隨著憶阻器在非易失性存儲器、模擬人類大腦的深度學習等重要領域的研究逐步深入，憶阻器的研究得到越來越多的重視。在固態電子器件和電路中應用二維材料，將有助于擴展摩爾定律，并能獲得優于CMOS的先進產品。基于二維材料的憶阻器能夠應用于信息存儲和神經態計算，具有高熱穩定性，閾值型和雙極型阻變共存，增強、抑制和弛豫的高度可控性，以及出色的機械穩定性和透明度等優點。 近日，功能納米與軟物質研究院Mario Lanza教授在Nature子刊《Nature Electronics》上發表了題為“Wafer-scale integration of two-dimensional materials in high-density memristive crossbar arrays for artificial neural networks”的封面文章。作者提出二維材料六方氮化硼（h-BN）可以作為高密度憶阻陣列的阻變材料，構建可用于圖像識別的人工神經網絡的器件。其獲得h-BN基憶阻陣列器件成品率高達98%，且表現出超低的周期間差異性（低至1.53％）和出色的器件間差異性（低至5.74％）。圖像分類器的仿真結果表明，所測得的器件I-V曲線的均一性足以匹配理想軟件實現所需的精度。