HfZrOx铁电突触

十亿次耐久

通过元素掺杂工程，在同一HfZrOx材料体系中实现铁电/反铁电人工突触与神经元，为混合CNN-SNN神经形态计算提供硬件基础。

Jinhao, Zhang · Kangli, Xu · 林路 · Lu, Chen · Yongkai, Liu · Jiajie, Yu · Zhang, David Wei · 王天宇 · 陈琳

Nano Letters 2025

参数信息

分类准确率
92.7 %

技术优势

一个平台实现两种神经元行为

利用铁电的非易失极化翻转和反铁电的自发去极化特性，在同一HfZrOx材料体系中既实现了人工突触又实现了整合发放神经元，简化了异构神经形态系统的材料集成。

混合网络突破SNN的3D局限

构建的互补铁电/反铁电人工突触/神经元混合CNN-SNN框架首次用于心脏MRI分类，打破了纯SNN在3D图像识别上的限制，准确率相比纯CNN从82.3%提升至92.7%。

应用场景