ROPP编辑优选：超低功耗容性铁电储备池计算
本篇研究来自华南师范大学樊贞课题组。本文在器件机制上进行创新，首次提出一种基于铁电电容-线性电容串联结构的新型储备池器件，该器件巧妙利用铁电极化翻转与回转机制，实现了储备池所需的“非线性”与“衰退记忆”特性；并在核心性能上实现突破，在功耗、时间常数可调范围及双向操作能力等关键指标上，该器件均优于目前主流的物理储备池器件。
文章介绍
Linyuan Mo（莫林源）, Zhen Fan（樊贞）, Jiali Ou（区家力）, Zhiwei Chen（陈智威）, Haipeng Lin（林海鹏）, Wenjie Hu（胡文杰）, Wenjie Li（李文杰）, Meixia Li（李美霞）, Boyuan Cui（崔玻源）, Hua Fan（凡华）, Ruiqiang Tao（陶瑞强）, Guo Tian（田国）, Minghui Qin（秦明晖）, Xubing Lu（陆旭兵）, Guofu Zhou（周国富）, Xingsen Gao（高兴森） and Jun-Ming Liu（刘俊明）
通讯作者：
- 樊贞，华南师范大学
研究背景：
储备池计算（Reservoir Computing, RC）是一种简单高效的循环神经网络（RNN）变体。其核心机制在于利用储备池将输入时序信号非线性映射到高维特征空间，生成线性可分的状态，随后交由读出层进行处理，完成预测、分类等任务。与传统RNN不同，RC系统仅需训练读出层权重，而无需调整储备池内部复杂的连接参数。这一独特架构大幅降低了训练成本与计算复杂度，使其在语音识别、动作识别及气象预测等领域展现出广阔应用前景。
然而，现有物理RC系统大多依赖阻性器件，其工作过程中通常产生较大传导电流，导致功耗偏高。此外，阻性器件通常仅支持单向工作，且其时间常数在器件制备后往往难以调整，这些因素严重限制了储备池的状态丰富度，使其难以适应多时间尺度的复杂任务。如何实现兼具超低功耗和丰富动力学特性的RC系统，成为该领域的重要挑战。
研究内容：
本文提出了一种基于铁电电容-线性电容串联结构的新型储备池器件。该器件巧妙利用铁电极化翻转与回转机制，实现了储备池所需的“非线性”与“衰退记忆”特性。该器件工作于容性模式，相比于阻性器件具有双重优势：一方面支持直接电压读出，无需电流-电压转换；另一方面显著降低功耗，单次输入总功耗仅1.3 μW（其中静态功耗仅0.096 nW）。
此外，器件展现出双极性脉冲响应能力，显著拓展了储备池状态空间维度，不仅提升了储备池计算（RC）系统在波形分类任务中的表现（RNMSE: 0.04），还使其能够胜任多模态识别任务（准确率：97.6%）。更突出的是，器件还表现出大范围可调的时间常数（0.01 ms至3 ms），利用该特性构建的混合时间常数RC系统在Mackey-Glass时间序列预测中表现卓越（RNMSE：0.045）。
该研究证实了铁电容性器件在构建超低功耗、高动态丰富度RC系统方面的巨大潜力，有效解决了现有储备池器件的能效瓶颈与动力学固化问题，为边缘端复杂时序信号处理提供了高效的硬件解决方案。
作者介绍
樊贞 研究员
华南师范大学
- 樊贞，华南师范大学研究员。近年来聚焦于面向AI硬件的铁电材料与器件研究。以第一/通讯作者在Rep. Prog. Phys.、Nat. Commun.、Adv. Mater.等高水平期刊上发表论文58篇，其中ESI热点论文1篇、高被引论文4篇。论文总引用7000余次，H因子42。主持国家自然科学基金项目3项，以及广东省杰出青年项目。入选国家级青年人才、广东省青年珠江学者等人才计划。
期刊介绍
- 2025年影响因子：15.4 Citescore：23.0
- Reports on Progress in Physics（ROPP）作为涵盖物理学各分支的权威性综述期刊，长期以来享有盛誉。所有综述均由编委会邀请全球顶尖专家撰写，覆盖物理的经典和热点议题。同时，ROPP现在开始接受原创研究文章投稿。