从中国科学技术大学获悉，该校李晓光团队基于铁电隧道结量子隧穿效应，实现了具有亚纳秒信息写入速度的超快原型存储器，并可用于构建存算一体人工神经网络，该成果日前发表在《自然通讯》杂志上。
在大数据时代，海量数据的低能耗、快速存储处理是突破和完善未来人工智能、物联网等技术发展的关键之一。为此，迫切需求一种既像SRAM一样能匹配CPU处理数据的速度，又像闪存一样具备高密度、非易失的信息存储。如果该存储器还具有优秀的忆阻特性，从而实现人工突触器件的功能，则可用于构建存算一体的计算系统，并有望突破冯诺依曼架构，为人工智能提供硬件支持。
研究人员制备了高质量铁电隧道结，其中铁电势垒层厚为6个单胞（约2.4nm）。基于隧道结能带的设计，以及其对阻变速度、开关比、操作电压的调控，该原型存储器信息写入速度快至600皮秒、开关比达2个数量级，且其600皮秒的阻变速度在85℃时依然稳定；写入电流密度比目前其他新型存储器低约3个量级；一个存储单元具有32个非易失阻态；写入的信息预计可在室温稳定保持约100年；可重复擦写次数达108-109次，远超商用闪存寿命。即使在极端高温（225℃）环境下仍能进行信息的写入，可实现高温紧急情况备用。
该铁电隧道结非易失存储器具有超快、超低功耗、高密度、长寿命、耐高温等优异特性，由于该存储器还具有忆阻特性，可用于构建超快的人工突触器件，从而用于开发超快人工神经网络存算一体系统。人工神经网络的模拟结果表明，利用该铁电隧道结忆阻器构建的人工神经网络可用于识别MNIST手写数字，准确率可达90%以上。
