郭万林院士领衔！南航刘衍朋/王小钒Nature大子刊 | 滑移铁电晶体管室温下操控3024个非易失极化态！

背景：大规模神经网络的计算与存储需求对现有硬件架构构成挑战，神经形态计算是潜在解决方案，但其核心单元需要具备多稳态特性。现有铁电系统在室温下能实现的稳定极化态数量有限，制约了高效神经形态硬件的应用。研究目的：南京航空航天大学郭万林院士团队旨在探索一种能在室温下于单个滑动铁电晶体管中操控数千个非易失性极化态的方法，以突破现有限制。结论：该团队报道了一种由对齐单层石墨烯/六方氮化硼构成的滑动铁电晶体管，通过源-漏脉冲与栅压叠加的双调控策略，在室温下实现了3024个物理上可区分的非易失性极化态，这些状态可长期保持。利用这些极化态对深度残差网络进行训练模拟，在图像识别任务中取得了与浮点精度相当的准确率。该研究为滑动铁电器件的实际应用和高密度集成提供了可能。