近日，山东大学集成电路学院与复旦大学微电子学院团队联合攻关，成功构建出一种基于铁电-反铁电协同机制的新型HfZrOx忆阻器件，在低功耗神经形态计算硬件领域取得重要进展。相关成果以“Ferroelectric/AntiferroelectricHfZrOxArtificialSynapses/NeuronsforConvolutionalNeuralNetwork−SpikingNeuralNetworkNeuromorphicComputing”为题发表在国际权威期刊Nano Letters。山东大学集成电路学院研究生张谨昊，复旦大学微电子学院博士生徐康力为共同第一作者，山东大学集成电路学院孟佳琳研究员、王天宇研究员和复旦大学陈琳教授为论文共同通讯作者。

随着人工智能、边缘计算和类脑计算的迅速发展，传统冯·诺依曼架构下“存储与计算分离”所导致的“内存墙”问题，已成为制约算力效率与能耗优化的核心瓶颈。神经形态计算通过模拟生物神经元和突触的事件驱动式信息处理机制，为打破这一架构壁垒提供了新路径。忆阻器因其多态调控与突触可塑性特征，被广泛视为类脑硬件系统的重要构建单元。然而，现有器件常面临能耗高、状态不稳定等难题。本研究提出一种融合铁电与反铁电特性的混合忆阻器架构，器件在低电压下实现低能耗编程，适配于多种神经网络模型。研究团队进一步基于该器件，构建并验证了其在卷积神经网络（CNN）与脉冲神经网络（SNN）中的应用潜力，展现出良好的识别准确率与神经可塑性表现。

图1 基于HfZrOx的心脏磁共振应用流程

图 2  HfZrOx铁电特性的表征与测试

图3 基于HfZrOx的神经形态积分发放行为和分类性能

图4 铁电-反铁电HfZrOx器件在心肌磁共振分类中的应用

本研究提出的忆阻器基于HfxZr1-xO2材料组分比例调控，通过精准设计实现铁电与反铁电效应的协同调控机制，并表现出优异的稳定性与耐久性（>109次循环），适用于大规模类脑硬件部署。研究团队进一步将其应用于心肌磁共振（CMR）图像识别任务中。通过构建融合该忆阻器模型的卷积神经网络和脉冲神经网络架构，在大规模医学图像数据集上开展测试。结果表明，该器件可支撑CMR图像的高精度识别任务，识别准确率达到92.7%，充分验证了其在智能医疗影像处理中的实际应用潜力。

论文信息

Ferroelectric/AntiferroelectricHfZrOxArtificialSynapses/NeuronsforConvolutionalNeuralNetwork−SpikingNeuralNetworkNeuromorphicComputing

Jinhao Zhang, Kangli Xu, Lin Lu, Chen Lu, Xinchen Tao, Yongkai Liu, Jiajie Yu, Jialin Meng*, David Wei Zhang, Tianyu Wang*, Lin Chen*

原文链接：

https://pubs.acs.org/doi/10.1021/acs.nanolett.5c02889