摘要：随着图像数据处理需求的爆炸式增长，传感器内神经形态计算因其高能效、低延迟的特性成为研究热点。传统光电器件往往难以同时满足多功能和高精度计算的要求，尤其是在处理静态图像与动态信息时存在明显局限。现有的光电子存储器多数只能支持单一模式（如短期记忆STM或长期记忆L
随着图像数据处理需求的爆炸式增长，传感器内神经形态计算因其高能效、低延迟的特性成为研究热点。传统光电器件往往难以同时满足多功能和高精度计算的要求，尤其是在处理静态图像与动态信息时存在明显局限。现有的光电子存储器多数只能支持单一模式（如短期记忆STM或长期记忆LTM），难以在同一单元中实现动态与非动态计算的协同。此外，STM与LTM之间易发生耦合和相互转化，导致编码误差和计算精度下降。因此，开发一种能够自主切换双模操作、支持高精度时空编码与卷积加速的光电子存储器，成为推动视觉传感器发展的关键挑战。
提出了一种基于MoS₂异质结的双模光电子神经形态存储器，可在同一器件中实现动态短期记忆（STM）和非动态长期记忆（LTM）的自主切换。在负偏压驱动的STM模式下，器件表现出128个光导状态（7比特精度），支持储池计算中的时空特征编码；在正偏压驱动的LTM模式下，器件具备多稳态光导响应，可实现单步硬件卷积加速，每次卷积操作能耗低至≈1.6 fJ。该器件在26字母图像分类中达到100%准确率，并在指纹边缘提取中表现出优异性能（OIS = 0.78）。该研究为高性能图像传感器与边缘智能硬件提供了新方案。Dual-Mode Optoelectronic Neuromorphic Memory for Complex Edge Detection and Recognition为题发表在国际顶级期刊Advanced Functional Materials上。
图1-器件结构与仿生视觉系统概念：该图展示了仿生视觉启发的双模光电子存储器结构与工作机制。图1a类比人眼视觉系统，展示了从视网膜感知到视觉皮层高级处理的信息流，为器件设计提供生物学灵感。图1b展示了FTO/碳/MoS₂/Ag异质结光电子存储器的阵列结构与双模操作概念：STM模式模拟视网膜进行高精度图像分类，LTM模式模拟视觉皮层进行边缘提取。插图显示器件截面SEM图像，功能层厚度约505 nm。图1c详细阐述了双模光电开关机制：负偏压下，MoS₂中的陷阱态电子释放形成STM；正偏压下，碳与MoS₂中的电荷陷阱共同构建LTM。能带结构表明碳/MoS₂形成II型异质结，有效促进光生载流子分离。
图2-电学突触可塑性行为：该图验证了器件电学调制下的突触可塑性、状态稳定性与多比特编码能力。图2a展示器件典型的电流-电压（I-V）曲线，呈现连续阻变切换行为，循环稳定性达500次。图2b显示高阻态（HRS）与低阻态（LRS）的保留时间超过10^4秒 s，阻比≈10，12×12阵列中分布均匀。图2c演示双脉冲易化（PPF）效应，脉冲间隔从20 ms增至100 ms，响应符合指数衰减规律。图2d-e显示在0.3 V脉冲下表现为STM特性（快速衰减），在0.4 V下转变为LTM特性（非易失）。图2f-g进一步展示脉冲宽度（0.5–3.0 s）和幅度（0.3–1.0 V）对LTM状态的调制能力。图2h通过逐步增加电压（1.8–5.0 V）实现了32个可分离的非易失状态（5比特精度）。
图3-高精度光导状态调控与能耗实现7比特光导编码、超低能耗操作与可靠状态分离。图3a显示光照和暗态下的I-V特性，曲线整体上移，表明正向光电响应行为。图3b-e系统研究光脉冲宽度（0.5–5.0 s）、强度（0.48–1.105 μW·μm⁻²）、数量（1–6）和频率（0.1–1.0 Hz）对光电流的影响，分别对应SWDP、SIDP、SNDP和SFDP突触可塑性。图3f表明器件对窄脉冲（
图4-储池计算与字母分类：该图主要展示了基于STM的储池计算实现26字母100%准确分类图4a展示字母“A”在光电子存储器阵列上的预处理过程：光刺激（2.25 μW·μm⁻², 0.5 s）增强图像，电脉冲（-0.5 V, 0.5 s）去噪。图4b示意基于7比特精度的储层编码流程：5×7二值字母图像按时间步输入，光脉冲强度代表“1”（1.25 μW μm⁻²）和“0”（0.48 μW μm⁻²），第7时间步输出128个值。图4c显示7比特编码下的时间响应，图4d为输出热力图。图4e-f通过t-SNE降维显示经RC处理后的26字母特征分布明显分离，图4g对比表明无RC时仅47.6%字母可分，而RC处理后达到100%分类精度。
图5-LTM模式下的边缘检测与卷积加速：LTM模式支持高效卷积运算与复杂边缘提取，性能优于传统方案。图5a示意在光电子存储器阵列上执行3×3卷积核操作，权重通过光设-电重置更新。图5b展示基于Fast-Canny算子的水平与垂直卷积方向。图5c演示5×5指纹图像在水平与垂直卷积下的边缘提取结果。图5d显示实际边缘检测效果，完整性高。图5e给出均方误差（MSE）和最佳图像尺度（OIS）随灰度级变化关系，在256灰度级时OIS达0.8。图5f对比双模MoS₂器件与单模器件在延迟、可编程性、编码速度、能耗和精度方面的优势，表明其综合性能更优。
【文献总结】
该工作成功开发了一种基于MoS₂异质结的双模光电子神经形态存储器，通过偏压极性自主切换STM与LTM模式，实现了仿生视觉感知与高级信息处理的一体化集成。该器件在STM模式下具备128个光导状态（7比特精度），支持高精度储层计算，在26字母分类任务中达到100%准确率；在LTM模式下可实现多稳态非易失存储，单次卷积操作能耗低至1.6 fJ，在指纹边缘检测中表现出色（OIS = 0.78）。机制上，利用II型异质结的能带结构与陷阱态调控，实现了光生载流子的高效分离与可控捕获。该工作不仅解决了STM与LTM耦合难题，还通过光-电协同策略避免了模数转换瓶颈，显著提升了计算能效与处理速度。这项研究为未来视觉传感器、边缘智能硬件与神经形态计算系统提供了创新性的器件架构与算法融合方案，具有重要的科学与应用价值。
Yuexiao Wang, Lei Chen, Bo Wu,et al.Dual-Mode Optoelectronic Neuromorphic Memory for Complex Edge Detection and Recognition.Adv. Funct. Mater.2025, e14949
来源：云阳好先生做实事
