08-08

石墨烯散熱膜項目入駐利物盛（江蘇）石墨烯應用產業園

利物盛（江蘇）石墨烯應用產業園位于江蘇省南通海安高新技術開發區，隸屬于上海利物盛企業集團有限公司。一期占地面積100畝，建筑面積50000㎡。 利物盛（江蘇）石墨烯應用產業園是利物盛石墨烯科技引領計劃的重要組成部分，以石墨烯生態全產業鏈為導向，整合上海利物盛資本、人才、技術等要素，為集團公司下屬入駐企業提供強大的支持和優質的服務。 2022年8月，利物盛（江蘇）石墨烯應用產業園在現有的石墨烯低溫柔性電熱膜、石墨烯水性電熱膜、石墨烯地暖模塊等相關產業的基礎上又迎來了石墨烯散熱膜項目的入駐，目前已完成該了項目所有設備的就位，后續將加緊完成各項設備的安裝調試，以最短的時間投入生產，該項目的入駐助推了利物盛石墨烯應用產品的進一步完善。 盛夏的8月4日，天氣悶熱異常，然而利物盛產業園車間內，全體員工不畏酷暑、毫不懈怠，搶進度、保質量，終于在晚上10點30分左右完成了所有散熱膜設備的就位工作，為項目的早日投產夯實了基礎。 利物盛（江蘇）石墨烯應用產業園圍繞利物盛石墨烯“上海研發，長三角制造、加速資源配置、形成發展合力”的戰略布局，著力打造成集產、銷為一體的石墨烯產業新高地、創新企業的集聚地，以整合石墨烯散熱技術而開發的石墨烯散熱膜生產線，旨在通過管控生產工藝流程，確保材料的高標準性能，從而推出石墨烯散熱膜這一高科技含量的產品，來滿足民用和工農業領域的需求。

08-05

上海微系統所成功研制世界上最小尺寸的相變存儲單元

當今數據生產呈現爆炸式增長，傳統的馮·諾依曼計算架構已成為未來繼續提升計算系統性能的主要技術障礙。相變隨機存取存儲器（PCRAM）可以結合存儲和計算功能，是突破馮·諾依曼計算構架瓶頸的理想路徑選擇。它具有非易失性、編程速度快和循環壽命長等優點。然而，PCRAM中相變材料與加熱電極之間的接觸面積較大，造成相變存儲器操作功耗較高，如何進一步降低功耗成為相變存儲器未來發展面臨的最大挑戰之一?？s小加熱電極尺寸是降低功耗的關鍵。 石墨烯納米帶（GNR）是一種準一維的石墨烯納米結構，其具有超高載流能力（＞109 A/cm2），且熱穩定性高，可以用作相變存儲器的加熱電極。 中國科學院上海微系統與信息技術研究所研究員宋志棠、王浩敏組成聯合研究團隊，首次采用GNR邊緣接觸制備出目前世界上最小尺寸的相變存儲單元器件。7月18日，相關研究成果以《通過石墨烯納米帶邊界接觸實現相變存儲器編程功耗最小化》（Minimizing the programming power of phase change memory by using graphene nanoribbon edge-contact）為題，在線發表在《先進科學》（Advanced Science）上。 研究團隊采用石墨烯邊界作為刀片電極來接觸相變材料，可實現萬次以上的循環壽命。當GNR寬度降低至3 nm，其橫截面積為1 nm2，RESET電流降低為0.9 μA，寫入能耗低至~53.7 fJ。該功耗比目前最先進制程制備的單元器件低近兩個數量級，幾乎是由碳納米管裂縫（CNT-gap）保持的原最小功耗世界紀錄的一半。同時，GNR作為加熱電極且充當半導體溝道材料，可在2.5 MHz的時鐘頻率下實現D型觸發器的時序邏輯功能。 這是目前國際上首次采用GNR邊緣接觸實現極限尺寸的高性能相變存儲單元，器件尺寸接近相變存儲技術的縮放極限，實現了超低功耗、高編程速度、出色的高/低電阻比，并展現出良好穩定性/耐用性。該新型相變存儲單元的成功研制代表了PCRAM在低功耗下執行邏輯運算的進步，為未來內存計算開辟了新的技術路徑。研究工作得到國家自然科學基金委員會、國家重點研發計劃、中科院戰略性先導科技專項和上海市科學技術委員會等的支持。

07-31

清華大學朱宏偉課題組綜述 | 石墨烯材料在人工智能中的最新進展

自人類進入計算機時代，隨著信息技術的發展（硬件的進步和算力的增強），人們一直在努力制造能夠模擬人類智能以實現高效問題解決和任務決策的機器，由此引入了“人工智能”的概念?；凇榜T·諾伊曼”架構的傳統計算機是解決結構化問題的理想平臺，但其信息處理依賴于處理器和存儲單元之間頻繁的數據傳輸，不可避免地限制了其計算效率且增大了能量損耗。相比之下，人腦是一種高效的生物計算系統，以超低的能量消耗實時處理非結構化數據。模擬生物大腦是使人工智能達到更高水平的唯一途徑，包括軟件（機器學習模型）和硬件（神經形態器件）兩種模擬方式。石墨烯等二維材料的出現極大地推動了低維材料的革命性發展。因具有優異的光、電、熱、磁等特性和成熟的晶片尺寸單晶制備工藝，石墨烯是當前研究最為廣泛和深入的二維材料，在人工智能的基礎研究和應用發面均展現出了極大的潛力。 　　清華大學材料學院朱宏偉課題組綜述了石墨烯等材料在機器學習和神經形態器件等方面的最新研究進展，相關論文發表在 Advanced Intelligent Systems 上。文章首先介紹了機器學習的基本方法和常見模型，從“軟件”（深度學習模型）和“硬件”（神經形態器件，如人工突觸和人工神經元）兩方面論述了人工神經網絡的差異，生物突觸的結構和工作原理以及神經形態器件中人工突觸的仿生原理和基本評價指標。隨后，總結了機器學習在石墨烯的性能（電學、力學、熱學等）預測、結構（原子級結構、尺寸和形狀）預測、反向設計（成分、結構）和傳感器任務識別（化學物質識別、動作識別、3D成像）等方面的應用案例。綜述了基于石墨烯的人工突觸的兩種構建方法和基本原理，介紹了石墨烯基晶體管和憶阻器的最新進展。最后，分析了石墨烯材料在人工智能應用中存在的問題及面臨的挑戰，對其未來應用前景進行了展望。

07-26

廈門大學胡晟/李玉良院士/石墨烯之父Andre Geim《自然·通訊》：具有快速和選擇性氣體滲透的石墨二炔納米多孔膜

基于二維（2D）材料制成的多孔膜因其在分離技術中的潛在用途而備受關注。與顯示流速與膜厚度成反比的傳統3D膜相比，這種興趣是由于原子級厚度意味著非?？焖俚姆肿訚B透。為了證明這種最終的快速滲透性，已經深入探索了具有相對較大孔的二維膜。經典的Knudsen理論很好地描述了該方案，并允許適度的選擇性，該選擇性源于具有不同分子量的氣體的熱速度差異。近年來，為了在2D晶體中創建納米孔，通常使用自上而下的制造方法在最初不可滲透的2D材料中引入納米級缺陷。雖然目前對準二維膜控制氣體滲透和分離的機制仍然知之甚少，但憑借2D材料獨特的優勢，預計基于2D材料的納米多孔膜可提供高選擇性的氣體傳輸以及極高的滲透性。