近日，我院郑立梅教授团队在铁电类人工神经突触领域取得新进展，结合氧空位迁移和铁电极化翻转两种机制，在铁电隧道结器件中获得了高线性度和对称性的权重变化，实现了铁电类人工神经突触性能的新突破。相关研究成果以“High-performance neuromorphic computing based on ferroelectric synapses with excellent conductance linearity and symmetry”为题发表在Advanced Functional Materials上。

神经形态计算是后摩尔时代突破传统冯·诺依曼计算架构的有利技术候选，而基于忆阻器人工神经突触器件的硬件神经网络是神经形态计算的基础。设计模拟突触核心功能的高性能忆阻器件是在硬件中实现神经形态计算的关键。然而现有人工神经突触器件的一个显著缺点是对重复刺激的响应线性度不高，且由电压极性反转引起的权重更新对称性不高。而当前对于人工神经突触线性度和对称性的改良多采用优化线路设计、使用复杂的编程脉冲等方法，这些工艺无疑与器件小型化、低能耗的发展趋势相悖逆。因此迫切需要一种基于阻变机制调控的方法，来提升人工神经突触权重更新的线性度和对称性。

本文结合铁电极化翻转和氧空位迁移，设计制备出了一种非线性度低至0.13-0.17、权重更新非常对称的铁电隧道结人工突触。基于这类人工神经突触搭建的人工神经网络系统，其监督学习识别率高达96.7%。同时无监督学习中表现出平衡的STDP行为及优良的抗干扰性：噪声水平50%时其识别率仍接近100%。

山东大学物理学院为论文第一单位，本院硕士生杨淑婷和本科生李星雨为论文第一作者，郑立梅教授为论文通讯作者。齐鲁工业大学赵乐博士、济南大学吕伟明教授为论文共同通讯作者。该研究工作得到了山东大学齐鲁青年学者配套经费、国家自然科学基金、国家重点研发计划、山东省自然科学基金重点项目的资助。

  论文链接：https://doi.org/10.1002/adfm.202202366