学术小芯星 | 王天宇：脚踏实地，切问近思

王天宇的研究内容主要是基于柔性神经形态忆阻器件，模拟类脑的低功耗信息存储与处理模式，在计算效率方面具有极大的提高。随着人工智能设备的发展，算力不足的问题愈发明显。传统的计算设备均基于冯诺依曼式架构，存在存储单元与计算单元分离的问题，具有带宽不匹配、功耗巨大等问题。另一方面，仅通过增加晶体管的数量提高芯片算力的方法也逐渐难以满足日益增加的算力需求。因此，需要从架构源头解决这一问题，探索具有类脑计算、原位布尔逻辑计算功能的新型电子器件。

2016年，王天宇保送进入复旦大学微电子学院攻读硕士研究生，从本科到研究生的身份转变中，最大的感悟是对于实验室的一切仪器都充满了好奇与期待。王天宇抱有满腔的热血对自己的研究课题展开探索，然而现实往往是残酷的，由于前期的文献积累不足，调研不够全面，实验一直处于失败的循环之中，前半年的日子很快就在上课与失败的实验之中转瞬即逝。经过与导师的探讨，不断的总结与反思，大量阅读相关的文献，王天宇才逐渐对柔性衬底条件下的实验参数有所领悟，并且对忆阻器的基本特性有了更加深入的理解。一条曲线不仅仅能说明有性能和无性能这样的简单结论，其背后往往蕴藏着的是物理机制，反映出的是实验中的工艺参数、个人操作习惯甚至是测试环境差异等因素。而想要真正做到自己的实验结果与预期结果一致，需要大量的动手实验、文献阅读才能逐渐得心应手。每一次的实验结果都不是完全偶然的，而是每一个实验细节的影响积累叠加的最终效果，只有经过深入分析才会真正得到收获。

经过半年的摸爬滚打，虽然可以利用各个实验设备制备所需的忆阻器件，但是真正的挑战才刚刚开始。存算一体设备的基础是存储器，而存储器性能的测试是其中的重中之重。在诸多实验坎坷中，王天宇印象深刻的仍然是测试设备的探索与测试方案的开发。由于神经形态计算是新开发的课题方向，课题组对于相关的测试并无经验，只能重新开发一套适合于忆阻器件的神经形态功能测试方案。王天宇首先对神经形态功能的基础特性进行总结，并且对于每一个特性的测试波形进行调研。什么样的波形理论上应该对应什么样的特性，为何对同一个特性能采用不同的波形、振幅、脉宽、周期等等。这些都深深困扰着从零开始设计波形的王天宇，而解决这些问题的方法只有在深入了解自己器件特性的基础上不断尝试、勇于试错。经过这次历练，他收获颇多，也明白了摩天大厦不是一天拔地而起，而是需要不断积累经验。

2020年，经过前期的积累，王天宇对于低功耗神经形态器件的工作《Three-Dimensional Nanoscale Flexible Memristor Networks with Ultralow Power for Information Transmission and Processing Application》、《Ultralow Power Wearable Heterosynapse with Photoelectric Synergistic Modulation》相继发表在Nano Letters、Advanced Science等国际著名期刊上，相关工作的功耗远远低于生物水平（4.28 aJ/尖峰），将电子神经形态器件的功耗由fJ级降至aJ级别。这样一个比生物水平低了2-4个数量级的器件为今后研发比生物能耗更低的计算体系提供了新的路径。

时光飞逝，转眼间在复旦的5年博士生涯就要结束，回忆起来是满满的感激，对于下一站，王天宇期待着能充分利用自己的所识所学，面向国家卡脖子的集成电路领域难题发起挑战，继续深入开展相关研究。