近日，湖南国家应用数学中心研发人员唐明华（湘潭大学材料科学与工程学院教授）、燕少安教授（湘潭大学机械工程与力学学院教授）、朱颖方博士、中科院宁波材料所朱小健研究员合作完成的论文“集成模拟退火的高稳定性自整流忆阻器阵列及神经形态计算应用”（Highly stable self-rectifying memristor integrated arrays for simulated annealing neuromorphic computing）在期刊Nano Research, 19 (1) (2026) 94907803 (13 pages) （纳米研究）正式发表（该期刊是纳米科学和技术领域具有高影响力的国际学术期刊，中科院JCR 1区，影响因子9.0）。湘潭大学材料科学与工程学院硕士研究生边疆为论文的第一作者，唐明华教授、朱颖方副教授、燕少安教授、朱小健研究员为论文的共同通讯作者，湖南国家应用数学中心为论文的完成单位之一。
随着人工智能与大数据时代的深度发展，传统冯・诺依曼架构因存储与计算分离导致的“内存墙”、“功耗墙”问题愈发突出，在并行处理效率和能量消耗方面已难以满足复杂任务需求。神经形态计算通过模拟生物神经网络的结构与工作机制，实现高效并行信息处理，被视为突破传统架构局限的核心方向。忆阻器作为一种能实现“存储—计算一体化”的器件，凭借非易失性、低功耗、高集成度等特性，成为构建神经形态系统的关键候选器件。然而，现有忆阻器普遍面临稳定性不足、循环可靠性差、器件间一致性低等问题，尤其在大规模阵列应用中，易因性能波动导致系统误差，严重制约了神经形态计算的实用化进程。因此，开发兼具高稳定性、高一致性及多功能特性的忆阻器阵列，成为该领域的重要研究目标。
针对高稳定性、高一致性自整流忆阻器阵列的构建挑战，湘潭大学研究团队开发出基于Pt/TaOx/Ti结构的1 kbit自整流忆阻器（SRM）阵列，在器件性能与存算一体应用层面实现突破。所制备的SRM阵列具备卓越的稳定性：在交流应力下循环105次后仍保持稳定开关特性，无明显电导漂移；整流比变异系数（CV）低至0.11497，显著优于同类器件，展现出出色的一致性表现。器件还具备良好的多态调控能力，支持 32 种线性分布的电导状态，每种状态在室温下保留时间超过104秒，适用于突触权重精确调节的硬件实现。在系统应用方面，研究团队创新性地将该忆阻器阵列与模拟退火算法协同设计，构建出具备生物启发特性的高效图像修复系统。该系统在仅30次迭代内便可完成图像恢复，结构相似性（SSIM）高达99.93%，在速度与精度上均优于传统方法，为存内计算在图像处理与智能优化领域的应用提供了新思路。
除在Nano Research发表的此项研究成果，2025年唐明华教授团队以湖南国家应用数学中心为论文的完成单位之一还发表了另两篇高水平研究论文：一篇通过载流子介导的相变揭示掺杂氧化铪中铁电性的起源的论文发表于npj Computational Materials, 11, 34 (2025) (11 pages)；另一篇关于用于卷积神经网络运算的高整流比自整流忆阻器阵列的论文发表于Small, 21 (25) (2025) 2500062 (12 pages)。
