复旦大学微电子学院研发光电神经形态器件，加速

复旦大学微电子学院在神经形态计算领域取得重要进展。其研究团队提出了一种面向“感存算一体化”应用的新型光电神经形态器件，通过将光传感、存储与计算功能集成于单一器件中，为突破传统冯·诺依曼架构的能效瓶颈提供了全新思路。\n\n传统计算系统中，传感、存储与计算模块相互分离，数据频繁搬运导致高延迟与高功耗。而“感存算一体化”旨在模仿人脑的神经突触与神经元功能，在同一个物理单元内完成感知、记忆与运算。复旦团队这次的工作正是这一方向上的关键突破。\n\n该器件基于光电器件结构，利用光子作为信号载体，结合材料的电荷俘获与光生载流子调控机制，实现了对光信号的探测、非易失存储以及类似突触权重的可塑计算。具体而言，器件在光照下产生光生载流子，通过外加电场调控载流子的俘获与释放，从而改变器件的电导态。这种电导态既可作为存储的信息，又可作为神经网络中的权重，对后续光信号进行加权求和，实现原位计算。\n\n团队还测试了器件的基本神经形态特性，包括短程可塑性、长程可塑性、双脉冲易化等。这些特性表明，该光电神经形态器件能够支持光电人工突触和光电神经元的功能模拟。在阵列化集成后，有望用于构建光电神经形态计算硬件，直接对图像、光谱等光学信息进行边缘提取、模式识别等任务，省去传统方案中的光电转换与数据搬运环节。\n\n与纯电学神经形态器件相比，光电神经形态器件的优势在于可利用光子的大带宽、低串扰和高速传输特性，显著提升计算速度和能效。尤其在视觉信息处理场景中，光信号直接进入计算单元，避免了额外的探测与存储功耗，特别适合智能传感、机器视觉和边缘计算等对功耗敏感的应用。\n\n该工作得到了国家自然科学基金、国家重点研发计划等项目的支持。相关成果已发表在国际知名学术期刊上，并申请了多项发明专利。研究团队表示，下一步将围绕器件的一致性、阵列集成规模以及与CMOS工艺的兼容性展开攻关，推动“感存算一体化”光电神经形态芯片从原理验证走向工程应用。\n\n业内专家认为，这一进展为解决智能感知与计算融合中的硬件瓶颈提供了有潜力的技术路径，有望在未来人形机器人、自动驾驶、智能安防和可穿戴设备等领域发挥重要作用。也标志着复旦大学微电子学院在新型计算范式与器件研究方面持续走在国际前沿。