中国科学技术大学李晓光教授团队在高性能类脑突触原型器件方面取得了重要进展。在前期研究基础上，该团队基于对铁电畴形态和翻转动力学的设计，在铁电量子隧道结中实现了亚纳秒电脉冲下电导态可非易失连续调控的类脑突触器件，可用于构建人工神经网络类脑计算系统，该成果日前发表于《自然通讯》杂志上（Nat. Commun.）。

以神经网络为代表的类脑人工智能技术正深刻影响人类社会。但目前运行神经网络计算的硬件系统依然基于传统硅基运算器与存储器，能效远低于人脑。研发具有神经形态模拟功能的类脑器件，如神经网络硬件系统的核心器件 —— 电子突触，是进一步推进人工智能发展的重要途径之一。为执行复杂的人工智能任务，神经网络硬件系统对电子突触器件提出了诸多苛刻要求，如：非易失电导态数目（用于模拟脑突触的连续可调性）大于 100，非线性度小于 1（好的线性度有助于精准调控电导），开关比大于 100，翻转耐久大于 109 次，周期随机性小于 3%。然而，已报道的类脑突触器件无法全面满足上述指标要求。

李晓光教授团队制备了高质量的铁电隧道结，通过 PZT（压电陶瓷驱动器）超薄厚度和取向的设计，获得了更小的铁电畴和更连续的翻转动力学行为，更丰富的铁电多畴亚稳态利于类脑突触器件中多态的可控调节。该器件表现出优异的综合性能：其 8 比特线性电导调控和高耐久性，满足类脑突触器件的核心性能指标要求。基于该器件性能仿真构建的神经网络具有高图像识别率，即使在图片中引入椒盐噪声或高斯噪声，其识别图片的准确率仍然大于 85%。此外，该器件具有亚纳秒超快操作速度，而且其能耗低至飞焦级。研究人员经过推算表明，该铁电隧道结构建的神经网络计算系统，有可能实现相当于人脑的优秀能效，而人脑神经元突触单次脉冲能耗约 10 飞焦。人脑突触响应速度约亚毫秒，其响应速度也比人脑突触快 6 个量级，堪称媲美人脑突触的能效表现。

上述结果展现了铁电隧道结在构建未来高性能类脑人工智能计算硬件系统方面的重要潜力。