洁高效的初衷。
为了解决这一问题，华中科技大学研究团队提出了一种无需外部控制、可自动适应信号变化的被动调控方案。团队研制出一种Ag/Ti/TaOx/Pt 双功能忆阻器，在单个器件内同时实现神经元的动态响应与突触的记忆调节两种功能，并且其构成的物理储备池节点不需要任何主动控制电路，就能实现自适应工作。
该器件的核心特点在于：
1. 负偏压下表现神经元特性：依靠TaOx内陷阱的电子俘获与自发释放，实现对时序信号的动态响应；
2. 正偏压下表现突触特性：依靠Ag电极形成的银离子导电细丝，实现连续可调节的非易失记忆；
图1 神经元-突触耦合双功能忆阻器直流特性与被动自适应储备池计算示意图
研究人员将两个双功能忆阻器反向串联，构成一个突触-神经元串联的储备池计算节点。在持续脉冲信号输入过程中，神经元器件阻态的逐步下降会导致突触器件分压持续增大，最终触发突触器件的阻态降低；随后电压将重新分配至神经元器件，形成动态范围的自适应扩展。整个过程完全被动、自动完成，不需要任何外部电路干预，真正实现 “器件级自适应”。
图2 时序脉冲输入下储备池节点的被动自适应响应特性
在混沌信号预测任务中，这种被动自适应储备池计算的表现远优于传统系统：预测误差降低近 80%，并且在不同输入强度、不同信号长度下都保持稳定，不再依赖严格的工作条件。与现有主动调控方案相比，它器件结构统一、硬件开销低、实时响应、无额外功耗，完美保留物理储备池计算的极简优势。
图3 被动自适应储池（SA-RC）与传统储池（C-RC）在 Henon Map 预测任务中的性能，及不同Vmax和掩膜长度条件下的预测误差
这项工作在器件层面实现真正意义上的自适应储备池计算，区分了 “被动自适应” 与传统 “主动调控” 的差异，为高鲁棒、低功耗、硬件友好的神经形态计算提供了新路径，未来可应用于边缘智能、可穿戴设备等领域。
本研究得到国家重点研发计划（编号2024YFA1208701）与国家自然科学基金（编号62574095）资助。
文章标题：Bifunctional Memristor with Neuronal-Synaptic Coupling for Passively Self-Adaptive Reservoir Computing
文章链接：https://doi.org/10.1002/smll.202513833
