基于两端忆阻器件，研究引入石墨烯量子点界面调控实现不对称的导电通路，首次在单器件层面实现元可塑性，并复制经典突触可塑性。采用不同的连续脉冲序列测试演示出历史权重与新技能权重的相关性，成功模拟海马体局部神经回路对中枢神经系统指示信号的动态习得过程。

此外，基于元可塑性器件的神经网络系统进行连续四次不同MNIST数据集任务学习，结果为在第四次MNIST数据集任务达到了97%的学习准确率情况下，前三次任务仍然具备94%以上的记忆准确率。该研究克服了基于模型或算法实现元可塑性的局限，为人工突触在应对动态和复杂任务方面提供了重要进展。弥合了人工神经网络与生物神经网络之间的差距。

灾难性遗忘是神经网络实现持续学习的主要障碍，限制了深度学习在多任务和动态环境中的广泛应用。随着数据集和任务的规模和复杂度不断扩大，解决灾难性遗忘问题对于推进通用型人工智能至关重要。元可塑性，作为神经科学中一种高级的可塑性行为，为生物系统提供了一种“可调节的学习模式”。目前神经网络中应用的元可塑性方法受到系统复杂性增加、计算成本高和工程实施困难的限制。缺少元可塑性行为直接转移到深度神经网络中的缓解灾难性遗忘的策略。

本文利用石墨烯量子点对氧化铁界面的调控作用首次在器件上实现了元可塑性，从而在硬件层面为缓解人工神经网络训练中灾难性遗忘提供了一个可行性方案，对高度泛化和智能神经网络的发展具有重要意义，推动通用型人工智能技术的应用和发展。