本文档属于类型b（综述类科学论文）。以下是针对该文档的学术报告：
作者及机构
本文由Dong Wang（华东师范大学）、Shenglan Hao（华东师范大学）、Brahim Dkhil（巴黎萨克雷大学）、Bobo Tian（华东师范大学/之江实验室）及Chungang Duan（华东师范大学/山西大学）合作完成，发表于期刊Fundamental Research 2024年第4卷。
主题与背景
论文题为《Ferroelectric Materials for Neuroinspired Computing Applications》，聚焦铁电材料（ferroelectric materials）在神经形态计算（neuromorphic computing）中的应用。传统冯·诺依曼架构因“内存墙”问题难以满足人工智能（AI）对高效可持续计算的需求，而铁电材料凭借非易失性极化状态、低功耗和高耐久性，成为突破这一瓶颈的理想候选材料。本文系统综述了铁电材料的极化机制、器件设计（如铁电突触器件），以及基于铁电的内存计算（in-memory computing）和传感器内计算（in-sensor computing）技术的最新进展。
铁电材料的自发极化可通过电场反转，其动态过程（如畴壁运动）支持多级非易失性状态，模拟生物突触的可塑性（plasticity）。例如，图2展示了铁电滞回线（hysteresis loop）和极化反转的四个阶段：成核（nucleation）、垂直生长、横向扩展及畴合并。这一特性使铁电材料适用于人工神经网络（ANN）中的权重调制。
证据：
- 以HfO₂为代表的铁电薄膜在纳米尺度仍保持稳定极化（引用[37]）。
- 有机铁电材料（如PVDF）的隧穿电阻比（TER）超过1000%（图4f），验证了其多态存储能力（引用[11]）。
铁电突触器件主要包括三类：
- 铁电隧道结（FTJ）：通过极化方向调控隧穿电阻，实现高/低阻态切换。例如，BiFeO₃基FTJ可模拟尖峰时序依赖可塑性（STDP）（图4a-d）。
- 铁电场效应晶体管（FeFET）：利用栅极铁电层调制沟道电导，如HZO-FeFET在40 ns内完成权重更新（引用[68]）。
- 铁电半导体FET（FES-FET）：以α-In₂Se₃为沟道，兼具极化与载流子调控能力，其开关比达10⁸（引用[62]）。
证据：
- 有机FTJ（PVDF）阵列成功实现手写数字识别（图4e-h）。
- FeFET在MNIST任务中达到91.1%准确率，接近理想模拟结果（图5d）。
铁电交叉阵列通过欧姆定律和基尔霍夫定律实现模拟乘累加（MAC）运算，支持以下神经网络：
- 深度神经网络（DNN）：5×5 HfO₃-FTJ被动阵列完成Fashion-MNIST分类，精度达87.6%（图6f）。
- 卷积神经网络（CNN）：基于CuInP₂S₆/α-In₂Se₃异质结的CNN识别准确率达84.2%（图7d）。
- 储备池计算（RC）：α-In₂Se₃ FES-FET的多层RC系统可预测巴西电力消耗趋势（图8f）。
证据：
- FTJ阵列的能效优于其他存储器（图6g）。
- 铁电光伏传感器（Fe-PS）通过极化调控光响应，实现实时边缘检测（图10c）。
铁电材料的多场耦合特性（如光电、压电效应）支持一体化感知-存储-计算：
- 视觉系统：P(VDF-TrFE)/Cs₂AgBiBr₃光突触阵列的车辆流量识别准确率100%（图10b）。
- 触觉系统：基于P(VDF-TrFE)的电子皮肤实现手写字母分类（99.66%准确率，图11b）。
- 多模态感知：石墨烯/MoS₂异质结器件融合光学与力学传感（图12a）。
证据：
- 分子铁电器件（DIPAB/CuPc）的光电突触识别率达92%（引用[110]）。
HfO₂基器件因其CMOS工艺兼容性成为研究热点：
- 金属-铁电-金属（MFM）电容在130 nm工艺中实现>10¹¹次耐久性（图13a）。
- 三维集成MFIS-FTJ的隧穿电致电阻（TER）效应提升40倍（引用[121]）。
现存问题：
- FTJ的氧空位迁移和界面缺陷影响可靠性。
- FeFET的印迹效应（imprint effect）和保持特性需进一步优化。
亮点：
- 涵盖从材料机制到系统集成的全链条研究。
- 首次综述HfO₂基器件与有机/二维铁电材料的协同应用。
- 提出铁电RC架构，为时序信号处理提供新范式。
此综述为铁电神经形态计算领域提供了全面的技术路线图，并指明了未来跨学科研究的核心挑战。