复旦大学周鹏-刘春森团队在《科学》发表成果,发明"量子闪存"技术,首次在室温(27°C)下实现单电子的非易失性存储,存储窗口达0.5伏特,将信号放大近一个数量级。

该技术实现"一电子一比特",达到量子理论极限,为AI时代高密度存储器研发奠定基础。
团队计划1到3年内实现产品落地,并已具备与8英寸及12英寸CMOS晶圆异质集成制造的成熟工艺。
复旦大学周鹏-刘春森团队在《科学》发表成果,发明"量子闪存"技术,首次在室温(27°C)下实现单电子的非易失性存储,存储窗口达0.5伏特,将信号放大近一个数量级。该技术实现"一...
复旦大学周鹏-刘春森团队在《科学》发表成果,发明"量子闪存"技术,首次在室温(27°C)下实现单电子的非易失性存储,存储窗口达0.5伏特,将信号放大近一个数量级。
该技术实现"一电子一比特",达到量子理论极限,为AI时代高密度存储器研发奠定基础。 团队计划1到3年内实现产品落地,并已具备与8英寸及12英寸CMOS晶圆异质集成制造的成熟工艺。
复旦大学周鹏-刘春森团队在《科学》发表成果,发明"量子闪存"技术,首次在室温(27°C)下实现单电子的非易失性存储,存储窗口达0.5伏特,将信号放大近一个数量级。

该技术实现"一电子一比特",达到量子理论极限,为AI时代高密度存储器研发奠定基础。
团队计划1到3年内实现产品落地,并已具备与8英寸及12英寸CMOS晶圆异质集成制造的成熟工艺。
IT之家:https://www.ithome.com/ 7 月 17 日消息,复旦大学官宣,北京时间今天(7 月 17 日)凌晨,复旦大学集成芯片与系统全国重点实验室集成电路与微纳电子创新学院周鹏-刘春森研究团队在《科学》(Science)发表重磅成果。

他们发明的“量子闪存”(Quantum Flash)技术,成功构建出共面的漏极-沟道-源极“归壹”结构, 首次在室温(27℃)环境下清晰观测到了单电子的非易失性存储行为 。
这不仅彻底打破了“单电子存储”无法实现的传统认知, 开创了单电子量子存储的全新理论体系,更为 AI 时代算力革命奠定关键理论基础 。
作为不可分割的基本粒子,电子在理论上是构筑最小数据单元的终极载体,这也被称作“单电子存储”。然而,由于其深涉基本粒子的量子行为,科学界一度将其视为“理论上可行、实验中无法观测”的空中楼阁。
面对困境,团队从量子力学基本原理出发,重新审视单个电子操控的边界,利用二维半导体原子级厚度的天然“囚禁”优势,独创性地提出了 自对准平面裁剪方案 ,成功构建出 共面的漏极-沟道-源极“归壹”结构 。

实验显示, 仅需注入单个电子,存储窗口便可达 0.5 伏特,数据在室温(27℃)下依然保持稳定 。相较于 1997 年《科学》(Science)杂志报道的 55 mV 且仅能维持 5 秒的硅基单电子存储,这项工作将室温下的单电子量子态信号放大了近一个数量级,并具备了真正的非易失性。
该研究将电荷存储的信息密度提升至理论极限, 实现了“一电子一比特” ,也为面向人工通用智能(AGI)需求的高密度存储器研发提供了新的技术基础。
该器件实现了“ 一个电子对应一比特 ”,已达到量子理论极限。下一步,团队将着力推进该器件的工程化与大规模芯片集成,推动基础研究走向产业应用。

复旦大学表示,此次突破意味着, 未来手机、电脑、服务器有望搭载超高速、超大容量、断电不丢数据的存储芯片 ,支持本地运行更大参数 AI 模型,且功耗更低。随着存储性能提升,手机或 AI 助手的响应更快、上下文记忆更长,无需反复解释历史对话,能像真正智能体一样记住许久前的交流。当存储速度匹配计算速度,算力将不再被存储“拖后腿”。
目前,团队已系统性地打通了从底层材料、器件创新到高端芯片集成与应用的全链条:“破晓”实现存取速度突破,“归壹”解决密度极限,“长缨”完成了与现有 CMOS 硅工艺兼容的原型芯片验证。
接下来,他们即将加快产业化进程, 计划在 1 到 3 年内实现产品落地 —— 成立公司对接人工智能头部客户,引入战略合作伙伴,借助社会力量和政府支持,把原始创新转化为新质生产力。
目前,团队在二维存储与 8 英寸及 12 英寸 CMOS 晶圆异质集成制造领域已具备成熟工艺基础,得益于二维半导体的异质集成工艺复杂度远低于体硅晶体的掺杂、隔离等方案, 未来的存储芯片有望在成本上与主流产品持平甚至更具优势 。
https://science.org/doi/10.1126/science.aeg6638 :https://science.org/doi/10.1126/science.aeg6638
Aioga 编辑摘要:复旦大学周鹏-刘春森团队在《科学》发表成果,发明"量子闪存"技术,首次在室温(27°C)下实现单电子的非易失性存储,存储窗口达0.5伏特,将信号放大近一个数量级。 Aioga 将其归入「论文研究」方向,重点关注它对真实使用和行业竞争的影响。
背景分析:模型与研究类动态需要结合能力边界、开放方式、成本、可用性和真实任务表现判断,单项指标领先不等于已经形成稳定采用。
Aioga 判断:这条动态更适合作为行业观察信号,当前信息足以建立线索,但不足以推导长期结论。
影响分析:对相关团队而言,短期应先核对来源、可用范围和实际成本,再判断是否值得接入或跟进。 后续观察:继续观察官方文档、实际可用性、价格变化、开发者反馈和竞品回应。
本页正文由公开来源页面提取并按原有信息整理,同时保留来源、发布时间和原文入口。版权归原作者及来源网站所有,请通过原文链接核验和阅读来源版本。
抓取通道: RSS · 原始域名: ithome.com
来源: IT之家(RSS)
原文链接: 打开原始来源
Aioga 归档: 查看情报页
Content record: source-page · Updated: 2026-07-17T03:33:38.000Z

统一接入主流 AI 模型 API,为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.comAioga 自动聚合全球 AI 动态,并保留来源信息用于核验与引用。