【微电子】复旦大学周鹏团队发明集成存储计算的铁电晶体管技术（微信文章未删减版）

“面对面交流”，兼具存储和计算能力

目前，人工智能的兴起使得以图像、语音处理、自动驾驶等为代表的新兴应用呈现快速增长趋势，这些应用要求数据在计算系统的逻辑和存储单元间频繁地交互更新。而当下计算机架构中逻辑和存储模块在物理上是分离的，大量通信交互增加了系统能耗，限制了整体效率，就好比身处异地的两人用书信或电邮讨论灵光乍现的idea，显然交流效率会大打折扣。

为此，利用非易失存储器件执行模拟计算等新兴技术应运而生，这就相当于两人直接面对面交流观点，进行头脑风暴，省去了耗时耗力的信息往复输运，显著提升了交流效率。其中，受益于极化场驱动的快速电导翻转、非破坏性读取、非易失性的存储态和简易的器件结构等优势，铁电存储器成为了一种充满潜力的技术路径。

然而，传统铁电晶体管（FeFETs）存储器通常采用铁电体作为介电层来调制沟道电导，受去极化场的作用，FeFETs中的剩余极化随着开关周期累加而逐渐降低，铁电体发生疲劳，最终导致存储器抗疲劳特性受限。此外，传统铁电绝缘介电层中往往存在电荷俘获和泄漏电流现象，这导致了存储器阈值和存储状态的漂移。

针对这些问题，复旦大学微电子学院周鹏教授团队发现了新型二维铁电半导体在存储计算领域更优的应用方案（二维铁电沟道晶体管），解决了如何用新材料、新原理和新结构优化铁电存储器性能并兼具计算能力的难题，实现了铁电存储器结构的原始创新，可用于发展存储和计算融合系统。相关成果以《集成超快存储和神经拟态计算的二维铁电沟道晶体管》（“Two-dimensional ferroelectric channel transistors integrating ultra-fast memory and neural computing”）为题在线发表于《自然•通讯》（Nature Communications）

“行程一步到位”，实现铁电存储器结构原始创新

二维铁电沟道晶体管（2D FeCTs）与传统FeFETs的核心区别在于，直接将二维铁电半导体作为晶体管沟道，而传统铁电材料多为绝缘体，无法用作沟道层，只能作为栅极介电层调制沟道电导，这可以用一个从始发城市A前往目标城市B的行程例子来简单理解，FeCTs相当于由城市A直达城市B，一步到位完成行程，而传统FeFETs则需要经转城市C，才能到达目标城市B。此外，二维铁电半导体中天然存在的移动电荷可以形成一个内建电场，从而有效屏蔽铁电半导体内部的去极化场，使传统FeFETs的抗疲劳特性改善，电荷俘获和泄漏电流效应消除，最终实现铁电存储器性能优化。

图1. 传统铁电晶体管FeFETs VS二维铁电沟道晶体管FeCTs

超快非易失数据存储，灵活低能耗神经拟态计算

首先，作者发现FeCTs可作为优异的非易失性存储器应用，且能够实现超快非易失数据写入。实验结果显示，FeCTs展现出足够大的存储窗口，稳定的非易失保持特性和改善的抗疲劳特性。同时，研究中还惊喜地发现FeCTs允许40 ns极限非易失性写入操作。

图2. 二维铁电沟道晶体管实现超快非易失存储器

除了非易失数据存储功能，FeCTs兼具了神经拟态计算能力，包括神经突触细胞中短时程可塑性，尖峰幅值、频率依赖的可塑性，长时程增强、抑制可塑性的模拟。此外，单个神经突触兴奋/抑制事件能耗分别低至234/40 fJ，成为构建未来高能效神经形态系统充满希望的候选者。

图3. 二维铁电沟道晶体管实现神经拟态计算

独辟蹊径引入热学辅助调制，高精度鸢尾花识别尽显应用前景

在研究中还发现，热学温度也能够对FeCTs的非易失性存储和神经拟态计算功能起到灵活可控的调制。对于非易失性存储器，热学调制实现了与电学复位操作类似的沟道铁电体去极化效应，展现了FeCTs非易失数据存储的热电可调性。对于神经拟态计算，以电学为基础，引入热学辅助调制，实现了更大范围的长时程增强、抑制可塑性，为基于FeCTs创建的神经网络在精度调节上增加热学维度。最终，以高精度（94.74%）识别并分类鸢尾花图像为例，演示了FeCTs在系统应用中的潜能。

图4. 热学辅助调制下实现鸢尾花识别应用演示

总结而言，此次开发的二维铁电沟道晶体管革新了铁电存储器结构，并兼具非易失存储和神经拟态计算能力，同时引入热学辅助调制思路，演示了系统应用前景，为高能效存算融合系统发展提供了器件级范式。

复旦大学专用集成电路与系统国家重点实验室是研究工作的唯一单位。复旦大学微电子学院博士生王水源为第一作者，复旦大学微电子学院周鹏教授为通讯作者。研究工作得到了微电子学院院长张卫的指导和国家自然科学基金杰出青年基金、上海市科学技术委员会、上海市教委曙光计划的支持。

原文（扫描或长按二维码，识别后直达原文页面）：

Two-dimensional ferroelectric channel transistors integrating ultra-fast memory and neural computing

Shuiyuan Wang, Lan Liu, Lurong Gan, Huawei Chen, Xiang Hou, Yi Ding, Shunli Ma, David Wei Zhang, Peng Zhou

Nat. Commun., 2021, 12, 53, DOI: 10.1038/s41467-020-20257-2

周鹏教授简介

周鹏，教授，博士生导师。复旦大学微电子学院副院长，2019年获国家杰出青年科学基金资助，同年入选万人计划领军人才，2018年入选科技部中青年创新领军人才，同年入选上海市“曙光人才”计划，2016年获国家自然基金委优秀青年资助。2013年获上海市科技“启明星”计划资助，主持“上海市微纳器件与工艺专业技术服务平台”。长期从事集成电路新材料、新器件和新工艺的研究。利用新材料发明了高速与非易失兼得的新型存储技术，实现了高面积效率单晶体管逻辑原位存储技术，获得了高性能存储器件，高效率算法和验证性芯片。主持了国家自然科学杰出青年基金、应急重点项目、优秀青年科学基金、面上基金等项目，参与了多项国家《极大规模集成电路制造技术及成套工艺》重大专项项目，参与了科技部重点研发计划、973计划、863重大项目等。以第一/通讯作者已发表SCI论文100余篇，包括3篇Nature Nanotechnology, 1篇 Nature Electronics, 4篇Advanced Materials等。近三年受邀在国内外会议做邀请报告50余次，任Wiley 期刊InfoMat（信息材料）副主编，作为客座编辑主持了Small、Advanced Electronic Materials和Nanotechnology等期刊专刊。

https://www.x-mol.com/groups/peng_zhou

本文版权属于X-MOL（x-mol.com），未经许可谢绝转载！欢迎读者朋友们分享到朋友圈or微博！

长按下图识别图中二维码，轻松关注我们！

点击“阅读原文”，查看 化学 • 材料 领域所有收录期刊