西电周益春团队在AdvancedFunctionalMaterials发表新文
科技周边小白一枚,正在不断学习积累知识,现将学习到的知识记录一下,也是将我的所得分享给大家!而今天这篇文章《西电周益春团队在Advanced Functional Materials发文》带大家来了解一下##content_title##,希望对大家的知识积累有所帮助,从而弥补自己的不足,助力实战开发!
近日,西安电子科技大学先进材料与纳米科技学院周益春教授团队在国际材料领域著名学术期刊Advanced Functional Materials上发表了题为“Developing HZO-Based Superlattices to Enhance Fatigue-Resistance by Charge Injection Suppression”的研究成果。
随着人工智能、物联网和大数据等新兴信息技术的快速发展与普及,全球数据量呈现爆炸式增长,对更高容量、更高可靠性的非易失性存储器的需求日益迫切。周益春教授团队以“Developing HZO-Based Superlattices to Enhance Fatigue-Resistance by Charge Injection Suppression”(DOI:10.1002/adfm.202501470)为题,在国际材料领域著名学术期刊Advanced Functional Materials上发布了线上研究成果。材料院博士生贾世杰和副教授廖佳佳为论文共同第一作者,周益春教授、廖佳佳副教授以及湘潭大学的姜杰副教授为共同通讯作者。研究工作依托西电材料院、陕西省空天高电子轨道材料与防护技术重点实验室等平台,并得到了国家自然科学基金和国家重点研发计划等基金的支持。
传统信息存储技术在面对海量数据处理时已接近其物理极限,难以满足不断增长的数据存储需求。基于氧化铪(HfO2)的铁电存储器因其与CMOS工艺完全兼容、超强尺寸微缩和低功耗等特性,已成为未来最具市场竞争力的新型存储器之一。在过去十年中,研究人员开发了包括铁电随机存取存储器、铁电场效应晶体管和铁电隧道结等非易失性存储器件,为后摩尔时代新型存储器的产业化应用提供了新的可能。然而,HfO2基铁电存储器在数据反复写入和擦除过程中,频繁出现的薄膜疲劳失效现象已成为其大规模产业化应用的“拦路虎”。要攻克这一难题,实现高耐久性的铁电存储器,必须深入探究铁电存储器件在信息擦写过程中铁电极化翻转的物理过程。其中,厘清极化翻转过程中漏电现象的物理机制及其对击穿型疲劳失效的影响尤为重要。如何建立微观极化翻转过程与宏观电学性能失效之间的关联,并大幅提升铁电薄膜材料的抗疲劳性能,是科研人员面临的一项极具挑战性的难题。周益春教授研究团队通过设计Hf0.5Zr0.5O2-ZrO2超晶格的层状异质结构,对微观极化翻转过程中的电荷注入现象与宏观疲劳失效之间的关联机理进行了深入剖析与阐释。基于此,他们成功制备出高耐久性(>1012次电场循环)的铁电薄膜材料,同时具备低矫顽场(2Ec≈1.7 MV/cm)和快速极化翻转速度。这一成果为解决HfO2基铁电存储器疲劳失效问题奠定了理论基础,也为相关领域研究提供了新的解决思路。

研究团队制备并对比了如图1(a)所示的三种不同异质层状HZO基铁电薄膜结构,采用压电力显微镜对电畴翻转特性进行表征,并结合图2(a-c)所示的电滞回线结果分析表明HZO-ZrO2铁电薄膜具有优异的铁电极化特性和较低的矫顽电压(图2(d))。其在饱和电压下的耐久性可达1012次循环,相对于HZO薄膜耐久性提升了3个数量级以上。随着研究的深入,团队发现随着疲劳电场循环次数的增加,HZO-ZrO2铁电薄膜材料的漏电机制逐渐趋于陷阱辅助隧穿模型(图2(g-i)),这证明了疲劳循环过程中带电缺陷的产生是诱发漏电流和导致击穿型疲劳失效的根本原因。并且,该材料在不同疲劳循环次数下均能保持相对较低的漏电流密度(图2(f))。

图1.三种结构的Hf0.5Zr0.5O2基薄膜电容器设计示意图、GIXRD图谱、TEM和PFM测试图

图2.三种结构Hf0.5Zr0.5O2基薄膜电滞回线、耐久性、漏电流及漏电流陷阱辅助隧穿拟合图
为深入剖析HZO-ZrO2铁电薄膜材料极化翻转过程中的漏电流产生机制,并明确该机制对材料疲劳失效的影响,研究团队展开了进一步研究。结果表明,HZO-ZrO2铁电薄膜材料的极化翻转速度大幅提升(图3),并且退极化场强度显著降低(图4)。这两大特性可以有效缩短极化翻转过程中电荷注入的持续时间,并减弱电荷注入强度,从而抑制由电荷注入诱发的击穿型疲劳失效。此外,本文提出了一种半定量方法,用以评估极化翻转过程中的电荷注入强度。研究发现,极化翻转过程中HZO-ZrO2铁电薄膜材料的电荷注入强度极低,这也造就了该材料的高耐久性能。

图3.三种结构Hf0.5Zr0.5O2基薄膜极化翻转速度及Lorenz翻转动力学拟合结果图

图4.三种结构Hf0.5Zr0.5O2基薄膜退极化场、电荷注入强度及电荷注入原理示意图
今天关于《西电周益春团队在AdvancedFunctionalMaterials发表新文》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于西电周益春团队,AdvancedFunctionalMaterials,HZO-BasedSuperlattices,疲劳失效,铁电存储器的内容请关注golang学习网公众号!
PHP高效抓取远程图片并保存到本地
- 上一篇
- PHP高效抓取远程图片并保存到本地
- 下一篇
- uni-app分享插件配置使用攻略
-
- 科技周边 · 人工智能 | 17小时前 |
- 模型路由怎么做:按任务难度分配速度、成本与质量
- 147浏览 收藏
-
- 科技周边 · 人工智能 | 20小时前 |
- 多模态模型读图前,图片缩放与裁切会影响什么
- 247浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · 推理优化 ONNX Runtime 动态量化 nodes_to_exclude
- ONNX Runtime 动态量化怎么选择需要排除的节点
- 377浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · 向量检索 · Sentence Transformers truncate_dim 嵌入维度 Matryoshka 向量存储
- Sentence Transformers 怎么截断嵌入维度减少存储
- 165浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- PEFT 多个 adapter 怎么按权重组合推理
- 454浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Accelerate 大模型推理怎么自动分配到多块设备
- 358浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · Tokenizers offset_mapping 原始文本
- Tokenizers offset mapping 怎么映射回原始文本位置
- 328浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | python · 人工智能 · shuffle Hugging Face Datasets streaming IterableDataset buffer_size
- Datasets streaming 怎么在不下载全集时打乱样本
- 470浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 375次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 445次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 451次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 397次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 223次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

