近日，Nano-Micro Letters（《纳微快报》）揭晓 Highly Cited Paper Award 2026（2026年度高被引论文奖）评选结果。课题组王天宇研究员、孟佳琳教授共同通讯的综述论文《Low-Power Memristor for Neuromorphic Computing: From Materials to Applications》成功入选，获奖证书编号 NML-000109，签发日期为2026年11月1日。
       
 论文简介　　
       人工智能大模型与各类智能化应用的爆发式增长，正把硬件算力与能效推向极限。传统冯·诺依曼架构将存储与计算分离，数据须在处理器与存储器之间反复搬运，“存储墙”“能耗墙”带来的时延与功耗开销日益沉重，单靠 CMOS 工艺微缩已难以支撑人工智能计算的持续演进。　　
       忆阻器（Memristor）为破解这一困局提供了新的路径。这类器件具有“记忆”能力：其电阻状态由历史上的电激励塑造，断电后仍能保持；电导可连续、模拟式地调节，与生物突触“用进废退”的可塑性高度相似，因而被视为构建存算一体、低功耗神经形态硬件的理想载体。　　
       综述以“低功耗”为主线，系统梳理了忆阻器面向神经形态计算的研究脉络：　　
    （1）器件与材料层面：梳理忆阻器的概念、结构、阻变机理与关键性能指标，分类讨论离子输运、相变、磁阻与铁电四类低功耗功能材料，并对典型器件的工作电压、编程功耗与耐久性进行横向比较。
    （2）阵列与芯片层面：比较 1T1R 与 1S1R 交叉阵列在单元面积、串扰抑制与读出精度上的得失，结合近年报道的原型芯片，探讨面向边缘计算的集成方案。　　
    （3）应用层面：归纳低功耗忆阻器在多值存储、数字逻辑门与模拟神经形态计算中的进展，重点分析其作为人工突触与人工神经元，在人工神经网络（ANN）、卷积神经网络（CNN）与脉冲神经网络（SNN）中的实现方式与能效优势。　　
       在此基础上，文章进一步剖析了低功耗忆阻器走向实用化的关键瓶颈——器件功耗与一致性、阵列串扰、外围电路开销以及大规模系统集成，并从新材料体系、器件工程与架构协同优化等角度展望发展方向，为下一代低功耗、高性能人工智能硬件提供了系统参考。　　
       论文第一作者为课题组夏智鹏，孟佳琳教授与王天宇研究员为共同通讯作者，全部作者均来自山东大学集成电路学院。
                        
期刊简介
       Nano-Micro Letters 由上海交通大学主办、与 Springer 合作出版，聚焦纳米与微米尺度材料、器件及其交叉研究，覆盖纳米材料、微纳器件、能源、传感、柔性电子与信息科学等方向，已被 SCIE、EI、Scopus 等数据库收录，影响因子 31.6，长期稳居 JCR Q1 区，并入选中国科技期刊卓越行动计划。
 
 课题组简介　　
       课题组依托山东大学集成电路学院，长期致力于面向人工智能的后摩尔器件与类脑硬件研究，主要方向包括：　　
     （1）柔性忆阻器件与类脑芯片：面向可穿戴人工智能系统，发展 RRAM 型忆阻器及 ANN/SNN/储备池计算硬件，相关工作入选 Chip 中国芯片科学十大进展；　　
     （2）低功耗存算一体器件与技术：实现 aJ 级超低功耗存算一体器件，并拓展至具身智能感存算一体芯片、多模态储备池计算等新形态；　　
     （3）铪基铁电存储器：发展 CMOS 工艺兼容的 HfO2/HZO 铁电器件，围绕尺寸微缩、可靠性与三维集成开展研究，并与国内产业界合作推进工艺落地。　　
        近年来，课题组相关成果发表于 Nature Communications、IEDM、Advanced Materials、Research、Nano Letters、Advanced Science、IEEE EDL、IEEE TED 等国际顶级期刊与集成电路顶级会议。课题组常年招收博士后、博士与硕士研究生，欢迎对类脑计算、新型存储与存算一体方向感兴趣的同学加入，联系邮箱：tywang@sdu.edu.cn。
                   
 结语　　
       此次入选 Nano-Micro Letters 高被引论文奖，是国际学术界对课题组在低功耗忆阻器与神经形态计算方向长期积累的认可，也是一份鼓励。衷心感谢期刊编委、审稿专家与海内外同行的支持与信任。课题组将继续面向国家重大需求与学科前沿，深耕新型存储与类脑计算硬件研究，努力产出更多原创性成果。
       
 论文信息
       Zhipeng Xia, Xiao Sun, Zhenlong Wang, Jialin Meng*, Boyan Jin, Tianyu Wang*. Low-Power Memristor for Neuromorphic Computing: From Materials to Applications. Nano-Micro Letters, 2025, 17: 217. DOI: 10.1007/s40820-025-01705-4原文链接：https://doi.org/10.1007/s40820-025-01705-4