基于MXene-Ti₃C₂Tₓ

北航国新院樊瑜波等综述：基于MXene-Ti₃C₂Tₓ的神经形态计算，物理机制，性能提升以及前沿计算北航国新院樊瑜波等综述：基于MXene-Ti₃C₂Tₓ的神经形态计算，物理机制，性能提升以及前沿计算精选

基于MXene-Ti₃C₂Tₓ神经形态计算的研究路线分类，包括性能增强方法、物理机制探索和存内计算。

本研究对基于MXene-Ti₃C₂Tₓ的神经形态器件进行了系统性综述，几乎涵盖了该材料体系下所有已发表的研究成果，并绘制成表。

本综述证明了基于MXene-Ti₃C₂Tₓ的神经形态器件有望在下一代感存算(如近传感器计算和传感器内计算)应用中展现出突破性的潜力，可直接在传感器级实现更快、更节能的数据处理。

本节最后，系统性地总结了基于MXene-Ti₃C₂Tₓ的神经形态器件性能提升策略，如图13所示，涵盖三类核心方法，即界面工程、掺杂工程和结构工程。

基于MXene-Ti₃C₂Tₓ材料体系下神经形态计算研究虽已取得突破性进展，但其产业化进程仍受限于关键性技术瓶颈。

本节最后，本研究系统性地阐述了基于MXene-Ti₃C₂Tₓ的忆阻器中所涉及的四种物理机制，并通过图8所示的比较框架对这些关键机制进行了多维度分析。

例如，Yan等提出了一种银纳米颗粒掺杂法来提升基于MXene-Ti₃C₂Tₓ忆阻器的电学性能。

受此趋势启发，基于MXene-Ti₃C₂Tₓ的忆阻器技术正迅速在内存计算领域崭露头角，为构建更高效、紧凑且响应迅速的感知与计算系统提供了新的物理基础和技术路径。

本研究对基于MXene-Ti₃C₂Tₓ的神经形态器件进行了系统性综述，几乎涵盖了该材料体系下所有已发表的研究成果，并绘制成表。