基于HfAlOx的多功能铁电突触忆阻器，具有增强的巴甫洛夫式学习能力和物理存储计算系统

《Physical Chemistry Chemical Physics》：Multifunctional ferroelectric synaptic memristors based on HfAlOx with enhanced Pavlovian learning and physical reservoir computing systems

铁电忆阻器在神经形态计算中的应用研究。采用W/HAO/ZrO2/nSi异质结结构，通过优化500℃退火时间（60秒）实现正交晶相占比最大化与极化特性优化。实验表明退火60秒的器件具有最佳隧道电电阻特性（记忆窗口0.85V）、突触可塑性（长时程增强0.92/衰减0.87）和Pavlovian学习效果。成功构建4位物理 reservoir系统，在MNIST图像识别中达到98.51%准确率，证实HAO铁电忆阻器作为低功耗突触器件的可行性。

　　

随着对高效能、高速数据处理系统的需求不断增长，基于HfAlO_x（HAO）的铁电忆阻器已成为神经形态计算领域极具前景的候选材料。在本研究中，我们制备了一种由W/HAO/ZrO₂ⁿ⁺/Si组成的金属-铁电-绝缘体-半导体结构，并研究了在相对较低温度（500°C）下退火时间对铁电性能和突触特性的影响。掠入射X射线衍射及正负极性测量结果表明，60秒的退火处理能够最大化正交相的含量和极化特性。电学测试显示，经过60秒退火处理的器件具有更强的隧穿电阻和更宽的存储窗口；极化反转分析进一步证实了“死层厚度”与铁电性之间的权衡关系。该器件还表现出更优的读取裕度和突触行为，包括增强/抑制效应、基于脉冲的可塑性以及经典条件反射（Pavlovian）学习能力。最终，我们成功实现了一个4位存储计算系统，其在MNIST数据集上的识别准确率达到98.51%。这些结果凸显了基于HAO的铁电忆阻器作为未来神经形态硬件中低功耗突触元件的巨大潜力。