近日，西昌学院信息技术学院曹桂铭副教授在国家自然科学基金项目（62304183）支持下，与电子科技大学光电科学与工程学院刘富才教授团队合作，作为主要合作者之一，在全球顶级学术期刊《Science》于6月7日以 First Release 形式，在线发表了题为“Developing fatigue-resistant ferroelectrics using interlayer sliding switching”最新研究成果。

利用非易失性存储器构筑存算一体架构的类脑智能芯片，克服传统芯片的冯·诺依曼计算架构瓶颈，是有效解决现代信息技术中数据爆炸挑战的重要途径。铁电材料具有电可切换的自发极化，可实现对存储态的快速写入、无损读取、低功耗操作，是发展高密度非易失性存储器理想解决方案之一。然而，常规铁电材料在反复经历极化切换时，常常伴随着缺陷电荷的迁移，进而聚集成缺陷团簇（图1A），造成对铁电畴的钉扎，导致铁电器件疲劳失效。因此，实现无疲劳铁电极化转换，提高器件耐久性，可极大推动铁电存储器在类脑智能芯片中的发展应用。

图1 传统铁电和新型滑移铁电的疲劳特性对比示意图

针对传统铁电疲劳特性问题，研究团队发现了一种具有超强耐疲劳特性的新型铁电体-范德华层状滑移铁电。不同于传统铁电极化的离子位移机制，滑移铁电体在电场的作用下，范德华层状材料的层与层之间产生整体滑移，同时层间发生电荷转移，进而实现面外极化翻转（图1B）。滑移铁电器件在经历高达400万次的循环电场极化翻转后，铁电极化并没有发生任何衰减，呈现出优异的抗疲劳特性（图2）。跨尺度原子模拟计算表明，层间滑移过程并不会导致带电缺陷迁移和聚集，由此免于铁电疲劳。理论上，滑移铁电存储器有望实现无限次读写操作。该项研究成果为解决铁电材料在非易失性存储器、存算一体器件及类脑计算芯片等新颖器件中的应用，提供了一种具有竞争潜力的解决方案。

图2 滑移铁电器件疲劳特性表征