近日，我校工学部电子科学与工程学院（微电子学院）霍能杰研究员团队在面向三维集成电子学与低功耗神经形态视觉的边缘计算器件领域取得突破性进展，相关成果以" Ferroelectric Gate-All-Around Transistors for 3D-Integrated Electronics and Neuromorphic Vision"为题，发表在中国科学院一区期刊《ACS Nano》（IF:16.0）上。工学部电子科学与工程学院（微电子学院）2023级硕士研究生陈雯洁为论文的第一作者，霍能杰研究员为通讯作者，我校为第一完成单位。该研究通过二维铁电全环绕栅晶体管的创新架构设计，实现了超低功耗逻辑开关、三维集成电子与人工神经元功能的协同融合，构建了面向边缘智能计算的多功能器件新范式，为新一代高能效边缘智能硬件的发展开辟了新路径。

架构革新：铁电全环绕栅晶体管与三维逻辑集成

随着人工智能和物联网技术的快速发展，对电子器件提出了高性能、低功耗和高集成度的要求。而传统硅基晶体管面临着物理缩放极限与功耗挑战，针对这一问题，研究团队构建了一种铁电全环绕栅极晶体管（Fe-GAA-FET），该器件采用二维铁电材料CuInP₂S₆(CIPS)作为全环绕栅介质，对MoS₂‌ 沟道实现了强静电调控。得益于铁电负电容效应，器件成功突破了室温玻尔兹曼极限，获得了最低25.3 mV dec⁻¹‌的超陡峭亚阈值摆幅、10⁸‌的开关比以及310 cm² V⁻¹ s⁻¹‌的场效应迁移率。在此基础上，利用二维材料天然的堆叠特性，进一步构建了垂直互补式的CMOS反相器及NOR逻辑门。相比传统平面架构，该三维集成方案将器件占用面积减少约50%，展现出优异的逻辑开关性能与高密度集成潜力。

图1. 铁电全环绕栅晶体管的电学特性及垂直互补式逻辑电路

应用前景：类脑计算与边缘智能新范式

基于底层器件，研究团队进一步开拓了其在神经形态计算领域的应用。利用CIPS的渐进铁电极化与器件良好的电容匹配，该Fe-GAA-FET可模拟“泄漏-积分-发放”（LIF）神经元行为，并且无需额外的电容和复位电路，单次脉冲发放能耗仅1.09 pJ。在实际应用验证中，基于其构建了脉冲神经网络（SNN）模型，在DVS128 Gesture数据集上实现了92.71%的识别准确率。

图2. LIF神经元行为模拟与脉冲调制特性

该研究为突破传统冯·诺依曼架构限制提供了新思路，相关成果未来有望在智能终端、可穿戴设备、机器人视觉、工业安防监控等前沿领域发挥重要作用。

此项研究工作获得国家自然科学基金、广东省自然科学基金等项目的持续支持。目前，相关技术已申请发明专利1项。

论文链接：https://doi.org/10.1021/acsnano.6c02136