2025年4月14日，课题组本科生夏智鹏同学发表综述类SCI论文，以“Low-Power Memristor for Neuromorphic Computing: From Materials to Applications”为题目发表在国际著名期刊Nano-Micro Letters上（中科院一区，影响因子：31.6），山东大学集成电路学院王天宇研究员、孟佳琳研究员为论文共同通讯作者，集成电路学院本科生夏智鹏为论文第一作者。

本综述探讨了低功耗忆阻器在神经形态计算系统中的应用，重点讨论了其材料、器件结构以及在神经网络中的关键作用。第一部分介绍了忆阻器使用的多种功能材料，如离子传输材料、相变材料、磁电阻材料和铁电材料，并阐述了相应的导电机理。第二部分讨论了两种主要的忆阻器阵列结构——1T1R和1S1R交叉阵列，这些结构能够在低功耗下实现高效计算，并且具有良好的集成性。

第三部分集中探讨了忆阻器在数字逻辑、多值存储及其作为人工神经网络中突触的应用。我们详细阐述了忆阻器如何模拟生物系统中的突触可塑性，如短时程增强（STP）和长时程增强（LTP）等。在人工神经网络（ANN）部分，我们讨论了忆阻器如何通过调整其电阻特性来实现信息处理与存储。接着，我们讲解了忆阻器如何应用在卷积神经网络（CNN）中的卷积层和全连接层，忆阻器阵列直接进行矩阵运算，大幅提升了计算效率并显著降低功耗。在脉冲神经网络（SNN）方面，我们进一步探讨了忆阻器如何实现脉冲时序依赖的可塑性（STDP）和其他突触行为，模拟生物神经元的时序响应特性。

最后，本文总结了低功耗忆阻器在神经网络中的应用前景，展望了忆阻器技术在未来神经形态计算系统中的发展方向，并提出了当前面临的挑战及解决策略。