研究进展：复旦大学，铁电材料-神经形态计算 | Nature Reviews Electrical Engineering

本文综述了铁电材料在神经形态计算中的研究进展。背景方面，冯·诺依曼架构面临计算能力需求与速度提升不匹配的瓶颈，铁电材料因其电场驱动、低功耗和部分铁电畴翻转特性，能模拟生物神经元和突触动力学。研究目的包括分析铁电突触器件和神经元电路的原理，探讨器件阵列在传感器应用、结构拓扑和3D集成中的潜力。结论指出铁电材料通过多态极化和非易失性实现灵活器件设计，支持高效神经形态系统，并具备感内计算功能，如噪声抑制和模式分类，弥补了CMOS技术的不足。