突触可塑性即是通过特定模式的突触活动产生突触权重变化的生物过程，这个过程被认为是大脑学习和记忆的源头。因此，模拟神经突触可塑性和学习功能，构建人工神经网络，是未来实现神经形态类脑计算机的关键。近期，中科院物理研究所孙阳研究组在忆耦器的应用方面取得了新的进展，成功将忆耦器应用于突触电子学领域。
    孙阳研究组在国际上首先提出了一种基于磁电耦合效应的非易失性电路元件—忆耦器（memtranstor），并分别基于忆耦器成功演示了室温下的两态存储、多态存储和布尔逻辑运算功能。近期，孙阳研究组尚大山副研究员和申见昕博士生等在具有室温大磁电耦合效应的Ni/PMN-PT/Ni忆耦器中，通过调节脉冲触发电压和脉冲次数，实现了电耦值的连续可逆变化，模拟了神经突触权重增强和减弱行为。他们通过设计脉冲电压触发波形，并将两组脉冲波形进行叠加，实现了脉冲时序依赖可塑性（STDP）这种典型的突触可塑性行为。在此基础上，他们构建了基于忆耦器的4X4神经网络，通过采用随机噪声学习方法，模拟了图片静态和动态学习功能。该工作在国际上首次利用忆耦器模拟了神经突触可塑性和学习功能，证明了基于忆耦器构建低功耗神经网络的可行性，为突触电子学和类脑计算技术的开发提供了一种全新的途径。
    该工作得到了科技部重点研发计划、国家自然科学基金和中国科学院项目的支持。