邊緣人工智能系統因密集計算需求，對高質量隨機熵源有較高要求。傳統熵源隨溫度變化及頻率增加而衰減。

　　中國科學院微電子研究所研究團隊發現，鐵電二極管噪聲特性能夠契合高頻和劇烈溫度變化的邊緣人工智能系統。團隊從器件物理層面調控阻態及讀取電壓，能穩定輸出頻率及溫度雙獨立的高密度散粒噪聲，噪聲密度比1/f噪聲高兩個數量級以上，且在−40°C至125°C范圍內無衰減，為邊緣人工智能系統提供了理想隨機熵源。

　　進一步，依托該隨機熵源，研究團隊基于3D 16層鐵電二極管陣列，開發出具有統一熵源及突觸權重的貝葉斯神經網絡芯片。測試結果顯示，該芯片可在25 fJ/program超低能耗下完成原位訓練，MNIST數據集識別準確率92.4%；NIST隨機性測試最小熵為0.9997，印證了噪聲高純度與獨立性；該芯片面積僅為0.06 F²/state，工作溫度覆蓋−40°C至125°C，為邊緣高可靠、低功耗人工智能推理提供了可規模化的隨機熵源新范式。

　　相關成果發表在《自然-通訊》（Nature Communications）上。研究工作得到國家自然科學基金等的支持。