《半导体学报》发布2023年度中国半导体十大研究进展

集微网消息，近日，《半导体学报》发布了2023年度“中国半导体十大研究进展”。

接近衬底级晶体质量的氮化物宽禁带半导体异质外延薄膜

北京大学沈波、许福军团队针对大失配异质外延导致氮化物宽禁带半导体高缺陷密度的难题，创新发展了一种基于纳米图形化AlN/蓝宝石模板的“可控离散和可控聚合”侧向外延方法，使蓝宝石衬底上AlN外延薄膜位错腐蚀坑密度大幅降低了两个量级，至~104cm-2，实现了接近衬底级晶体质量的AlN外延薄膜，并应用于相关器件研制。

该成果发表于《自然·材料》杂志（Nature Materials, 2023, 22: 853–859）。

超高集成度光学卷积处理芯片

中国科学院半导体研究所李明研究员-祝宁华院士团队借助空-时变换结合波分复用技术，采用多模干涉机理，成功研制了一款超高集成度光学卷积处理芯片，创造了目前光计算芯片最高算力密度记录，该芯片调控单元数量随矩阵规模呈线性增长，有效缓解了光计算芯片规模扩展的难题，为解决光计算芯片大规模集成探索了一个新的方向。

该成果发表于《自然·通信》杂志（Nature Communications, 2023, 14: 3000）。

单原子层MoS2接触电阻接近量子极限

王欣然（南京大学/苏州实验室）、施毅（南京大学）和王金兰（东南大学）教授带领的合作团队提出能带杂化增强欧姆接触新机理，利用半金属接触，成功将单原子层MoS2接触电阻降低至42 Ω·μm，首次低于化学键结合的硅基器件并接近理论量子极限，进而实现了单层二维半导体晶体管最高电流记录。

该成果发表于《自然》杂志（Nature, 2023, 613: 274–279），同时入选了ESI热点和高被引论文。

首例外延高κ栅介质集成型二维鳍式晶体管

北京大学彭海琳教授团队实现了世界首例二维半导体鳍片/高κ栅氧化物异质结阵列的外延生长及其三维架构的异质集成，并研制了高性能二维鳍式场效应晶体管（2D FinFET）。该原创性工作突破了后摩尔时代高速低功耗芯片的二维半导体/高κ栅介质精准合成与新架构三维异质集成瓶颈，为开发未来先进芯片技术带来新机遇。

该成果发表于《自然》杂志（Nature, 2023, 616: 66–72）。

超越硅极限的弹道二维晶体管

北京大学彭练矛院士、邱晨光研究员团队构筑了10纳米弹道二维硒化铟晶体管，创造性的开发了稀土元素钇掺杂诱导二维相变技术，首次推进二维晶体管实际性能超过业界先进节点硅基Fin晶体管和IRDS预测的硅极限，并且将二维晶体管的工作电压降到0.5 V，室温弹道率达83%，为国际上迄今速度最快能耗最低的二维半导体晶体管。

该成果发表于《自然》杂志（Nature, 2023, 616: 470–475）。

柔性单晶硅太阳电池

中国科学院上海微系统与信息技术研究所刘正新、狄增峰团队针对传统单晶硅太阳电池易碎的缺陷，通过介观对称性结构设计，开发了边缘圆滑处理技术，在国际上率先发明了柔性单晶硅太阳电池技术，实现了力学韧性和抗震性的跨越式提升，制备的轻质柔性组件成功应用于临近空间飞行器，将极大地开辟单晶硅太阳电池新的应用领域。

该成果以杂志封面形式发表于《自然》杂志（Nature, 2023, 617: 717–723）。

新型感存算一体光电探测器

中国科学院上海技术物理研究所红外科学与技术重点实验室胡伟达、苗金水研究团队在国际上首次提出了基于离子-电子耦合效应的感存算一体光电探测器，通过模拟人类视觉感知架构，实现了感知端光电信息处理功能，可解决红外感知分立架构产生的延迟和功耗问题，为大规模硬件集成感存算光电感知芯片及其目标识别应用奠定了基础。

该成果发表于《自然·纳米技术》杂志（NatureNanotechnology, 2023, 18:1303–1310）。

全球首款可片上学习的忆阻器存算一体芯片

清华大学钱鹤、吴华强研究团队在国际上首次实现了全系统集成、支持高效片上学习的忆阻器存算一体芯片，通过一种基于符号和阈值的权重更新算法及硬件架构，解决了传统CMOS电路与忆阻器适配性差的问题，并使芯片在增量学习任务中的功耗仅有传统硬件的1/35，为边缘端人工智能硬件平台提供了一种新的高能效解决方案。

该成果发表于《科学》杂志（Science, 2023, 381: 1205–1211）。

光电全模拟智能计算芯片

清华大学戴琼海、方璐、乔飞、吴嘉敏合作攻关，建立了大规模可重构光电智能计算架构，结合光计算和模拟电子计算技术，突破传统芯片架构中数据转换速度、精度与功耗相互制约的瓶颈，研制了全模拟光电智能计算芯片ACCEL。与现有高性能芯片相比，算力提升千倍，能效提升百万倍。该芯片将在无人系统和智能大模型等实现应用。

该成果发表于《自然》杂志（Nature, 2023, 623: 48–57）。

可重构数字存算一体AI芯片

清华大学尹首一教授、魏少军教授及香港科技大学涂锋斌教授团队提出可兼顾能效、精度和灵活性的AI芯片新范式——可重构数字存算一体架构，设计出国际首款面向通用云端高算力场景的存算一体AI芯片ReDCIM（Reconfigurable Digital Computing-In-Memory）。该芯片首次在存算一体架构上支持高精度浮点与整数计算，可满足数据中心级的云端AI推理和训练等各种应用场景需求。

该成果发表于集成电路领域顶级期刊IEEE Journal of Solid–State Circuits（JSSC, Volume: 58,

Issue: 1, January 2023）。