瓜老师的亲姐姐

据了解，近年来大数据、人工智能等新兴技术的飞速发展，使得人们对算力的需求激增。传统芯片存储单元与计算单元的分离，从根本上限制了芯片计算速度和能效的进一步提升。构筑存算一体架构的类脑智能芯片被认为是应对当前问题的有效解决途径。

针对这一问题，刘富才教授研究团队发现新型的滑移铁电体具有天然的耐疲劳特性。这是因为滑移铁电机制与传统铁电材料的离子位移机制有明显的不同，在电场的作用下，范德华层状材料的层与层之间会产生整体滑移，同时层间发生电荷转移，进而实现面外极化翻转。

瓜老师的亲姐姐该科研成果7日在国际学术期刊《科学》(Science)发表。电子科技大学为第一完成单位，电子科技大学光电科学与工程学院教授刘富才为共同通讯作者。

器件表征结果显示，滑移铁电器件在经历高达百万次的疲劳测试后，器件的转移特性曲线、动态及静态电学输运曲线几乎不发生变化。这一结果充分证明滑移铁电器件优异的抗疲劳特征。

铁电材料被认为是实现类脑智能器件和存算一体架构的理想材料体系。然而铁电材料在经历反复极化切换后，极化只能实现部分翻转，导致铁电材料失效，即铁电疲劳。虽然这一问题早在1953年就已被研究者发现，但至今未得到有效解决。