在人工智能时代，存储技术的需求呈现爆炸性增长。根据 IDC 的预测，到2025年，全球数据量将达到175泽字节（ZB），而在2018年这一数字仅为33泽字节。AI 应用，尤其是深度学习模型的训练和部署，需要处理和存储海量数据。
铁电存储器（FeRAM）因其独特的物理特性，如低能耗、非破坏性读取和快速写入能力，被认为是制造非易失性存储设备的理想选择。根据 VMR 的数据显示，FeRAM 的市场规模在2023年达到13亿美元，或将在2030年达到22亿美元。然而，铁电材料的应用也面临挑战，尤其是“铁电疲劳”问题 —— 铁电材料在经历多次读写操作后性能下降的现象，限制了它们在更广泛领域的应用——中国科学家利用深度势能分子动力学 DeePMD 揭示了其中的奥秘。
近日，电子科技大学的刘富才教授、中国科学院宁波材料技术与工程研究所的钟志诚研究员、复旦大学的李文武教授及其团队合作，通过理论计算预言了滑移铁电材料的抗疲劳特性，并基于滑移铁电机制，制备出了无疲劳二维层状滑移铁电材料。研究人员进一步通过深度势能分子动力学（后文称 DeePMD），阐明了该机制实现抗铁电疲劳的微观起源。这一研究为解决铁电材料疲劳问题提供了理想的解决方案，并为其在非易失性存储器、存算一体器件及类脑计算芯片中的应用提供了具有竞争力的选择，对于推动电子科技领域的发展具有重要意义。相关研究成果已经在国际顶尖学术期刊《Science》上发表，论文标题为"Developing fatigue-resistant ferroelectrics using interlayer sliding switching"，即"利用二维滑移铁电机制开发抗疲劳铁电材料"。想象一下，铁电材料就像是一个会听话的小磁铁，它自己本来就有一个方向，但是我们可以用电来告诉它要改变方向。这种特性让铁电材料在电子世界里非常有用，特别是用来存储数据。就像我们可以用0和1来表示电脑里的信息一样，铁电材料可以通过改变方向来存储这些0和1。
但是，铁电材料也有一个缺点，就是它们用多了会累，我们称之为“铁电疲劳”。拿一种叫做锆钛酸铅（PZT）的铁电材料来说，如果不停地用电来改变它的方向，它最后可能就不听使唤了，甚至完全不能动了，这样我们的电子设备就没法正常工作了。为了让这些设备能够稳定工作，我们需要找到方法来解决铁电疲劳的问题。虽然科学家们已经研究了几十年，但是铁电疲劳的确切原因还不是完全清楚。不过，大多数人认为这和铁电材料里面的原子结构有关，特别是一些带有电荷的小缺陷。具体来说，铁电材料改变方向的过程需要一些叫做“铁电畴”的东西移动。这些畴就像是材料里面的小房间，每个房间都有自己的方向。当我们用电来改变材料的方向时，这些小房间就要重新排列。但是，如果有很多带电的缺陷，它们就会像胶水一样把这些小房间粘在一起，让它们很难移动。这样，材料就不能很好地改变方向，也就导致了疲劳和失效。研究人员用了一个比喻来说明这个问题，就像海浪把海水里的小石头卷起来，这些小石头慢慢聚集在一起，最后变成了大石头，阻碍了海浪的流动。同样，铁电材料里的缺陷聚集起来，也会阻碍畴的移动，导致材料疲劳。![]()
图｜传统铁电材料和二维滑移铁电材料的疲劳特性（来源：Science）在这项研究中，中国科学院宁波材料技术与工程研究所钟志诚和团队基于铁电疲劳效应的起源提出，采用“层间滑移”来替代传统离子型铁电材料的“离子移动”，他们通过理论计算预测“滑移铁电材料”具有抗疲劳特性。随后，他们联合电子科技大学刘富才团队、复旦大学李文武团队，围绕这种“滑移铁电”机制设计制备出一种新型的二维层状滑移铁电材料（3R-MoS₂）。
该联合团队基于深势科技创始人兼首席科学家张林峰博士参与并主导开发的深度势能方法进行跨尺度原子模拟分析“滑移铁电”机制能够抗铁电疲劳的微观物理起源。他们发现，与传统离子型铁电材料的离子位移不同，二维滑移铁电材料在电场的作用下层与层之间会产生整体滑移，与此同时，层间会发生电荷转移并实现面外极化翻转。*视频注解：在DeePMD模拟中，具有两个铁电域壁和三个Vs₂的多域3R-MoS₂双层在1纳秒内经历25个电场周期的动态演变。模拟温度为300开尔文。在此过程中，域壁表现出周期性的往复运动。在深入的理论计算分析中，研究人员发现了二维滑移铁电材料的显著特性。与传统铁电材料相比，这种新型材料在实现极化翻转时，由于不需要克服离子间的共价键，所需的电场强度显著降低。这种较低的电场强度不足以驱动带电荷缺陷的移动，从而减少了材料疲劳的可能性。更为关键的是，这种二维滑移铁电材料具有层状结构，这限制了电荷缺陷在层间的移动。由于电荷缺陷难以跨越层间，它们无法在材料中聚集形成团簇。这种结构特性有效避免了铁电疲劳现象的发生，显著提升了材料的稳定性和可靠性。在这一理论基础之上，研究人员利用化学气相输送技术（CVT），成功制备了基于二维层状滑移铁电材料的3R-MoS₂铁电芯片器件。该器件的厚度仅为纳米级别，展现了卓越的微观结构控制能力。这种超薄的铁电芯片器件不仅具有高密度的数据存储潜力，而且由于其抗疲劳特性，有望在电子设备中实现更长久的使用寿命。在一系列科学试验中，研究人员对新型二维滑移铁电材料制成的铁电芯片器件进行了耐久性测试。经过400万次的循环电场翻转极化操作，电学曲线的测量结果表明，该铁电芯片器件的极化强度并未出现衰减现象。这一结果显著优于传统铁电材料，充分证明了新型铁电材料在抗疲劳能力方面的卓越性能。此外，在对不同脉冲宽度条件下的内存性能进行测试时，研究人员发现，在低循环次数下，该铁电芯片器件并未展现出所谓的“唤醒效应”，即性能在循环初期的不稳定现象。这进一步证实了新型铁电材料在稳定性方面的优异表现。研究人员指出，基于这种二维层状滑移铁电材料所制备的存储芯片，从理论上讲，可以实现无限次数的数据擦写操作。这种无读写次数限制的特性，有望极大提升芯片器件的可靠性与耐久性。同时，由于减少了因材料疲劳导致的维护成本，新型铁电存储芯片在经济效益上也具有明显优势。更值得一提的是，这种基于新型铁电材料的存储芯片，其厚度仅为纳米级别，这使得存储密度得到显著提升。结合其无限次读写、大容量和稳定性等特性，新型铁电存储芯片在未来的技术装备领域，尤其是在对数据存储有极高要求的应用场景中，具有广阔的应用前景。
深度势能 (DP) 是一种通过深度神经网络拟合原子间相互作用势（也叫势能面，potential energy surface, PES）的方法。训练数据集通常是由基于密度泛函理论（density functional theory, DFT）的方法计算获得。DP 方法通用性高、准确性高、计算效率高且并行效率高，是最受欢迎的机器学习势之一。DeePMD 广泛应用于物理学、化学、生物学和材料科学领域，用于研究原子尺度体系。
2020年，张林峰博士参与并主导的 DeePMD 方法 获得高性能计算领域最高奖 ACM 戈登贝尔奖，该成果也入选了由两院院士评选的2020年度中国十大科技进展。
这是一项优秀的“干湿结合”的科研工作，深度势能代表的 AI for Science 科研范式，使得研究人员能在原子尺度进行理性设计，减少了“炒菜式”的逐一试错，提高了科研效率，为科研工作带来了新质生产力。1.https://www.science.org/doi/10.1126/science.ado1744
2.https://www.nimte.ac.cn/news/progress/202406/t20240604_7184093.html
3.https://www.cas.cn/syky/202406/t20240606_5020784.shtml
4.https://teacher.ucas.ac.cn/~zhong
5.https://sose.uestc.edu.cn/info/1022/1914.htm
6.https://mse.fudan.edu.cn/3f/10/c23099a409360/page.htm
7.https://www.verifiedmarketreports.com/product/feram-market/#:~:text=FeRAM%20Market%20Size%20was%20valued,the%20Forecast%20Period%202023%2D2030
深势科技是“AI for Science”科学研究范式的引领者和践行者。AI for Science 即运用 AI 学习一系列的科学原理和科学知识，并进一步解决科学研究和工业研发领域的关键问题。深势科技依托在交叉学科领域的深耕，构建了“深势 · 宇知®”AI for Science 大模型体系，将众多学科的科研方法从“实验试错 / 计算机”时代带入了“预训练模型时代”，并以“微尺度工业设计与仿真”为切入点，打造了 Bohrium®玻尔®科研空间站、Hermite® 药物计算设计平台、RiDYMO® 难成药靶标研发平台及 Piloteye® 电池设计自动化平台等科研和工业研发基础设施，形成了 AI for Science 的“创新 - 落地”链路和开放生态，赋能“千行百业”，为人类经济发展最基础的生物医药、能源、材料和信息科学与工程研究打造新一代工业设计与仿真系统。深势科技是国家高新技术企业、国家专精特新“小巨人”企业，在北京、上海、深圳等城市布局研发中心。科研技术团队由中国科学院院士领衔，汇集了超百位数学、 物理、化学、生物、材料、计算机等多个领域的优秀青年科学家和工程师，其中博士及博士后在公司成员中占比超过 35%。核心成员获得过2020年全球高性能计算领域的最高奖项“戈登贝尔奖”，相关工作入选2020年中国十大科技进展和全球 AI 领域十大技术突破。
