硬核！电子科大又发《Science》！

　　，为解决铁电材料领域长期存在的疲劳问题提供了一种全新途径，有望推动铁电存储及类脑智能器件方面应用。

　　近年来，大数据、人工智能等新兴技术的飞速发展，使得人们对算力的需求激增，而传统芯片采用冯诺依曼架构，其存储单元与计算单元的分离，从根本上限制了芯片计算速度和能效的进一步提升。构筑存算一体架构的类脑智能芯片被认为是应对当前问题和挑战的有效解决途径。铁电材料具有可通过外场进行调控的自发极化，被认为是实现类脑智能器件和存算一体架构的理想材料体系。实现稳键可重复的“读”和“写”循环操作是铁电器件应用的必要前提。然而，铁电材料在经历反复极化切换后，极化只能实现部分翻转，导致铁电材料失效，即铁电疲劳。这是因为当铁电材料在外场循环加载过程中，电极化翻转的同时伴随了缺陷电荷的迁移。在外场长时加载下缺陷会进一步聚集成团簇，而缺陷团簇对铁电畴有强烈的钉扎效应，使得铁电畴的移动活性被限制。一旦畴界被钉扎住，极化就难以翻转，进而导致铁电器件疲劳失效（图1A）。虽然这一问题早在1953年就已被研究者发现报道，但至今铁电材料的疲劳问题仍未得到有效的解决。

　　针对这一问题，刘富才教授研究团队发现新型的滑移铁电体具有天然的耐疲劳特性。这是因为滑移铁电机制与传统铁电材料的离子位移机制有明显的不同，在电场的作用下，范德华层状材料的层与层之间会产生整体滑移，同时层间发生电荷转移，进而实现面外极化翻转（图1B）。器件表征结果显示滑移铁电器件在经历高达百万次的疲劳测试后，器件的转移特性曲线、动态及静态电学输运曲线几乎不发生变化。这一结果充分证明滑移铁电器件的优异的抗疲劳特征（图2）。跨尺度原子模拟计算表明，相比于常规铁电材料，在很小电场作用下滑移铁电即可通过层间滑移实现极化翻转，如此小的电场不足以造成带电缺陷迁移。此外，由于二维材料的范德华层状结构，缺陷难以跨越层间进行移动，也更加难以聚集，因此不会产生铁电疲劳。该项研究成果为解决铁电材料疲劳问题提供了理想解决方案，也为铁电材料在非易失性存储器、存算一体器件及类脑计算芯片等新颖器件中的应用提供了具有竞争潜力的选择。

　　刘富才，电子科技大学光电科学与工程学院教授、国家级青年人才、四川省学术与技术带头人。聚焦新型低维半导体材料与新原理器件研究，在国家自然科学基金、国家重点研发计划、四川省科技计划等基金支持下，在二维铁电新物理、新原理器件方向做出系列原创性成果。以第一/通讯作者（含共同作者）在Science，Science Advances，Nature Communications （4篇）等期刊发表论文60余篇，研究成果被Nature Review Materials等亮点报道。