近日，我校许小红教授、薛武红副教授与复旦大学周鹏教授、南方科技大学周菲迟副教授合作，提出并构建全范德华SnS₂/h-BN/CuInP₂S₆基铁电场效应晶体管，通过光诱导铁电极化翻转实现优异的存储性能和感知-存储-计算一体化的神经形态视觉系统。研究成果以“Integrated In-Memory Sensor and Computing of Artificial Vision Based on full-vdW Optoelectronic Ferroelectric Field-Effect Transistor”为题，在Advanced Science期刊（SCI一区TOP，影响因子：15.1）上发表。博士研究生王鹏（导师：许小红教授）为论文的第一作者，该研究成果得到了国家重点研发计划、国家自然科学基金项目的资助。

在单一器件中构建多态存储和感存算“全在一”功能器件，可以避免由传感、存储和处理单元的物理分离所引起的高能耗、时间延迟和高硬件成本问题，有望满足大数据时代对海量信息进行高效处理的需求，已成为当前科技前沿热点。基于铁电/介电层/光电半导体结构的神经形态器件具有非易失性、读写速度快、多态存储、功耗低等特点。在电场和光场激励下，铁电极化翻转形成不同比例的混合铁电畴，有望实现多态存储和感存算“全在一”的神经形态视觉功能器件。

基于新材料和新器件架构，该团队构建了二维全范德华SnS₂/h-BN/CuInP₂S₆基铁电场效应晶体管（Fe-FET）器件，将高性能非易失存储器和感存算“全在一”神经形态视觉系统集成到单个Fe-FET中。该器件具有10⁵的高开/关比、超过10年的存储保持时间和128个（7-bit）非易失存储态（图1）。同时，基于光诱导铁电极化翻转成功模拟了突触可塑性和联想学习等；并利用非线性光学响应和多态存储特性构建储备池计算系统，手写字母识别准确率高达93.62%，成功实现了感存算“全在一”神经形态视觉系统（图2）。这项工作为新兴的紧凑型神经形态光电混合系统提供了一种策略，有望应用于智能机器人、无人驾驶技术和其他人工智能等领域。（来源：科技部 材料科学研究院）

图1.光电调控极化构型的机理示意图和非易失性存储性能

图2. 感存算“全在一”神经形态视觉功能器件和巴普洛夫狗联想学习模拟