摘要:

综述 ● 开放获取阅读更多

为应对人工智能与信息技术的快速发展，神经形态计算系统作为传统冯·诺依曼范式的有前景的替代方案而备受关注。二维铁电材料具有原子级厚度、适中的带隙及范德华异质集成兼容性，为突破传统铁电材料的尺寸与功能限制、实现低功耗高集成神经形态计算提供了重要机遇。本文介绍了二维铁电性的物理起源、对称性分类及制备策略，梳理了化学气相沉积等自下而上方法和机械剥离等自上而下方法，并总结了缺陷工程、应变调控、层间堆叠和界面效应等极化调控机制。本文还重点讨论了铁电场效应晶体管（FeFET）、铁电半导体场效应晶体管（FeS-FET）、铁电隧道结（FTJ）、负电容场效应晶体管（NC-FET）和铁电光伏（FPV）器件等代表性二维铁电器件平台。进一步总结了其在存内计算、传感器内计算和神经形态逻辑中的应用。最后，针对材料规模化合成、极化表征、器件可靠性及CMOS集成等挑战，展望了多功能极化控制、光-物质融合和3D单片集成等发展方向。