| |
 |
图1 基于二维材料的同质晶体管-存储器，(A) 结型晶体管示意图；(B) 铁电近邻掺杂原理示意图；(C) 存储器示意图；(D) 存储器阻态调控原理示意图；(E) 同质晶体管—存储器集成系统示意图；(F) 神经网络二值分类算法的训练准确度；(G) 神经网络二值分类算法的训练代价函数
在国家自然科学基金项目（61974050、61725505和61905266）等资助下，华中科技大学叶镭副教授与中国科学院上海技术物理研究所胡伟达研究员等合作团队，在存储—计算一体化器件研究方面取得进展。研究成果以“基于二维材料的面向神经形态硬件的同质晶体管-存储器结构（2D materials-based homogeneous transistor-memory architecture for neuromorphic hardware）”为题，于2021年8月19日在《科学》（Science）上发表。论文链接：https://doi.org/10.1126/science.abg3161。
新型神经形态电路在自动驾驶、图像识别、语音处理、智能预测、脑机接口、物联网等领域具有广泛的应用前景。然而，构成该电路的存储器阵列与外围电路的集成兼容性制约了其性能提升。例如，忆阻器、相变存储器、磁存储器、铁电存储器等新型存储器阵列与基于传统的CMOS场效应管或结型晶体管的外围电路在器件结构、制造工艺上差异大，差异化的器件结构需要不同的制造工艺，导致两种模块的物理分离，从而限制了新型神经形态电路的进一步集成和降低功耗。
围绕这一难题，叶镭副教授与胡伟达研究员等合作团队另辟蹊径，利用二维材料与铁电衬底近邻耦合的物理机制，构建了一种新型同质晶体管—存储器器件结构。通过精准调控铁电衬底的极化特性，该结构实现了场效应管、结型晶体管和存储器功能。这种多样化、可重构的器件为存储单元和外围电路的单片集成提供了器件基础（图1）。他们一方面利用高度取向的铁电近邻掺杂作用构建结型晶体管器件，利用该器件设计出神经形态硬件需要的外围电路；另一方面，通过铁电畴的极化翻转调制结区内建势垒，构建非易失的存储器阵列。外围电路和存储器阵列通过相同的器件结构高效集成，硬件实现了神经网络二值分类算法和新型三态内容寻址存储器（TCAM）单元。他们进一步研究发现，该铁电调控多功能器件在外场调控下还可以实现光电传感，为感—存—算一体化器件设计提供了新方案。
该研究工作有望进一步推动基于二维材料的新型神经形态硬件发展，具有重要的学术意义和应用前景。