最新AM：突破性研究！PECVD低温生长h-BN忆阻器集成处理器（微信文章未删减版）

正文

韩国科学技术院（KAIST）的Sung-Yool Choi研究团队近日在《Advanced Materials》期刊上发表了一项重大突破性研究，展示了基于PECVD低温下合成的六方氮化硼的忆阻器集成技术如何改变储备计算领域。

研究背景与挑战

随着人工智能（AI）技术的不断发展，传统计算架构面临越来越多的限制，例如时间延迟和功耗瓶颈，尤其是在处理复杂的时序数据时。储备计算通过减少训练成本和优化神经网络架构，成为解决这些问题的潜在方案。然而，当前的储备计算硬件仍然面临制造兼容性和集成复杂性的问题。二维材料（2DMs），尤其是具有高绝缘性能的六方氮化硼（h-BN），因其低开关电压、高切换速度和优越的热稳定性，在神经形态计算中展现出巨大潜力。但传统大晶粒2DMs的合成方法无法满足大面积忆阻器阵列的均匀性需求，并且存在高温生长及机械转移等技术难点。

研究亮点与创新

1.首创低温h-BN的直接合成技术
利用等离子增强化学气相沉积（PECVD）技术，研究团队在金属电极上直接生长h-BN薄膜，并通过调整单位厚度的等离子体辐照时间实现了对晶体性的精确控制，成功制备出纳米晶态（h-BN）和非晶态（a-BN）两种形式的h-BN薄膜。这种方法在350°C的低温下完成，打破了传统高温工艺的限制。

2.新型忆阻器特性

· h-BN忆阻器表现出挥发性开关和非线性动态特性，适合用作储备层。

· BN忆阻器则具有非挥发性开关特性和线性增强/抑制（P/D）曲线，可用作人工突触层。两种忆阻器在三维结构中集成后性能稳定，适用于长时间操作。

3.全集成储备计算处理器

研究通过三维集成技术，在单一芯片上实现了储备层和读出层的无缝整合，显著减少了数据传输带来的能耗和时间损失，保持了非冯·诺依曼架构的独特优势。

4.优异的计算性能

该集成处理器在MNIST手写数字识别任务中实现了92.7%的准确率，并在二阶非线性动力学预测中达到了0.003的归一化均方误差（NMSE），显示出强大的时序数据处理能力。

实验与验证

材料合成与加工

通过调节PECVD工艺中的冷却器温度，研究团队分别合成了非晶态和纳米晶态的h-BN薄膜。这些薄膜不仅在晶圆级别上表现出优异的厚度均匀性和高可靠性，还能承受极端电气应力，具有出色的长期稳定性。

三维结构集成

通过将NC h-BN储备层与a-BN人工突触层垂直集成，开发了新型储备计算处理器，并利用透射电子显微镜（TEM）等技术验证了器件的高质量集成。

性能验证

实验结果表明，h-BN忆阻器的储备层能够处理复杂的时序输入，并生成独特的非线性响应，而a-BN人工突触层在高达10⁵次开关操作中仍保持线性响应和稳定性。

未来展望

KAIST研究Sung-Yool Choi团队开发的晶体性控制h-BN合成方法为二维材料的工业化应用和高效储备计算硬件的发展奠定了基础。这项技术不仅推动了人工智能硬件的进步，还在神经形态计算和低功耗设备领域开辟了新的可能性。未来，该研究方法有望在物联网（IoT）设备、智能传感器和自动驾驶技术等多个领域实现广泛应用。