（通讯员 王恺）11月3日，《自然·通讯》（Nature Communications）在线刊发题为《基于超薄氧化物的免退火纤锌矿铁电场效应晶体管实现神经形态计算》（High-performance annealing-free wurtzite ferroelectric field-effect transistors with ultrathin oxide semiconductors for neuromorphic computing）的论文。该成果是国家脉冲强磁场科学中心李学飞副研究员与香港理工大学柴扬教授等团队合作，在非易失存储器领域取得的重要突破。

随着人工智能、边缘计算和物联网快速发展，计算与存储单元分离带来的数据搬运问题日益突出，“存储墙”和“功耗墙”成为限制系统性能的重要因素。铁电场效应晶体管（FeFET）将铁电材料引入晶体管栅极，利用铁电极化改变沟道电导和阈值电压，在单个器件中兼顾非易失存储与计算功能，被认为是发展高能效存储和神经形态计算的重要技术路径。

纤锌矿结构氮化铝钪（AlScN）具有较高的剩余极化、稳定的铁电相和较低的热预算，无需高温退火即可制备，具备与芯片后道工艺（BEOL）兼容的潜力。然而，AlScN与半导体沟道之间容易形成界面缺陷，载流子在电场作用下被反复俘获和释放，造成阈值电压漂移、存储窗口不稳，成为制约高性能AlScN FeFET的关键问题。

针对这一难题，研究团队从薄膜、界面和器件结构三个层面开展协同优化。在AlScN薄膜制备中，通过引入氢气调控反应磁控溅射过程，抑制氧相关缺陷引起的极化不对称和漏电流；在AlScN与超薄氧化铟镓（IGO）沟道之间加入高质量HfO₂界面层，减少界面陷阱，并抑制后续工艺对铁电层的氧化影响。为揭示不同结构下的存储机制，团队系统比较了金属-铁电-半导体（MFS）、金属-铁电-介质-半导体（MFIS）和金属-铁电-金属-介质-半导体（MFMIS）三类器件，发现浮栅金属层能够为铁电层提供更充分的电荷，使铁电区域在电场作用下更完整地翻转，从而明显降低阈值电压漂移。

图1 MFMIS AlScN FeFET的器件均一性、可靠性及6-bit多级存储

基于上述设计，团队制备的AlScN MFMIS FeFET实现了最高20.6V的存储窗口和大于10⁷的开关比。器件在10⁶次编程/擦除循环后，存储窗口仍保持在12.8V以上；保持时间外推至10年时，开关比仍大于10⁶。同时，器件可实现6比特操作，获得64个可区分的阈值电压状态，为高密度多值存储提供了器件基础。

在此基础上，团队利用器件表现出的长时程增强和长时程抑制特性模拟生物突触的可塑性，并构建三层全连接神经网络。在手写数字识别任务中，模型使用60,000张图像训练、10,000张图像测试，识别准确率达到93.02%，展示了该类器件在神经形态计算中的应用潜力。

图2 人工突触模拟与手写数字识别神经网络应用验证

该研究将无退火AlScN铁电材料、超薄氧化物半导体沟道与MFMIS器件结构相结合，为兼顾低热预算、多值存储和计算功能的FeFET提供了一条可行的器件设计路径，有望为后道兼容非易失存储和神经形态计算硬件的发展提供参考。

该工作得到国家重点研发计划、国家自然科学基金和集成电路产教融合创新平台等支持。

论文链接：https://www.nature.com/articles/s41467-026-79253-7