类神经形态器件可以在数据的存储位置对信息进行处理，大大减少了存储单元和处理单元间数据传输的需要，从而大幅提高速度和能源效率。在同一架构内实现人工神经元和突触功能，将为大规模神经形态计算提供一条有潜力的途径。氧化铪基铁电薄膜具有优异的CMOS工艺兼容性和厚度可微缩特性，基于铪基铁电薄膜的纳米电子器件也具有低功耗和高速度等优势，在非易失存储和神经形态计算等领域有着极大的应用潜力。

研究发现，锆掺杂氧化铪（Hf1-xZrxO2）材料表现出从铁电到反铁电极化行为的转变，并展现出独特的逐步极化翻转和本征去极化特性，使其成为模拟脉冲神经元的理想选择。通过功函数工程引入内建偏压有效解决零偏置下净剩余极化不足的问题，同时在耐久性和高密度三维集成方面表现出诸多优势，为下一代神经形态计算提供了一种新的实现路径。

近日，复旦大学微电子学院科研团队报道了一种新型反铁电铪锆氧基人工神经元/突触器件。相关成果以“Novel Two-Terminal Synapse/Neuron Based on an Antiferroelectric Hafnium Zirconium Oxide Device for Neuromorphic Computing”为题发表于Nano Letters。

图1 用于类脑计算的功函数调控策略示意图

该研究采用与CMOS工艺兼容的新兴反铁电纳米材料研制了一种新原理人工突触/神经元器件。基于对称电极配置研究了不同脉冲刺激下的积分-放电-漏电 (LIF) 神经元行为特性，显示出 1.36 fJ/spike 的低发射能耗。通过引入非对称电极形成偏置电场，极化滞回特性发生偏移，形成两个可辨别的极化/电阻状态。成功实现了包括成对脉冲促进 (PPF) 和长期增强/抑制 (LTP/LTD) 在内的突触行为，功耗低至 245 aJ/spike。基于构建的人工神经网络 (ANN) 系统成功展示了手写数字识别能力，识别率高于90%。

综上所述，反铁电器件具有小极化电流和比铁电器件更快的极化响应，其作为神经形态基础器件具有低功耗、快速响应的潜力，为人工智能应用所需的大规模神经形态计算提供了一条新途径。

图2 基于反铁电HZO薄膜的LIF神经元特性

图 3 基于反铁电HZO薄膜的神经网络示意图

复旦大学微电子学院教授陈琳、山东大学集成电路学院研究员王天宇为通讯作者，课题组博士生徐康力为论文第一作者。

文章来源：复旦大学