编辑推荐：
本文介绍了一种通过电极应变工程优化的铁电薄膜光忆阻器，其具有高达94 μC cm-2的剩余极化（Pr）和183.35 nA的超高短路电流（Isc）。该器件稳定、可调的多级光电流特性，能够直接用于图像边缘处理和微型车辆的多功能神经信号原位训练，为开发在复杂环境中高效运行的自供电、感存算一体的高性能机器视觉系统展现了巨大潜力。
引言：应对机器视觉的冯·诺依曼瓶颈
传统的机器视觉系统面临动态复杂环境和实时性需求的双重压力，冯·诺依曼架构固有的数据转移瓶颈、计算与存储带宽不匹配及冗余数据流等问题日益凸显。具备神经形态计算与多模态融合特征的感存算一体新型架构硬件，有望成为后摩尔时代机器视觉系统的坚实平台。其中，新型光电感存算一体器件以其高效的并行处理、低功耗、高时间分辨率和紧凑的集成设计等优势，成为突破冯·诺依曼瓶颈的理想选择。铁电光伏器件能够直接利用光进行信息的感知、存储和计算，为突破传统计算架构的能效与速度瓶颈提供了新的硬件解决方案。然而，已报道的铁电光伏器件普遍存在剩余极化不足和短路电流有限的问题，制约了其在复杂环境中实现高效原位训练的能力。
高品质铁电薄膜光忆阻器：应变工程优化性能
本研究提出了一种增强策略，即利用电极应变工程优化铁电薄膜光忆阻器的铁电性能和光伏响应。所制备的Pt/SrRuO3(SRO)/PbZr0.4Ti0.6O3(PZT)/SRO/SrTiO3(STO)结构器件，得益于采用SRO作为电极层，保证了PZT薄膜的外延质量。通过扫描透射电子显微镜（STEM）表征证实了高质量SRO/PZT/SRO/STO外延异质结薄膜的成功生长。X射线衍射（XRD）分析显示，基于SRO电极的PZT器件具有最尖锐的衍射峰，表明其在STO衬底上具有最佳的外延和结晶质量。该器件表现出优异的铁电特性，最大剩余极化（Pr）高达94 μC cm-2，压电常数d33值达到316 pm V-1。通过正上负下（PUND）脉冲测量提取的真实Pr证实了其本征铁电性。拉曼光谱分析进一步验证，器件性能的差异源于应力效应，SRO电极与PZT之间优越的晶格匹配减少了残余应力，从而优化了薄膜结构和性能，使其在抗疲劳特性、漏电流和温度稳定性测试中均表现最佳。
高光伏响应铁电薄膜光忆阻器：稳定可调的光电突触
与常规光电器件不同，铁电光忆阻器即使在没有外电场的情况下也能产生短路电流（Isc）。在405 nm波长、100 mW cm-2强度的光照下，该器件表现出183.35 nA的超高Isc。通过改变极化方向，Isc和开路电压（Voc）的符号和大小均可翻转，这很可能源于铁电薄膜内部的不对称缺陷分布，肖特基势垒调制可以有效解释这种极化控制的开关光响应。器件在Pup和Pdown状态下，均能稳定维持超过200个光暗切换循环，响应速度约为数毫秒量级。在超过20000秒的光脉冲诱导电阻状态保持测试中，器件展现了长期的可靠性。此外，器件对不同波长和功率的光刺激具有适应性，在405 nm光线下表现出最高的光伏响应。更重要的是，器件的Isc能够通过电脉冲进行精细调节，展现出类似生物突触的长时程增强（LTP）和长时程抑制（LTD）行为，实现了稳定可调的多级光伏响应状态，这为构建复杂神经网络训练提供了硬件基础。
铁电光忆阻器网络的模式分类实现
在证明了铁电光忆阻器的可切换光响应并理解其物理机制后，探索利用铁电光忆阻器网络进行同步图像传感和处理的硬件实现变得有意义。网络由N个像素组成，每个像素又分为M个子像素，每个子像素对应一个器件。在短路和光照条件下，每个器件执行入射光功率与其光响应的乘法运算，而具有相同子像素索引的N个器件产生的Isc根据基尔霍夫定律求和，从而实现了对输入图像和光响应矩阵的乘累加操作，这是实时图像识别的基础。实验中，使用一个包含9个输入神经元和1个输出神经元的单层感知器（硬件上为1×9的铁电光忆阻器网络）对字母“Y”及其倒置形式“?”的两组图案（含噪声变体）进行分类。通过离线训练将计算出的权重矩阵写入网络后，网络对所有图案实现了100%的正确分类，当光输入属于“Y”类时，神经元输出接近1，属于“?”类时则接近0。
多功能信号处理的原位训练：走向智能机器视觉
高性能铁电光忆阻器使得构建具备视觉识别能力的铁电光忆阻器网络成为可能。该网络可作为自主车辆的“视觉系统”。研究中使用四个4×1像素的倒车停车标志（代表“左后”、“前进”、“停止”、“后退”、“右后”五个指令）对系统进行训练。这四个标志由一个4×1激光阵列生成，每个激光对准一个铁电光忆阻器。四个铁电光忆阻器并联形成一个4×1的网络。网络的识别结果被直接发送到车辆的电机系统以控制其运动方向。训练流程主要包括推理和权重更新两个过程，目标是使网络识别结果与交通标志真实标签之间的均方误差代价函数最小化。采用梯度下降算法指导权重更新，并通过BD-CL编程方案，将每个器件的光响应实验性地调整到对应的目标权重值。训练可以自动重复多个周期，直到网络收敛。实验结果显示，在初始周期，网络仅能识别“停止”标志；随着训练进行，越来越多的交通标志被正确识别，到第10个周期时实现了100%的识别准确率。最终，使用训练好的网络对相同的五个交通标志进行测试，车辆均能根据网络的实时识别结果做出正确响应。
结论与展望
本研究提出了一种基于应变工程优化铁电光忆阻器的机器视觉系统多功能信号处理原位训练方案。器件表现出优异的铁电性能和高显著的光电响应，增强了机器视觉系统的抗干扰能力。其可靠的光电流开关能力、对不同光刺激的适应性以及稳定可调的光伏响应状态，使其适用于复杂光源环境。该器件可利用不同方向和幅度的光电导状态，在机器视觉系统中实现模式分类和原位训练。铁电光忆阻器网络不仅能实现静态图像的处理，还能完成对机械车的多功能信号处理原位训练，这有利于发展基于铁电光忆阻器网络的智能机器视觉系统。这项工作展示了超高性能铁电薄膜光忆阻器在推动机器视觉系统研究方面的巨大潜力。
