基于WOx插层HfO2铁电神经形态器件的储层计算及其高效语音识别应用

本文报道了一种基于TiN/WOx/Hf0.5Zr0.5O2/TiN结构的铁电神经形态器件，通过插入WOx纳米层调控氧空位分布，显著提升了剩余极化强度（达20.58 μC cm–2）和耐久性（超1010次循环）。该器件成功模拟生物突触的短时程可塑性（STP）和长时程增强/抑制（LTP/LTD）等特性，在储层计算（RC）框架下实现了12类日常词汇语音的高精度识别（准确率超99%），为构建高能效人工听觉系统提供了创新解决方案。

　　

1 引言

仿生听觉系统通过模拟人类听觉系统的功能结构实现声音的捕获、处理与识别，在医疗康复与仿生机器人领域具有重要应用价值。然而，传统系统因传感、存储与计算分离的架构，面临计算能力、能耗与集成密度的限制，制约了语音识别精度的提升。受大脑高效低功耗信息处理机制启发，神经形态工程成为突破这些瓶颈的新途径。近年来，铁电神经形态器件在能效与高性能计算应用中展现出潜力，其中铁电隧道结（FTJ）通过模拟突触行为，为神经形态器件开发提供了新思路。

FTJ由夹在两个电极之间的铁电层构成，在外界刺激下呈现可调电阻状态，可模拟生物突触的兴奋与抑制过程。通过精确控制电导变化，能够实现突触权重的高保真模拟，从而在人工神经网络中支持高性能权重更新与学习功能。与传统互补金属氧化物半导体（CMOS）器件相比，FTJ的低工作电压与电流显著降低了能耗并提升系统效率。然而，实现高极化强度与高耐久性的平衡仍是FTJ面临的关键挑战。

储层计算（RC）作为一种处理复杂时序数据的机器学习范式，近年来受到广泛关注。RC系统中，动态非线性的“储层”将时变输入映射到高维特征空间，可训练的读出层执行线性加权求和，较传统循环神经网络（RNN）大幅降低计算成本。将铁电器件集成至RC系统已在语音识别、时间序列预测等应用中展现出潜力。例如，Li等人基于MoS₂-HZO忆阻器阵列开发了人工视觉识别系统，结合传感器RC实现了低成本高效时序数据处理；Chen等人报道了全铁电RC系统，采用Pt/BiFeO₃/SrRuO₃铁电二极管在时间序列预测中达到0.017的归一化均方根误差。尽管如此，残余极化、耐久性与开关速度仍限制着铁电器件的性能，且RC在语音识别中的应用相较于图像识别等领域尚显不足。

本研究通过控制插层厚度调控FTJ器件中的氧空位浓度，成功构建了高性能神经形态听觉系统。在TiN/WO_x（1.5 nm）/HZO（4 nm）/TiN器件结构中，插入WO_x层实现了20.58 μC cm^–2的剩余极化强度（P_r）与超过10¹⁰次循环的耐久性。密度泛函理论（DFT）计算与实验结果表明，WO_x插层可调制HZO层内的氧空位动力学。在RC框架下，该人工听觉系统展现出卓越的语音识别能力，对12类常见口语词汇的分类准确率达99%。这项工作凸显了铁电神经形态器件作为高能效、高性能自驱动人工听觉系统核心部件的潜力。

2 结果与讨论

2.1 基于HZO的铁电隧道结器件

图1A展示了用于人工语音识别的RC架构，其中输入数据被非线性映射到高维特征空间。该映射过程捕获时序动态，类似于生物突触的短时记忆，从而实现高效语音识别与分类。图1B显示了器件结构：硅衬底、TiN层、HZO层、WO_x层与顶电极。图1C的横截面透射电子显微镜（TEM）图像进一步揭示了明确定义的4 nm HZO层与1.5 nm WO_x插层；弯曲的WO_x/HZO界面表明形成了TiO_xN_y。此外，研究了WO_x插层厚度变化对器件铁电性能的影响。图1D显示了TiN/HZO/TiN与TiN/WO_x（1.5 nm、3 nm）/HZO/TiN器件的掠入射X射线衍射（GIXRD）光谱，显示出对应于HZO正交相（o-）与单斜相（m-）的光谱特征峰。集成工艺后，TiN/WO_x（1.5 nm）/HZO/TiN结构呈现出更高的铁电o相比例（76.99%），优于TiN/HZO/TiN结构（66.12%）。TiN/WO_x（3 nm）/HZO/TiN结构表现出中间o相比例（73.21%）。这些结果表明，TiN/WO_x（1.5 nm）/HZO/TiN器件具有最高的铁电o相比例，表明其铁电性能增强。此外，X射线光电子能谱（XPS）分析（图1E）验证了WO_x插层的存在。

2.2 器件的优异铁电性能：高剩余极化与耐久性

评估了WO_x插层厚度对器件性能及RC行为的影响。唤醒循环前，所有器件均表现出清晰的反铁电行为（图2A）。在2.4 V振幅、1 kHz方波脉冲下进行10⁶次唤醒循环后，WO_x-1.5 nm器件在1.8 V下实现了最高P_r（20.58 μC cm^–2），优于WO_x-0 nm（15.01 μC cm^–2）与WO_x-3 nm（10.73 μC cm^–2）器件（图2B）。最优的1.5 nm WO_x插层可作为有效的氧清除剂，减少氧空位并稳定铁电o相。较厚的插层可能削弱HZO层上的电场分布，从而降低铁电极化。

同时，由于WO_x插入可能影响施加至HZO的电场，计算了不同WO_x厚度器件的P_r与归一化电场强度关系，进一步确认了WO_x-1.5 nm器件的优越性。图2C比较了WO_x-0 nm、WO_x-1.5 nm与WO_x-3 nm器件在±1.8 V三角脉冲、100 kHz频率下的耐久特性。WO_x-0 nm器件在10⁷次循环后出现显著极化疲劳，可能源于大量漏电流导致的累积焦耳热与电荷俘获效应。在2×10⁹次循环后，WO_x-0 nm器件已发生击穿。相比之下，WO_x-1.5 nm器件在10¹⁰次循环后仍保持稳定的P_r（3 μC cm^–2）。这些结果表明，插入WO_x介电层有助于提升TiN/HZO/TiN器件的耐久性。保持测试也显示出稳定的极化，对非易失性存储器应用至关重要。图2D、E分别展示了矫顽场演变与I–V曲线。WO_x-1.5 nm器件在1.8 V下保持稳定的矫顽场（1 MV cm^–1），而WO_x-0 nm器件表现出增长的矫顽场，表明潜在性能退化。特别地，所开发器件展现出41.2 μC cm^–2的2P_r与超过10¹⁰次循环的卓越耐久性，超越了采用其他高k介电插层的HZO基铁电器件的性能指标。此外，图S6显示了器件的漏电流测试。极化与耐久性的增强表明了器件设计中 superior 的材料特性与工程策略。

2.3 氧空位工程调控器件性能

为揭示WO_x-1.5 nm器件铁电性能增强的机制，进行了XPS分析。如图3A–C所示，WO_x-1.5 nm器件相较于WO_x-0 nm器件表现出氧空位浓度的显著降低。氧空位与晶格氧的比例（532 eV处的空位峰强度与晶格氧峰之比）测定为：WO_x-0 nm 39.11%，WO_x-1.5 nm 25.36%，WO_x-3 nm 30.31%。最佳的氧空位浓度可稳定o相并增强极化特性，而过多的氧空位会导致疲劳效应与硬击穿，严重影响器件寿命。这些空位在界面处积累，可能钉扎畴壁并降低可切换极化。W-O键解离能（476.4 kJ mol^–1）显著低于Hf-O（801 kJ mol^–1）与Zr-O（766 kJ mol^–1），表明WO_x更易解离，从而释放氧以填充HZO中的过量氧空位，增强铁电性与耐久性。XPS结果进一步揭示了在WO_x-1.5 nm与WO_x-3 nm界面处W的4f轨道中存在W⁵⁺的特征峰，这对WO_x-HZO界面氧含量的精确控制至关重要，是器件性能提升的关键因素。电子能量损失谱（EELS）分析显示，a/b峰强度比随氧空位浓度增加而降低。如图3E所示，WO_x附近O K边的a/b强度比为0.918，显著高于HZO附近的0.906。这与WO_x界面处较低空位浓度的假设一致。最后，DFT模拟（图3F）显示界面处氧空位形成能显著低于HZO体相，从而促进了氧扩散与空位填充。详细计算过程见支持信息。

2.4 器件的动态特性与非线性

鉴于HZO基FTJ器件的优异铁电性能，系统评估了其动态与非线性特性以用于RC。调控铁电HZO界面处的氧空位分布增强了铁电畴翻转，提高了极化开关电流与P_r。如图4A所示，WO_x-1.5 nm器件表现出高-低电阻开关特性，在0.7 V读取电压（低于极化开关电压）下的低阻态电流/高阻态电流比为2.34，优于WO_x-0 nm与WO_x-3 nm器件。此增强可归因于氧空位的调制。该器件在施加不同振幅脉冲时还表现出明显的整流特性与多态特性（图4B）。此外，图S7与S8显示了器件的读取稳定性与可重复性。图4C、D展示了WO_x-1.5 nm器件对固定振幅1 V、宽度递增（100、200、400 ms）的正电压脉冲，以及幅度递增（0.8至1.5 V、1至2 V）、固定宽度（100与400 ms）的电流响应。图S9展示了WO_x-3 nm与WO_x-0 nm器件的结果。图S12与S13展示了器件对不同脉冲宽度与幅度的响应。施加正电压脉冲后，观察到兴奋性突触后电流（EPSC）的突然增加，随后衰减回初始状态，从而模拟了短时记忆效应。图4E展示了移除不同宽度（5、10、15 ms）与间隔（5、10、15、20 ms）脉冲后器件电流的衰减曲线，显示出优异的动态特性。衰减曲线通过公式拟合，其中包含平衡电流偏移与特征弛豫时间常数。图4F展示了拟合得到的弛豫时间。固定5 ms脉冲下，弛豫时间从0.5 V脉冲振幅下的0.956 ms降至1 V下的0.738 ms。脉冲参数对弛豫时间的调制证明了器件的可控动态特性； consequently，在RC系统中将此控制用作储层可提升计算效率并优化系统设计。图4G展示了正负脉冲下的双向电导调制，实现了非线性权重更新。图S10与S11详述了读取方法与可重复性。随后，研究了器件的配对脉冲促进（PPF）特性，作为短时突触可塑性的度量。如图4H所示，对第二个脉冲的响应大于第一个，表现出短时突触可塑性。总之，基于FTJ的铁电神经形态器件展现出适用于RC的卓越动态与非线性特性。

2.5 基于器件的语音识别RC系统

FTJ器件表现出强烈的亚阈值非线性I–V行为与短时记忆，恰好满足RC所需的非线性映射与时序存储。电流对脉冲宽度与振幅高度敏感，因此微小输入变化可产生 distinct 状态。同时，EPSC的自然衰减提供了短时记忆窗口，构成了时间依赖性动态处理的基础。

图5A展示了实现的RC语音识别流程。FTJ器件作为非线性储层，将时序音频输入转换为高维状态。中文日常表达数据集通过可穿戴语音传感设备构建，包含4男3女述说的12类日常表达音频记录，采样率16 kHz，位深度16位，音频时长2 s。随后，梅尔频率倒谱系数（MFCC）将原始音频转换为20维频谱特征。应用离散余弦变换选择最显著的12维。每个频谱的通道值在持续时间τ内传输用于训练。在每个时间窗口τ内，12维MFCC特征向量与随机二值（-1与1）掩模矩阵相乘，生成归一化至-2.5至2.5 V的电压序列。代表储层状态的器件电流响应在固定时间间隔采样；这些样本构成了储层状态。单个器件生成的虚拟节点数为，总虚拟节点数为，其中为器件数量。线性输出层输出12维 one-hot 编码向量作为识别结果。将数据集（804样本）按3:1分割，并使用岭回归训练读出层以避免过拟合。通过比较原始MFCC特征（图5B）与RC系统输出（图5C）的t分布随机邻域嵌入（t-SNE）图，可验证模型在不同类别分离中的有效性。图5B中，原始特征在t-SNE图中严重重叠，表明直接分类困难。图5C中的RC及后续分类层分离了先前重叠的类别，证明系统成功提取了判别性特征。如图5D所示，通过增加掩模长度以增加虚拟节点数，研究了节点数与识别准确率的关系。图5E所示的曲线下面积（AUC）值捕获了分类器的整体判别能力，证实了模型的可靠性。当使用100个储层节点时，模型准确率约88%，但AUC超过95%。这表明尽管在选定阈值下部分样本被误分类，但分类器在全阈值范围内的排序能力仍然强劲。当储层节点数增至1000时，所有类别的AUC值均超过99%，与观察到的准确率提升至约98%一致。这些结果证实，扩大储层不仅提高了点准确率，而且增强了类别分离的鲁棒性。图5F的混淆矩阵（纵轴真实标签，横轴输出标签）显示，使用500个储层节点时，系统对12个词汇的最高识别率达100%，最低84%，整体识别率94.7%。此外，在混合国家标准与技术研究院（MNIST）语音识别基准数据集上测试了RC系统以进行对比分析。该器件在MNIST数据集上展现出功耗（<0.5 nW）与分类准确率（95.1%）方面的优势。这些结果证明了FTJ器件在RC应用中的潜力，特别是在边缘计算与低功耗语音识别场景中。将器件集成至RC架构可在保持低能耗与高集成密度的同时，实现高效准确的语音分类。

3 结论

成功制备了TiN/WO_x(t nm)/HZO/TiN铁电神经形态器件，在激活后展现出高剩余极化强度（约20.58 μC cm^–2，1.8 V下）与超过10¹⁰次循环的耐久性。DFT计算、XPS与EELS分析证实，WO_x插层有效降低了HZO层内的氧空位。神经形态器件在外界刺激下展现出可调电导状态，从而能够模拟生物突触功能，如突触可塑性。集成至RC框架后，这些器件在12类日常语音命令分类中达到超过99%的准确率。这些结果凸显了铁电神经形态器件作为高能效、高性能RC构建模块的潜力，为人工智能的未来发展铺平了道路。未来的硬件转化需要三个工程方向：将堆栈转移至柔性、贴合皮肤的衬底以满足可穿戴电子器件的机械需求；将架构缩放至密集交叉杆阵列 with sub-100-nm pitch，同时减轻潜路径干扰；实施完整的后端低温封装方案，能够在激进的热循环下不降解器件性能。这些方向指导着我们持续努力，将所展示的器件级优势转化为 robust、可制造的下一代可穿戴与物联网应用系统。

4 实验

TiN/WO_x/HZO/TiN铁电突触器件在2英寸p型硅（p-Si）晶圆上制备。采用物理气相沉积在Ar/N₂气氛中于SiO₂/Si衬底上沉积40 nm厚TiN底电极。随后，通过原子层沉积在280°C下使用TEMAHf、TEMAZr与H₂O作为前驱体沉积4 nm厚Hf_0.5Zr_0.5O₂（HZO）铁电薄膜。然后通过溅射在120W功率、0.5 Pa压力下沉积WO_x层以调制HZO层中的氧空位。采用光刻定义电极图形，随后沉积40 nm厚TiN顶电极。器件制备后，在N₂气氛中550°C下快速热退火（RTA）30 s以优化器件性能。全程使用高纯氮气（99.9%，残余O₂ < 3 ppm）；初始 purge 60 s后，在等温 soak 期间保持氮气流速2000 sccm。温度以20°C min^–1速率上升，保持规定时间，然后在相同99.9% N₂流下以10°C min^–1冷却。采用Bruker D8 DISCOVER进行XRD phi扫描分析。使用铁电工作站（Radiant Precision Multiferro II）测量P–V回线与耐久性。采用Agilent B1500A与KEITHLEY 4200进行电性能测试。