中國科學技術大學李曉光教授團隊在高性能類腦突觸原型器件方面取得了重要進展。在前期研究基礎上，該團隊基於對鐵電疇形態和翻轉動力學的設計，在鐵電量子隧道結中實現了亞納秒電脈衝下電導態可非易失連續調控的類腦突觸器件，可用於構建人工神經網絡類腦計算系統，該成果以“High-precision and linear weight updates by subnanosecond pulses in ferroelectric tunnel junction for neuro-inspired computing”為題發表於《自然通訊》雜誌上（Nat. Commun.）。
以神經網絡為代表的類腦人工智能技術正深刻影響人類社會。但目前運行神經網絡計算的硬件系統依然基於傳統硅基運算器與存儲器，能效遠低於人腦。研發具有神經形態模擬功能的類腦器件，如神經網絡硬件系統的核心器件——電子突觸，是進一步推進人工智能發展的重要途徑之一。為執行複雜的人工智能任務，神經網絡硬件系統對電子突觸器件提出了諸多苛刻要求，如：非易失電導態數目（用於模擬腦突觸的連續可調性）大於100，非線性度小於1（好的線性度有助於精準調控電導），開關比大於100，翻轉耐久大於109次，周期隨機性小於3%。然而，已報道的類腦突觸器件無法全面滿足上述指標要求。
研究人員製備了高質量Ag/PbZr0.52Ti0.48O3(PZT ~1.2 nm，(111)取向)/Nb:SrTiO3鐵電隧道結。通過PZT超薄厚度和(111)取向的設計，獲得了更小的鐵電疇和更連續的翻轉動力學行為，更豐富的鐵電多疇亞穩態利於類腦突觸器件中多態的可控調節。該器件綜合性能優異，主要表現在：
1）8比特線性電導調控和高耐久性，滿足類腦突觸器件的核心性能指標要求。在10 ns的脈寬下，實現了8比特（256個）連續可調的非易失電導狀態，且非線性度低(<1)，開關比大(~100)，翻轉耐久高(>109次)，周期隨機性小(~2.06%)；甚至在亞納秒的操作速度下，器件仍然可以調節出150個連續的電導態，表現出優良的突觸塑性調節功能。
2）基於器件性能，仿真構建的神經網絡具有高圖像識別率。基於該鐵電隧道結的實驗性能，仿真構建的卷積神經網絡類腦計算系統可在線學習並識別Fashion-MNIST數據庫的時尚產品圖片，準確率達~95%；即使在圖片中引入椒鹽或高斯噪聲(噪聲水平達0.5)，其識別圖片的準確率仍然可達~85%。
3）亞納秒超快操作速度、飛焦級低能耗，媲美人腦突觸的能效表現。通過能帶設計並選擇處於准同型相界具有較低矯頑場的超薄PZT作為鐵電勢壘層，降低了器件操作電壓，提高了器件操作速度至300 ps（可以匹配目前CPU的操作速度）；而且，通過對直徑為50 nm的鐵電隧道結的表徵，其操作能耗降低到5.3 fJ/bit。基於上述性能推算，該鐵電隧道結構建的神經網絡計算系統有可能實現相當於人腦的優秀能效(人腦神經元突觸單次脈衝能耗約10飛焦)，且響應速度比人腦突觸快6個量級(人腦突觸響應速度約亞毫秒)。
上述結果展現了鐵電隧道結在構建未來高性能類腦人工智能計算硬件系統方面的重要潛力。
圖例說明：鐵電隧道結類腦突觸器件和仿真卷積神經網絡。a.鐵電隧道結類腦突觸器件結構示意圖。b.鐵電隧道結不同鐵電疇區的原子分辨像。c.不同脈寬的電脈衝下隧道結電阻的連續調控。d.隧道結類腦突觸器件的翻轉耐受性。e, f. 10 ns和630 ps脈寬的電脈衝下隧道結類腦突觸器件的長時程增強和抑制模擬。g, h.基於隧道結類腦突觸器件實驗性能，仿真構建的卷積神經網絡在線訓練識別帶椒鹽噪聲和高斯噪聲的Fashion-MNIST時尚產品圖片的結果。
我校物理學院李曉光教授和殷月偉教授為論文通訊作者。博士生羅振、王梓鑒、管澤雨為論文共同第一作者。
該項研究得到了國家自然科學基金、科技部國家重點研發計劃、中國科學技術大學“雙一流”人才團隊平台項目的資助。
文章鏈接：https://www.nature.com/articles/s41467-022-28303-x