一、研究背景

人工智能技術(shù)驅(qū)動的硬件性能顯著提升，但能源消耗仍是核心瓶頸（如先進(jìn)H100 GPU年耗電量超13太瓦時）?，F(xiàn)有視網(wǎng)膜形態(tài)器件作為AI硬件核心組件，雖擅長特征提取，但依賴被動注意機(jī)制，缺乏主動提取特定特征的靈活性，導(dǎo)致冗余傳感數(shù)據(jù)增多、功耗居高不下，難以適配多運(yùn)動場景（如道路追蹤、生物跟隨）的高效需求。而人類視覺系統(tǒng)憑借被動自主注意（PAA）與主動自主注意（AVA）的層級機(jī)制，實(shí)現(xiàn)了約1.0 pJ/bit的極致能量效率，為解決AI硬件能耗問題提供了重要靈感。因此，開發(fā)具備主動注意調(diào)控能力、高能效的自主神經(jīng)形態(tài)器件成為亟待突破的方向。

二、研究亮點(diǎn)

1. 首次在神經(jīng)形態(tài)器件中引入主動自主注意（AVA）調(diào)控，結(jié)合被動自主注意（PAA），實(shí)現(xiàn)對特定目標(biāo)的精準(zhǔn)選擇與追蹤，突破傳統(tǒng)器件被動特征提取的局限，平均識別準(zhǔn)確率超93%。

2. 器件信息能量效率低至0.625 pJ/bit，接近人類視網(wǎng)膜神經(jīng)元（0.714 pJ/bit）的生物級能效，大幅優(yōu)于現(xiàn)有神經(jīng)形態(tài)器件。

3. 通過選擇性保留目標(biāo)光譜通道、抑制無關(guān)信號，實(shí)現(xiàn)1.17%的超高壓縮比，顯著減少冗余數(shù)據(jù)，降低存儲與傳輸能耗。

4. 基于柵壓可調(diào)的差分光譜響應(yīng)特性，可實(shí)現(xiàn)正負(fù)光電導(dǎo)電流的極性調(diào)控，有效抑制干擾并放大目標(biāo)信號，適配多波長場景的精準(zhǔn)識別。

三、研究內(nèi)容

1. 器件結(jié)構(gòu)設(shè)計(jì)與制備

構(gòu)建MoSe?/h-BN/MoS?范德華異質(zhì)結(jié)結(jié)構(gòu)，MoSe?作為光活性通道模擬突觸權(quán)重，MoS?作為傳導(dǎo)通道實(shí)現(xiàn)記憶功能，h-BN作為勢壘層保障界面特性；通過機(jī)械剝離、轉(zhuǎn)移印刷、紫外光刻等工藝完成器件制備，并驗(yàn)證了3×3陣列的可擴(kuò)展性。

2. 核心工作機(jī)制

通過可編程柵壓脈沖調(diào)控光電導(dǎo)，生成可見光范圍內(nèi)的非易失性正負(fù)光電導(dǎo)電流（PPC/NPC）；利用PPC與NPC的差分運(yùn)算實(shí)現(xiàn)極性調(diào)控光譜重建，結(jié)合神經(jīng)網(wǎng)絡(luò)訓(xùn)練優(yōu)化柵壓配置，形成主動光譜反饋循環(huán)，實(shí)現(xiàn)目標(biāo)信號的選擇性增強(qiáng)。

3. 性能表征與驗(yàn)證

器件暗電流與光響應(yīng)電流差異超兩個數(shù)量級，響應(yīng)速度快（上升時間<160 μs），記憶窗口達(dá)~80 V；在450-800 nm光譜范圍內(nèi)，通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練（僅79輪收斂）實(shí)現(xiàn)0.24 nm光譜分辨率，重建準(zhǔn)確率達(dá)92.2%；針對紅、綠、藍(lán)三色運(yùn)動目標(biāo)的追蹤實(shí)驗(yàn)中，各幀速率下識別準(zhǔn)確率均超93%。

4. 能效與壓縮比測試

基于人腦神經(jīng)元靜息態(tài)與動作電位的評估方法，驗(yàn)證器件信息能量效率為0.625 pJ/bit；通過篩選有效邊緣像素、保留目標(biāo)顏色通道，實(shí)現(xiàn)1.17%的數(shù)據(jù)壓縮比，遠(yuǎn)超同類器件。

四、總結(jié)與展望

該研究受人類視覺系統(tǒng)啟發(fā)，成功開發(fā)出具備主動自主注意機(jī)制的亞皮焦耳/比特級神經(jīng)形態(tài)器件。通過MoSe?/h-BN/MoS?異質(zhì)結(jié)結(jié)構(gòu)設(shè)計(jì)與柵壓可調(diào)差分光譜響應(yīng)機(jī)制，器件實(shí)現(xiàn)了被動特征提取與主動目標(biāo)選擇的協(xié)同，在保持93%以上識別準(zhǔn)確率的同時，達(dá)成1.17%的超高壓縮比與0.625 pJ/bit的極致能效，突破了傳統(tǒng)視網(wǎng)膜形態(tài)器件的性能瓶頸，為非馮·諾依曼架構(gòu)AI硬件的低功耗發(fā)展提供了全新解決方案。

文獻(xiàn)鏈接：https://www.nature.com/articles/s41467-025-66295-6