韓國成均館大學機械工程學院科學家開發出一種利用熱量精確調控半導體內部結構的新技術，可顯著提升下一代人工智能（AI）核心硬件的性能，有望讓復雜的AI計算在更低功耗下實現更快速處理。相關成果發表于美國化學會（ACS）旗下《納米》雜志。

現行計算機的處理器與存儲器物理分離，恰如書房中書桌（處理器）與書架（存儲器）分置兩處。每次運算，數據均需在二者間往返傳輸，就像學生在書架與書桌間來回奔波，這會耗費更多時間與算力。

為攻克這一難題，科學家提出了“存內計算”構想，即讓計算直接在存儲器中完成。實現這一構想的核心在于“鐵電晶體管”，這也是本研究的焦點。然而，制造此類晶體管的關鍵材料氧化鉿極難駕馭。為確保存儲功能，其內部原子須排列成特定晶體結構；而一旦材料薄至極限，原子排列易受干擾，致使性能衰減。

以往方案多采用摻雜其他化學元素的方法，但工藝復雜，難以大規模量產。在最新研究中，研究團隊另辟蹊徑，利用“熱膨脹”物理原理，即不同材料受熱后膨脹收縮程度各異，巧妙攻克了這一難題。

團隊設計了環繞半導體材料的電極，使其在冷卻收縮時，對內部氧化鉿施加壓縮應力，宛如緊身衣塑形。這種由熱力產生的物理作用，將原子“梳理”成最利于存儲操作的晶體結構。

測試顯示，按照新設計制造的半導體器件不僅超薄，且在運行超一萬億次后依然穩定。將其集成用于AI圖像識別任務，準確率高達97.2%。

團隊表示，這一結果證明，無需依賴復雜的化學過程，僅憑溫度控制即可實現高性能AI半導體器件，突破了下一代半導體的化學局限。若該技術實現商業化，AI技術可以在自動駕駛汽車和智能手機等設備上更智能、更高效地運行。