面向高效边缘计算的动态可控有机光电忆阻器及其片上传感应用

为解决边缘人工智能平台中数据干扰、高能耗及多组件集成复杂性等问题，研究人员开展了基于有机聚合物光电忆阻器的动态可控架构研究，实现了信号感知、特征提取与处理功能在同一忆阻器中的集成。该系统在指纹识别任务中达到97.15%的准确率，同时具备超低能耗和晶圆级溶液加工兼容性，为低成本、高能效的边缘计算提供了新范式。

　　

随着人工智能在移动设备和安全应用等边缘平台的需求日益增长，海量数据涌入边缘设备常常引发信号干扰和决策效率低下问题。当前迫切需要低功耗、低成本的解决方案。虽然采用忆阻器的传感内计算系统能够减少数据迁移，但其多物理处理组件的需求导致能效优化和制造流程复杂化。更具体地说，传统忆阻系统存在全连接网络规模过大、忆阻器写入电压过高以及需要额外模数转换器（ADC）等问题，严重限制了其实际应用价值。

在这项发表于《Light-Science & Applications》的研究中，由周佳、李雯等人组成的研究团队开发了一种具有光学和毫伏级电学双模调控能力的低功耗有机光电忆阻器，提出了动态“按需控制”架构。该器件通过溶液加工技术在柔性衬底上制备，实现了传感、特征映射和处理功能的单片集成，显著降低了电路复杂度和能耗。系统在指纹识别任务中达到97.15%的准确率，且储层规模最小化，能量消耗极低。

研究采用的主要技术方法包括：通过旋涂法制备PTB7-Th聚合物功能层；利用半导体参数分析仪（Keithley 4200s）进行电学特性表征；采用X射线光电子能谱（XPS）和开尔文探针力显微镜（KPFM）分析光电荷转移机制；通过掠入射广角X射线散射（GIWAXS）研究薄膜微观结构；使用CASIA-FingerprintV5指纹数据库进行系统验证。

多功能光电忆阻特性

研究团队构建了20×10的交叉阵列结构，采用PTB7-Th聚合物作为功能层。该忆阻器在5-10 mV超低偏压下表现出宽带光谱响应（320-670 nm），在670 nm处出现显著响应峰值。电流-电压（I-V）特性显示，低电压下呈线性关系，随电压升高转变为非线性响应。光照条件下电流随电压扫描次数增加而逐步升高，呈现模拟多级阻态转换特性。

（非）线性忆阻状态更新机制

通过器件面积依赖性实验证实了均匀界面控制的非细丝型切换机制。XPS分析发现光照后供体单元S₁2p峰向高结合能方向移动，而受体单元S₂2p峰向相反方向移动，表明发生了分子内电子转移。KPFM测量显示光照产生正电荷积累，接触电位差随光强增加而减小。Arrhenius活化能（E_a）分析表明深陷阱与非线性性能相关，高温下E_a降低与I-V线性度增加一致。GIWAXS显示PTB7-Th薄膜面内方向存在较强（100）衍射峰，面外方向呈现明显的π-π堆积（010）峰，这种分子排列有利于面内电荷陷阱和面外电子传输。

光电忆阻器的神经形态特性

器件在恒定光强下呈现光电流随曝光时间逐步增加的八级阻态变化。在5 mV恒定偏压下，光电流随光强增加呈现渐进式多态调节。双脉冲易化（PPF）实验证实了器件对光脉冲间隔的时间关联性。在弱光条件下仍保持可比拟的光诱导兴奋性突触后电流（EPSC）行为，性能优于多数有机光电忆阻储层系统。

光电储层计算系统与设计规则

研究采用虚拟节点概念扩展储层维度，将时间域分段形成高维表征。在指纹识别任务中，分别采用二值化（数字）和灰度（模拟）两种编码方案输入储层。数字方案使用5 mV黑暗（白像素）或光照（黑像素）的1秒脉冲，模拟方案将灰度值[0-255]线性映射到电压幅度[5-500 mV]。系统通过调节物理节点数（M）和虚拟节点数（N）优化性能，当N≈5时获得最低训练损失。在模拟配置下，当M设置为4和10时，错误拒绝率（FRR）和错误接受率（FAR）在100次训练周期后均降至0%。

全忆阻式屏下指纹识别方案

系统采用相同光电忆阻器实现光学传感、物理储层和读取功能。传感模式下忆阻器产生光电流，经跨阻放大器（TIA）转换为电压信号，通过多路复用器（MUX）输入储层。储层输出同样通过TIA和MUX输入忆阻读取模块。实验采用4个PTB7-Th忆阻器件处理模拟输入脉冲序列，每个物理节点包含5个虚拟节点。读取层采用具有模拟线性电导更新的忆阻器实现全连接网络，输出层包含20个Sigmoid神经元。在添加标准差0.1的高斯白噪声条件下，系统对15类指纹识别准确率达到97.15%，即使增加到20类仍保持93.73%的准确率。在仅使用20%输入信号条件下，各类别仍清晰可分，表明储层对稀疏数据的处理能力。

该研究提出了一种基于单一类型光电聚合物忆阻器的传感边缘计算技术，通过动态电压控制实现光电流调节，有效集成了光学传感、物理储层和分类功能。形成自由（forming-free）和超低电压驱动特性使系统能够进行低功耗训练和推理操作，全模拟信号传输进一步降低了计算延迟。该器件可通过低成本、大规模溶液加工工艺生产，推动有机聚合物材料在主流集成电路制造中的应用。该平台与有机光伏阵列共享生产工艺，可实现传感内计算和潜在片上计算，为未来便携式智能系统中的屏下指纹识别等应用提供技术支持。