南京航空航天大学郭万林院士、刘衍朋教授Nat Electron:在室温下通过滑动铁电晶体管操控数千个非易失性极化状态

成果介绍

在单个铁电器件中创建多级极化状态可用于神经形态计算，以提高计算精度。然而，此类系统在室温下通常仅能实现最多32个稳定的极化状态。

近日，南京航空航天大学郭万林院士、刘衍朋教授等研究者报道了在室温下，利用由六方氮化硼上对准的单层石墨烯构成的滑动铁电晶体管，实现了对数千个非易失性极化状态的操控。仅通过源-漏脉冲调控，即可在一个掺杂水平下产生超过36个准连续的极化状态。若在源-漏脉冲期间叠加栅极电压，可逆地调节石墨烯的费米能级跨越84个掺杂水平，从而将物理上可区分的极化状态数量提升至3,024个（36个状态 × 84个掺杂水平）。这些极化状态可持续保持超过10⁵秒，并可能稳定存在长达10年。丰富的极化状态可能源于极性畴壁的运动以及摩尔势对注入载流子的局域化作用。利用这3,024个极化状态对深度残差网络进行训练中的量化模拟显示，其在时尚图像识别任务中达到了与浮点计算相当的精度（约93.53%）。

图文导读

图1 | 单层Gr/hBN器件中的大量非易失性极化状态。a. 现有铁电材料在室温下的沟道厚度（纳米）与可物理区分的极化状态数量关系概览。除DRS技术实现的极化状态外，所有标识点对应的状态均可仅通过电导或阈值电压水平进行区分。每个标识点对应一个独立器件。插图展示了通过源-漏脉冲与可调掺杂的层级协同机制实现大量极化状态的示意图。b. 传统架构中通过低能量栅压实现滑动极化切换的示意图。c. 本研究通过面内脉冲与非易失性掺杂的DRS技术在Gr/hBN器件中实现多态调控的流程图。

图2 | 器件D2中源漏脉冲调制的滑动铁电性。a， 在1.5 K温度下，测得的两端电阻随脉冲电压（V_pulse）与栅压（V_G）变化的映射关系。以0.5 V为间隔连续施加宽度为1 s、范围从+10 V到–10 V的源漏脉冲（慢扫描；虚线箭头）。每次V_pulse作用后，在V_DS = 1 mV条件下快速扫描V_G从–50 V到+50 V（快扫描；实线箭头）。对于sDP2区域，二维映射图通过基线平缓化处理得到。b， 与a相同的映射测量，但V_pulse以相反方向从–10 V变化至+10 V。c， 从a和b中提取的在V_pulse = –9、–6、+0.5、+6及+9 V条件下的R–V_G曲线。实线与虚线分别对应a和b中的数据。d， a与b中所示电阻值的差异图。e， 根据d中三个DPs区域提取的极化强度（P）随V_pulse变化的回滞曲线。插图示出极化调制过程中畴结构的演化。

图3 | 基于滑动铁电性的室温（300 K）多态极化调控。a. 器件D4中通过施加单调递增的V_pulse脉冲（宽度10 ms）进行的三次长时程增强（LTP）与长时程抑制（LTD）循环耐久性测试。每个状态在V_DS = 0.2 mV读取电压下持续采集超过20秒（散点），方点表示测试期间的平均电流。b. 卷积神经网络工作流程示意图。c. 手写数字识别准确率（以数字“2”为例）与图a测试结果的对应关系。d. 器件D1在V_DS = 1.0 mV读取电压下实现超过5比特的多态极化保持性能。不同状态通过在+6.5 V至+12 V范围内施加V_pulse实现。e. 图d中对应各状态的累积概率分布。f. 通过一系列源漏脉冲在图d所示部分极化状态间进行选择性切换。每个状态在V_read = 1 mV条件下记录超过60秒。五个彩色矩形区域代表五种不同状态的电流波动范围，矩形宽度对应1 nA的电流跨度。g. 状态1和状态2在1 mV读取电压下的沟道电流记录。状态1持续记录超过6000秒后，施加幅度+10 V、宽度1秒的源漏电压脉冲。h. 施加+13/–13 V（宽度1秒）脉冲后，下极化/上极化状态的保持特性测量。

图4 | 器件D4在1.5 K下不同掺杂水平的多态极化。a. 基于电荷锁定效应的转移特性曲线。分别在V_{G_Pre}从+60 V到–60 V（左图）和–60 V到+60 V（右图）的条件下，依次施加–12 V的V_pulse脉冲（宽度1秒），每次脉冲作用后扫描转移曲线。顶部插图展示了电荷锁定效应的原理示意。另一插图展示了载流子密度与V_{G_Pre}的线性关系。b. 沟道电阻随V_{G_Pre}和V_G变化的二维分布测量，对应于图a的右半部分。V_{G_Pre}以10 V为间隔从–60 V逐步设定至+60 V（慢扫描；虚线箭头）。每次V_pulse作用后，对V_G从–70 V到+70 V进行快速扫描（快扫描；实线箭头）。c. 与图b相同的测量条件，但V_pulse改为+12 V（宽度1秒）。d. 图b和图c中所测电阻的差值。e. 图d中特征DPs区域对应的载流子密度。

图5 | 室温下Gr/hBN器件（D4）中超过3,000个物理可区分的极化状态。a. 电荷锁定效应下准连续调控的R-V_G曲线。在每个V_{G_Pre}条件下依次施加–12 V的V_pulse脉冲（持续时间1秒），每次脉冲作用后扫描转移曲线。b. DRS调控下的I_DS随时间变化关系。在V_{G_Pre} = 0、1、2、3、4、5 V条件下，首先施加–13 V的V_pulse脉冲使体系的狄拉克点电压近似等于V_{G_Pre}；随后依次施加+5 V至+11 V范围的V_pulse脉冲（步长0.2 V，宽度1秒），每次脉冲后用V_DS = 2 mV读取沟道电流。c. 与图b对应的器件权重随时间变化曲线。d. DRS调控下的I_DS随时间变化关系。紧接着图b测试后，在V_{G_Pre} = 5、4、3、2、1、0 V条件下，首先施加+13 V的V_pulse脉冲；随后依次施加–7 V至–13 V范围的V_pulse脉冲（步长0.2 V，宽度1秒），每次脉冲后用V_DS = 2 mV读取沟道电流。e. 与图d对应的器件权重随时间变化曲线。f. 通过动态调控V_pulse与V_G，器件实现3,024个可区分权重。为达到84个掺杂水平，额外测试了V_{G_Pre} = 41、42、43 V条件下的多态极化特性，补充至图a所示的调控水平。g. 训练中量化处理的ResNet-18神经网络示意图。h. 基于不同数量极化状态与浮点软件对增强型F-MNIST图像数据集的学习模拟结果。i. 不同数量极化状态对增强数据集的识别准确率。

结论与展望

该研究报道了一种动态调控策略（DRS），可在室温下于由六方氮化硼（hBN）上单层石墨烯构成的滑动铁电晶体管中创建数千个物理可区分的非易失性极化状态。这些离散的极化状态可保持10⁵秒而无衰减，实现了非易失性多态调控。拥有1150万个可训练权重参数的ResNet-18神经网络能够利用这些极化状态实现在线训练与学习，并在时尚图像识别任务中取得与浮点计算相当的精度。大量的非易失性极化状态及其调控技术，有望推动滑动铁电体的实际应用发展。此外，由于本工作中实现多态极化的Gr/hBN晶体管结构相对简单且易于制备，结合单晶石墨烯和hBN成熟的大面积生长与转移技术，以及集成电路领域的最新进展，其晶圆级高密度集成具备可行性。

文献信息

Wang, X., Chen, X., Long, Y. et al. Manipulating thousands of non-volatile polarization states within one sliding ferroelectric transistor at room temperature. Nat Electron (2026). 

文献链接：https://doi.org/10.1038/s41928-025-01551-7

上海昂维科技有限公司现提供二维材料单晶和薄膜等耗材，器件和光刻掩膜版定制等微纳加工服务，以及各种测试分析，欢迎各位老师和同学咨询，竭诚做好每一份服务。