《Advanced Science》：Giant Switchable Remanent Polarization and Photocurrent in Ferroelectric Thin Film Photomemristor for In Situ Training
編輯推薦：
本文介紹了一種通過電極應變工程優化的鐵電薄膜光憶阻器，其具有高達94 μC cm-2的剩余極化（Pr）和183.35 nA的超高短路電流（Isc）。該器件穩定、可調的多級光電流特性，能夠直接用于圖像邊緣處理和微型車輛的多功能神經信號原位訓練，為開發在復雜環境中高效運行的自供電、感存算一體的高性能機器視覺系統展現了巨大潛力。
引言：應對機器視覺的馮·諾依曼瓶頸
傳統的機器視覺系統面臨動態復雜環境和實時性需求的雙重壓力，馮·諾依曼架構固有的數據轉移瓶頸、計算與存儲帶寬不匹配及冗余數據流等問題日益凸顯。具備神經形態計算與多模態融合特征的感存算一體新型架構硬件，有望成為后摩爾時代機器視覺系統的堅實平臺。其中，新型光電感存算一體器件以其高效的并行處理、低功耗、高時間分辨率和緊湊的集成設計等優勢，成為突破馮·諾依曼瓶頸的理想選擇。鐵電光伏器件能夠直接利用光進行信息的感知、存儲和計算，為突破傳統計算架構的能效與速度瓶頸提供了新的硬件解決方案。然而，已報道的鐵電光伏器件普遍存在剩余極化不足和短路電流有限的問題，制約了其在復雜環境中實現高效原位訓練的能力。
高品質鐵電薄膜光憶阻器：應變工程優化性能
本研究提出了一種增強策略，即利用電極應變工程優化鐵電薄膜光憶阻器的鐵電性能和光伏響應。所制備的Pt/SrRuO3(SRO)/PbZr0.4Ti0.6O3(PZT)/SRO/SrTiO3(STO)結構器件，得益于采用SRO作為電極層，保證了PZT薄膜的外延質量。通過掃描透射電子顯微鏡（STEM）表征證實了高質量SRO/PZT/SRO/STO外延異質結薄膜的成功生長。X射線衍射（XRD）分析顯示，基于SRO電極的PZT器件具有最尖銳的衍射峰，表明其在STO襯底上具有最佳的外延和結晶質量。該器件表現出優異的鐵電特性，最大剩余極化（Pr）高達94 μC cm-2，壓電常數d33值達到316 pm V-1。通過正上負下（PUND）脈沖測量提取的真實Pr證實了其本征鐵電性。拉曼光譜分析進一步驗證，器件性能的差異源于應力效應，SRO電極與PZT之間優越的晶格匹配減少了殘余應力，從而優化了薄膜結構和性能，使其在抗疲勞特性、漏電流和溫度穩定性測試中均表現最佳。
高光伏響應鐵電薄膜光憶阻器：穩定可調的光電突觸
與常規光電器件不同，鐵電光憶阻器即使在沒有外電場的情況下也能產生短路電流（Isc）。在405 nm波長、100 mW cm-2強度的光照下，該器件表現出183.35 nA的超高Isc。通過改變極化方向，Isc和開路電壓（Voc）的符號和大小均可翻轉，這很可能源于鐵電薄膜內部的不對稱缺陷分布，肖特基勢壘調制可以有效解釋這種極化控制的開關光響應。器件在Pup和Pdown狀態下，均能穩定維持超過200個光暗切換循環，響應速度約為數毫秒量級。在超過20000秒的光脈沖誘導電阻狀態保持測試中，器件展現了長期的可靠性。此外，器件對不同波長和功率的光刺激具有適應性，在405 nm光線下表現出最高的光伏響應。更重要的是，器件的Isc能夠通過電脈沖進行精細調節，展現出類似生物突觸的長時程增強（LTP）和長時程抑制（LTD）行為，實現了穩定可調的多級光伏響應狀態，這為構建復雜神經網絡訓練提供了硬件基礎。
鐵電光憶阻器網絡的模式分類實現
在證明了鐵電光憶阻器的可切換光響應并理解其物理機制后，探索利用鐵電光憶阻器網絡進行同步圖像傳感和處理的硬件實現變得有意義。網絡由N個像素組成，每個像素又分為M個子像素，每個子像素對應一個器件。在短路和光照條件下，每個器件執行入射光功率與其光響應的乘法運算，而具有相同子像素索引的N個器件產生的Isc根據基爾霍夫定律求和，從而實現了對輸入圖像和光響應矩陣的乘累加操作，這是實時圖像識別的基礎。實驗中，使用一個包含9個輸入神經元和1個輸出神經元的單層感知器（硬件上為1×9的鐵電光憶阻器網絡）對字母“Y”及其倒置形式“?”的兩組圖案（含噪聲變體）進行分類。通過離線訓練將計算出的權重矩陣寫入網絡后，網絡對所有圖案實現了100%的正確分類，當光輸入屬于“Y”類時，神經元輸出接近1，屬于“?”類時則接近0。
多功能信號處理的原位訓練：走向智能機器視覺
高性能鐵電光憶阻器使得構建具備視覺識別能力的鐵電光憶阻器網絡成為可能。該網絡可作為自主車輛的“視覺系統”。研究中使用四個4×1像素的倒車停車標志（代表“左后”、“前進”、“停止”、“后退”、“右后”五個指令）對系統進行訓練。這四個標志由一個4×1激光陣列生成，每個激光對準一個鐵電光憶阻器。四個鐵電光憶阻器并聯形成一個4×1的網絡。網絡的識別結果被直接發送到車輛的電機系統以控制其運動方向。訓練流程主要包括推理和權重更新兩個過程，目標是使網絡識別結果與交通標志真實標簽之間的均方誤差代價函數最小化。采用梯度下降算法指導權重更新，并通過BD-CL編程方案，將每個器件的光響應實驗性地調整到對應的目標權重值。訓練可以自動重復多個周期，直到網絡收斂。實驗結果顯示，在初始周期，網絡僅能識別“停止”標志；隨著訓練進行，越來越多的交通標志被正確識別，到第10個周期時實現了100%的識別準確率。最終，使用訓練好的網絡對相同的五個交通標志進行測試，車輛均能根據網絡的實時識別結果做出正確響應。
結論與展望
本研究提出了一種基于應變工程優化鐵電光憶阻器的機器視覺系統多功能信號處理原位訓練方案。器件表現出優異的鐵電性能和高顯著的光電響應，增強了機器視覺系統的抗干擾能力。其可靠的光電流開關能力、對不同光刺激的適應性以及穩定可調的光伏響應狀態，使其適用于復雜光源環境。該器件可利用不同方向和幅度的光電導狀態，在機器視覺系統中實現模式分類和原位訓練。鐵電光憶阻器網絡不僅能實現靜態圖像的處理，還能完成對機械車的多功能信號處理原位訓練，這有利于發展基于鐵電光憶阻器網絡的智能機器視覺系統。這項工作展示了超高性能鐵電薄膜光憶阻器在推動機器視覺系統研究方面的巨大潛力。
