在大数据时代，人工智能、物联网、云计算等电子信息技术产业的快速发展，对数据的存储和处理提出了前所未有的高要求。目前，我国高端存储芯片远落后于西方。为此，我们需要补足短板，发展适用于大数据需求的新型信息存储和处理材料与器件。例如：1）为满足DRAM单元进一步小型化的要求，亟需探索具有超高介电常数、极低漏电的介电薄膜材料。2）为快速、高效地执行视觉捕捉、图像识别等人工智能任务，推进大数据智能化处理，需要探索面向类脑计算的神经形态信息材料和器件，以期突破冯·诺依曼架构。其中，铁电材料可利用铁电极化非易失连续调控器件电阻状态，在原理上具有速度快、功耗低、抗干扰等优势，成为先进的神经形态忆阻器方案之一。
本报告简要介绍了通过成分、结构及制备工艺和性能调控，探索高介电和铁电性的薄膜异质结材料，既可以获得高性能DRAM电容，也能够用于设计构建新型忆阻器单元，为存算一体神经网络提供材料和器件原理基础。开展相关研究不仅可以促进当前我国存储器领域集成电路产业的发展，而且对下一代电子信息产业中人工智能类脑芯片的研发至关重要。

李晓光，1982年6月毕业于安徽大学，获学士学位。1989年1月获中国科学院固体物理研究所理学博士学位。1993年被聘为中国科学技术大学教授，1994年获国家杰出青年基金资助。曾先后在日本东京大学（JSPS）、香港理工大学等从事科学研究工作。 主要从事关联电子材料如氧化物单晶、外延薄膜和外延异质结构以及相关纳米结构的探索、磁电耦合效应、多重量子序竞争和调控以及相关器件原型构建研究。基于能带工程原理，设计获得写入速度最快的铁电隧道结，实现了亚纳秒、低功耗、非易失的高性能信息存储和忆阻器，并模拟构建了人工神经网络。在高水平国际学术期刊发表文章400篇，获授权专利17项。曾获省部级自然科学一等奖二次，省教学成果一等奖一次。 研究方向：过渡金属化合物材料、铁性隧道结信息存储原型器件探索。