现代社会，人工智能技术的快速发展对计算架构提出了更高要求。传统的冯•诺依曼计算架构，由于内存与处理单元的分离，导致数据访问效率低下和能源消耗过高，限制了人工智能技术的发展。神经形态计算作为一种新兴的计算范式，通过模仿生物大脑的神经元-突触结构，在能效和时间效率方面具有显著优势，是提升人工智能系统能力的一种有效途径。忆阻器作为核心元器件，其设计与性能优化是推动神经形态计算硬件进展与突破的关键。其中铁电忆阻器可根据铁电薄膜铁电畴的形态，动态改变导电态，实现突触可塑性，从而并行存储和处理信息，具有读写速度快，功耗低等显著优势。如何精确调控铁电畴结构，提高铁电忆阻器的开关比，以确保导电态的高可靠性和高精度，是开发高性能铁电神经突触器件的关键。
围绕这一目标，中国科学院金属研究所沈阳材料科学国家研究中心功能材料与器件研究部胡卫进研究员联合杨腾研究员，与材料结构与缺陷研究部唐云龙研究员、王宇佳研究员，华南师范大学樊贞研究员等合作，发现通过简单的提高薄膜生长温度，即可在镧锶锰氧/钛酸钡[La0.67Sr0.33MnO3（LSMO）/BaTiO3（BTO）] 多层膜中实现大面积铁电单畴的形成。结合高分辨率扫描透射电子显微镜、密度泛函理论计算和相场模拟等手段，揭示了750度高温下Sr元素在BTO/LSMO界面的扩散和积累是关键因素。它创造了一个具有正静电势的带电表面，从而稳定自发极化铁电单畴，并促成铁电薄膜中氧空位沿厚度方向的梯度分布，帮助我们在Pt/BTO/LSMO铁电忆阻器中实现了增强的开关比(~107)，获得了高对称性 (非对称因子低至0.1) 和线性度 (非线性因子低至0.34) 的铁电突触器件性能。该类铁电突触器件在典型监督学习任务中实现了高达95%图片分类识别精度，展示了铁电自极化单畴在增强铁电神经突触器件性能方面的巨大潜力。
相关研究以“Interface element accumulation-induced single ferroelectric domain for high-performance neuromorphic synapse”为题，在线发表于《先进功能材料》(Advanced Functional Materials) 期刊。
该研究工作得到了国家重点研发计划，国家自然科学基金重点项目、重大计划培育项目、面上项目，辽宁省中央引导地方科技发展专项的资助。
论文链接
图1. BaTiO3单晶薄膜自发极化铁电畴随生长温度的演化
图2. La0.67Sr0.33MnO3/BaTiO3外延界面附近Sr元素的扩散
图3. BaTiO3单晶薄膜自发极化铁电单畴的形成机制与氧空位梯度分布
图4. La0.67Sr0.33MnO3/BaTiO3/Pt 铁电忆阻器的性能与阻变机制
图5. La0.67Sr0.33MnO3/BaTiO3/Pt 铁电忆阻器的类神经突触行为与监督学习性能
AI科普解读：铁电忆阻器突破性能瓶颈
我们手机和电脑里的芯片，其实都是用着70多年前的老架构在工作。这种被称为“冯•诺依曼架构”的设计，就像让一个厨师在厨房和仓库之间来回跑腿拿食材，不仅效率低下，还特别费电。如今人工智能发展迅猛，这种传统架构已经越来越力不从心。
科学家们从人脑中获得了灵感：我们的大脑处理信息时，神经元和突触可以同时存储和处理信息，就像每个细胞既是仓库又是加工厂。基于这个原理，“神经形态计算”技术应运而生。而实现这个愿景的关键，是一种叫做“铁电忆阻器”的神奇器件。
神奇的“电子突触”：
铁电忆阻器就像电子版的神经突触，它能够通过改变内部微小的铁电畴结构来调整导电性能。就像我们大脑通过强化或弱化突触连接来学习一样，这种材料可以实现类似的学习功能。但之前的难题在于，如何让这些纳米级的铁电畴排列得更整齐稳定。
金属所团队新突破：
金属所胡卫进研究员联合研究团队发现，只要在制备材料时把温度调高到750℃，就能让镧锶锰氧/钛酸钡多层膜中的铁电畴自动排列成整齐的方阵。这就像通过控制火候，让纳米级的磁铁都指向同一个方向。
秘密藏在元素扩散中：高温让薄膜材料界面的锶元素重新分布，形成特殊的带电表面。这种改变不仅稳定了铁电畴的排列，还让材料中的氧空位形成梯度分布，就像给电子铺设了一条专用通道。
性能飞跃：
- 开关灵敏度提升10倍（开关比达到107）
- 在图像识别测试中，这种突触器件实现了95%的准确率，已经接近人眼识别的水平。
文档附件
