在存储器件方面，刘明团队提出了一种基于HZO铁电薄膜极性反转调制的电场可编程二极管及1T2D结构的电压输出存储单元（图1）。针对二进制神经元网络（BNN）应用，提出了一种基于2T4D XNOR单元的无CSA的BNN架构，其单元面积小（16 F2），效率高（387 TOPS / W）。
在器件模型方面，刘明团队提出了一种基于表面势的连续的负电容晶体管（NCFET）紧缩模型（图2）。该模型结合了多筹作用朗道理论、极化弛豫的时间特性和半经典玻耳兹曼输运理论，首次得到没有任何经验拟合参数的表面势解析解。模型与数值解和实验吻合，成功嵌入SPICE进行电路仿真，为NCFET的设计-技术协同优化(DTCO)提供了很好的帮助。
在类脑计算方面，刘明团队基于具有MIT转变的NbOx器件构建了一种1T1R结构的脉冲神经元电路（图3），其输出脉冲发放频率与输入电压关系满足ReLU激活函数。利用该神经元电路构建了320×10的网络，实现了模拟神经网络（ANN）到脉冲神经网络（SNN）的转换，摒弃了传统神经网络中ADC的使用。在MNIST库上实现了与ANN相当的识别率。
基于上述成果的3篇研究论文入选2019国际电子器件大会。第一作者分别为罗庆副研究员、赵莹博士、张续猛博士。三篇论文的通讯作者分别为吕杭炳研究员和刘明院士，李泠研究员和刘明院士，杨建华教授、刘琦研究员和刘明院士。
IEEE国际电子器件大会始于1954年，现已成为全球报道半导体及电子领域最新的科技、研发设计、制造、物理学及建模技术的主要论坛，旨在为产学研界的研究****提供关于电子器件最新研究进展和研究成果的国际交流平台。
图1 一种基于HZO铁电薄膜极性反转调制的电场可编程二极管(Field-Programmable Ferroelectric Diode)及1T2D结构的电压输出存储单元
图2 基于表面势的连续解析负电容场效应晶体管紧缩模型，首次得到了表面势连续解析解，在器件转移等特性与实验数据吻合，并成功用于电路仿真
图3 一种基于NbOx器件的1T1R结构的脉冲神经元电路及输出特性。首次构建了320×10的硬件脉冲神经网络，实现了ANN到SNN的转换，摒弃了ANN中ADC的使用
