范德瓦尔斯材料革新存储技术，为神经形态计算插上科技翅膀

范德瓦尔斯材料革新存储技术，为神经形态计算插上科技翅膀

引用

百度

等

9

来源

1.

https://zhidao.baidu.com/question/1458322329070888700.html

2.

https://view.inews.qq.com/a/20240711A04XXL00

3.

https://bit.edu.cn/xww/xzw/xsjl1/index89.htm

4.

http://netcourse.bitsde.com/jpkc/jsjzcyjg/szytd/frame.html?url=page1.html

5.

https://physics.ucas.ac.cn/index.php/en/xsxx/4857-20

6.

https://fpga.eetrend.com/content/2024/100584338.html

7.

http://faculty.hfut.edu.cn/lifang/en/lwcg/229796/content/14134.htm

8.

http://edu.iphy.ac.cn/moreintro.php?id=2200&ivk_sa=1024320u

9.

https://swarma.org/?p=55325

在半导体技术领域，一场革命性的突破正在悄然发生。北京理工大学孙林锋教授领导的团队在国际权威期刊《Chip》上发表综述论文，揭示了基于范德瓦尔斯材料的浮栅存储器在神经形态计算中的重大突破。这一创新不仅有望解决传统存储器面临的瓶颈问题，更为未来高性能计算和人工智能的发展开辟了新的路径。

随着数据存储需求的爆炸性增长，传统存储器在速度、容量和功耗方面面临着严峻挑战。特别是在神经形态计算这一前沿领域，对存储器的性能要求更是达到了前所未有的高度。范德瓦尔斯材料的出现，为解决这些难题提供了新的可能。

范德瓦尔斯材料是一类具有原子级锐利界面的二维材料，其表面没有悬挂键，能够实现高效的静电调控和力学柔性。这些特性使其在构建高性能存储器件方面具有独特优势。

中国科学院大学物理科学学院高鸿钧院士研究团队的一项突破性研究，充分展示了范德瓦尔斯材料在浮栅存储器中的巨大潜力。研究团队利用InSe/hBN/MLG范德瓦尔斯异质结，成功研制出超快非易失性浮栅存储器。这种存储器的写入/擦除时间仅为20纳秒，比商用闪存器件快了近万倍。同时，它还具有极高的擦除/写入比（10^10）和长达10年以上的数据保持时间。

这种突破性的性能提升，得益于范德瓦尔斯材料独特的结构设计。在传统浮栅存储器中，数据的写入和擦除是通过控制栅极电压来实现的。然而，由于硅基材料的限制，这种操作往往需要较长的时间，并且会随着使用次数的增加而逐渐退化。

而基于范德瓦尔斯材料的浮栅存储器则采用了全新的底栅/顶栅结构设计。其中，InSe作为沟道材料，hBN作为隧穿势垒层，MLG作为浮栅，SiO2作为控制栅介电层。这种结构不仅保持了原子级锐利的界面特性，还通过增强的界面耦合效应，显著提升了数据存储和读取的效率。

神经形态计算是一种模仿人脑神经网络结构和功能的新型计算范式，具有高性能、低功耗和自适应学习能力。然而，要实现真正的神经形态计算，需要开发能够模拟生物神经突触行为的新型存储器件。

范德瓦尔斯材料的出现，为神经形态计算提供了理想的硬件基础。通过优化hBN的厚度，研究团队成功实现了浮栅存储器的多值存储特性，这正是神经形态计算中模拟突触权重调整的关键需求。此外，这种存储器还具有优异的耐久性，可重写次数超过2000次，完全满足神经形态计算对存储器的苛刻要求。

尽管基于范德瓦尔斯材料的浮栅存储器展现出巨大的应用潜力，但要实现大规模产业化仍面临一些挑战。其中，最核心的问题是如何实现高质量、大面积的二维材料生长及其集成器件的制备。

目前，研究团队正在积极探索各种解决方案，包括改进外延生长技术、优化器件结构设计等。随着这些技术难题的逐步攻克，我们有理由相信，这种革命性的存储技术将在不久的将来走出实验室，为半导体行业和人工智能领域带来颠覆性的变革。

总结而言，北京理工大学孙林锋团队的研究成果，不仅展示了范德瓦尔斯材料在浮栅存储器中的巨大应用价值，更为未来高性能计算和人工智能的发展指明了新的方向。随着相关技术的不断成熟，我们有理由期待，这场由新材料引发的存储技术革命，将为人类社会带来更加智能、高效的计算体验。