柔性HZO铁电忆容器件

训练1.96 nJ，识别97.63%

在云母基底上制备的Zr掺杂HfO2铁电忆容器件，兼具抗读干扰、低静态功耗和柔性可弯折特性，为神经形态计算实现高能效突触。

Yujie, Zhang · 燕少安 · Zhu, Yingfang · Qin, Jiang · Tao, Tang · Yujie, Wu · Yang, Zhan · 肖永光 · 唐明华

Advanced Composites and Hybrid Materials 2025

参数信息

数字识别准确率

97.63 %

训练过程最大能耗

1.96 nJ

突触可塑性不对称度（平面状态）

0.030

突触可塑性不对称度（拉伸状态）

0.068

技术优势

抗读干扰

基于电容原理存储数据，读取操作不会改变存储状态，因此尤其适合频繁读出的神经形态计算场景。

静态功耗低

与忆阻器相比，铁电忆容器在静态状态下没有持续的电流通路，显著降低了静态功耗，有利于实现高能效计算。

柔性可弯折

在云母基底上制备的金属-铁电-金属结构器件展现出良好的柔韧性，可承受弯折应力，为可穿戴和柔性电子集成提供了可能。

应用场景

• 神经形态存储：低静态功耗忆容突触可直接替代高能耗忆阻器，构建高能效人工神经网络硬件。
• 可穿戴神经形态计算：云母基底与柔性结构允许器件集成到可穿戴设备中，实现贴身的低功耗神经形态计算。
• 柔性集成电路：简单的金属-铁电-金属结构可在柔性基底上制备，易于与现有柔性电路工艺兼容。
• 边缘AI芯片：推理能耗低至4.03 pJ/器件，适合在边缘设备上执行神经网络推理，延长电池寿命。
• 感知-计算融合：柔性忆容器件可与传感器集成，在同一基底上实现信号感知与神经形态处理的融合。