铁电电容器与忆阻器结合的新存储技术用于AI系统

由法国CEA-Leti领衔的研究团队在《Nature Electronics》发表突破性成果，开发出基于硅掺杂氧化铪（Si-doped HfO₂）的统一内存堆栈。这种创新架构将铁电电容器（FeCAP）和忆阻器集成于单一后端工艺（BEOL），通过简单的电形成操作即可实现两种存储模式切换，无需额外掩模工艺[1][2]。

关键技术突破包括：1）采用钛俘获层金属-铁电-金属堆栈制备；2）创新设计18,432单元混合阵列（16,384 FeCAP单元 + 2,048 忆阻器单元）；3）FeCAP负责存储高精度10位有符号整数，忆阻器存储模拟权重；4）通过无源数字模拟转换实现直接权重传输[1][3]。

该技术成功克服了边缘AI的关键矛盾：

• 训练性能：FeCAP实现200飞焦/比特(fJ/bit)超低编程能耗，耐久性超过10¹²次循环，支持高频权重更新[1]
• 推理性能：忆阻器提供非破坏性读取，支持八级电导状态编程，适应存内计算需求[1][2]
• 医疗验证：基于MIT-BIH心电图数据库的临床测试显示，其片上学习方案在心律失常检测等任务中达到浮点精度软件模型相当的性能[1][3]

这项技术为边缘设备带来革命性变革：

自适应性提升：自动驾驶车辆、医疗传感器等设备可直接从实时数据中学习，例如根据患者心电数据动态调整诊断模型，无需依赖云端更新[1]。

能效突破：混合架构将训练能耗降低至传统方案的1/50，同时避免频繁数据迁移，显著延长设备续航[2][3]。

硬件成本优化：兼容130纳米CMOS工艺，单一存储堆栈替代传统分立方案，减少芯片面积占用30%以上[4][1]。