忆阻器用电导模拟突触权重，通过欧姆定律和基尔霍夫电流定律实现向量矩阵乘法操作，应用于存算一体的神经网络计算，促进了存算一体神经形态计算的硬件级实现。但由于本征的电流焦耳热效应，器件不可避免地会产生巨大的能量消耗，随着器件尺寸的缩小，热耗散问题会进一步影响器件的性能，这是实现大规模存算一体硬件的重要挑战。
近日，极化材料与器件教育部重点实验室段纯刚教授团队提出了一种铁电电容器与金属-绝缘体-半导体（MIS）变容器垂直堆叠的铁电忆容器模型，利用铁电畴的非易失性和渐变反转特性以及铁电极化对MIS电容值的有效调控。该铁电忆容器实现了可编程、非易失、多值的电容态，并且表现出优异的耐疲劳特性和器件均匀性。研究团队进一步在硅衬底上实现了基于铁电忆容器阵列的矩阵乘积运算，并演示了单层感知神经网络的图像分类任务。该铁电忆容器在矩阵乘积运算时只发生了不断的充电和放电过程，在器件层没有能量消耗，提供了一种从根源上缓解存算一体芯片中热量耗散问题的有效途径。该成果以“Ultralow-power in-memory computing based on ferroelectric memcapacitor network”为题发表在交叉领域期刊Exploration上，并被选为该期刊的背封面。
本项研究工作实现了一种基于铁电效应的新型忆容器，并验证了铁电忆容器在超低能耗存内计算的可行性，为缓解基于忆阻器的存算一体芯片中热量耗散问题提供了新思路。极化材料与器件教育部重点实验室、上海类脑智能材料与器件研究中心田博博教授和朱秋香副教授以及上海工程技术大学刘宏波副教授为该工作的通讯作者。田博博教授，谢茁壮助理研究员和陈璐秋博士研究生为该工作的共同第一作者。该项研究得到了国家重点研发计划、国家自然科学基金、之江实验室开放课题、上海市科技创新行动计划和华东师范大学“双一流”人才团队平台项目的资助。
论文信息：
Bobo Tian*, Zhuozhuang Xie, Luqiu Chen, Shenglan Hao, Yifei Liu, Guangdi Feng, Xuefeng Liu, Hongbo Liu*, Jing Yang, Yuanyuan Zhang, Wei Bai, Tie Lin, Hong Shen, XiangjianMeng, Ni Zhong, Hui Peng, Fangyu Yue, Xiaodong Tang, JianluWang, Qiuxiang Zhu*, Yachin Ivry, Brahim Dkhil, Junhao Chu, Chungang Duan, “Ultralow-power in-memory computing based on ferroelectric memcapacitor network”, Exploration2023, 3, 20220126.
论文链接：https://doi.org/10.1002/EXP.20220126
封面链接：https://doi.org/10.1002/EXP.20210484
