中国科学院微电子研究所科研团队发现,铁电二极管(Fe-diode)的噪声特性可满足边缘人工智能系统对高频和剧烈温度变化下高质量随机熵源的需求。该团队通过调控阻态和读取电压,稳定输出频率及温度双独立的高密度散粒噪声,噪声密度比1/f噪声高两个数量级以上,且在-40°C至125°C范围内无衰减。基于3D 16层Fe-diode阵列,团队开发出贝叶斯神经网络芯片,可在25 fJ/program超低能耗下完成原位训练,MNIST识别准确率92.4%,NIST随机性测试最小熵为0.9997,芯片面积仅为0.06 F²/state,为边缘AI推理提供了可规模化的随机熵源新范式。