综述：基于氧化物的神经形态视觉光电子器件：任务需求、器件指标与材料-架构策略

《Journal of Alloys and Compounds》：Oxide-based neuromorphic visual optoelectronics: task requirements, device metrics, and material-architecture strategies

　　

## 摘要

图像和视频数据的快速增长对传统机器视觉系统提出了越来越高的要求。在这些系统中，独立的传感、存储和计算模块需要频繁的数据传输，导致能耗高、延迟大。神经形态视觉器件在传感前端引入了可调的内部状态，使得光电转换、信息保持和前端处理能够在单一器件或阵列中完成。氧化物在这方面具有吸引力，因为其可调的电子结构、缺陷和界面态、离子迁移、铁电极化和阻变行为可以产生易失性、非易失性和多级状态。然而，现有的综述主要按材料类别、器件架构或突触行为来组织该领域，对器件状态动态与视觉任务需求之间的联系探讨有限。本综述根据氧化物在传感、存储、调制、处理和集成方面的功能贡献，定义了基于氧化物的神经形态视觉光电子器件。评估指标在器件级、阵列级和任务级三个层面进行组织。文中分析了带隙工程和光谱工程、缺陷与陷阱、氧空位、界面光电掺杂以及异质结机制。将两端光电子忆阻器与三端浮栅、铁电栅和电解液或离子栅突触晶体管在结构、状态控制和任务适用性方面进行了比较。回顾了静态图像存储与预处理、自适应视觉、动态视觉、多维与多模态感知以及片上计算的代表性进展。最后讨论了可靠性、阵列均匀性、CMOS及外围电路集成、柔性透明系统、能耗核算和标准化验证等方面的关键挑战，强调了从单器件演示向可靠阵列和集成视觉系统的转变。

## 引言

图像和视频是边缘智能系统的主要数据来源。传统的机器视觉平台通常由离散的图像传感器、模数转换器、存储单元和处理器组成。光信号被转换和数字化后，数据必须在这几个模块之间反复传输，然后处理器才能进行特征提取、识别和决策。随着图像分辨率、帧率和光谱维度的提高，相关的能耗和延迟越来越制约着自主系统、可穿戴设备和基于边缘的视觉任务的实时处理[1]。近传感计算通过缩短传感器与处理单元之间的数据路径来减少这种通信开销。片上计算更进一步，将信息过滤、状态保持和部分计算嵌入像素或传感元件中，使数据在传输之前即可进行预处理或特征提取[2]、[3]。因此，神经形态视觉器件必须将光电转换与状态调制和局部信息处理相结合，以减少下游的数据移动和计算负载[4]。

生物视觉为前端信息处理提供了功能蓝图。视网膜并非仅仅是被动的感光阵列。在信号到达视觉皮层之前，视网膜便已执行了对比度调节、噪声抑制、明暗适应、颜色编码和运动提取等功能[5]、[6]、[7]。这些功能表明，视觉响应取决于当前的光刺激及其强度、持续时间、间隔和序列[8]。在人工器件中，光刺激可以调制沟道电导、电阻状态、阈值电压、陷阱电荷、极化或离子分布。这种调制可产生多级电导、易失性或非易失性保持以及不同的弛豫动态特性[9]、[10]、[11]。通过调节这些内部状态，神经形态器件能够执行图像存储与预处理、光适应、动态目标编码、多维光传感以及片上计算[12]、[13]、[14]。因此，器件设计必须同时考虑光响应和状态动态，并将两者与目标任务的空间和时间尺度相匹配。

实现这些功能所需的材料必须同时支持光电转换以及稳定、可调且可重复读取的内部状态。氧化物可以作为感光层、传输沟道、存储介质、栅介质、铁电层或阻变层。它们通过带隙工程、界面电荷转移、载流子捕获与释放、离子迁移、铁电极化和电阻态切换来调控器件输出[15]、[16]、[17]、[18]、[19]、[20]。氧空位、体缺陷态和界面陷阱可以改变载流子密度、复合动态和状态保持。然而，不均匀的缺陷和界面分布也可能导致迟滞、漂移和器件间差异[21]。溅射、原子层沉积、溶液沉积和印刷等技术能够适应不同的器件面积和衬底条件，实现透明、柔性及大面积平台。一些氧化物薄膜晶体管、介电层和阻变材料也与现有的互补金属氧化物半导体（CMOS）工艺兼容[22]。因此，氧化物在神经形态视觉中的作用不仅取决于光电子特性，还取决于缺陷工程、器件架构和制造工艺。

基于氧化物的光电子突触、光电子忆阻器和突触晶体管已经超越了基本的突触可塑性模拟。当前的演示包括图像保持与去噪、环境光适应、运动检测、多光谱和偏振识别、储备池计算以及与外围电路的耦合[10]、[23]、[24]、[25]、[26]。然而，更广泛的功能并不一定意味着更成熟的视觉硬件。相同的状态机制在不同任务中可能产生不同的后果。持续光导可以支持图像保持和时间积分，但也可能导致缓慢恢复和基线漂移。更长的保持时间有利于静态存储，但会增加连续事件之间的状态重叠。高响应度有利于弱光检测，但不一定能在阵列层面转化为任务增益[19]。因此，器件性能应根据目标任务和测试条件进行评估，而不是脱离应用背景进行独立比较。

当前研究在选择验证方法上也存在显著差异。单器件响应曲线、基于测量参数的软件映射、虚拟阵列、物理阵列、硬件在环测试和端到端硬件系统代表了不同层次的硬件参与程度[27]、[28]。通过软件映射获得的识别准确率主要估计测量的器件参数如何影响算法性能。相比之下，物理阵列和系统级演示还受到器件均匀性、读出误差、外围电路和数据转换的额外约束。不同验证层次获得的结果不应仅以峰值识别准确率或单一器件指标为基准进行比较。除响应度、保持时间和能耗之外，评估还应考虑状态稳定性、循环耐久度、器件间差异、阵列可扩展性以及前端处理在任务层面的实际收益。

先前的综述从光敏材料、器件类型、生物视觉机制以及传感-存储-计算一体化等角度总结了光电子突触和仿生视觉[19]、[23]、[24]、[25]、[26]、[29]、[30]。虽然这些文章系统地涵盖了材料特性、工作机理和代表性应用，但未能将视觉任务需求完整地映射到评估指标、材料机制和器件架构上。不同的视觉任务需要不同的状态范围、保持时间和响应速度，这些必须在器件、阵列和任务三个层面联合表征。此外，已发表的研究使用了明显不同的波长、光功率密度、脉冲宽度、偏压条件、读出时间和能耗核算边界。如果不考虑这些条件差异就直接比较响应度、保持时间或识别准确率，可能会掩盖材料设计和器件设计中的实际权衡。

在本综述中，基于氧化物的神经形态视觉光电子器件根据其氧化物在视觉信息链中的功能贡献来定义。在此范围内，氧化物必须在视觉传感、状态存储、信号调制、信息处理或器件集成中发挥关键作用。该范围包括层状或二维氧化物、超薄氧化膜、非晶和晶态氧化物半导体、透明导电氧化物、功能氧化物介质、铁电层和阻变层。还包括将氧化物与二维半导体、钙钛矿、量子点或其他光敏材料结合的功能性异质结构[18]、[19]。在这些异质结构中，氧化物可能承担光吸收调控、载流子传输、电荷存储、离子调控、界面势垒调制或工艺集成的角色。仅用作惰性衬底、封装层或非功能性辅助层的氧化物不在主要范围之内。这一基于功能的定义既不要求全氧化物器件，也不将严格的二维几何结构作为前提条件。

相应地，本综述从视觉任务出发，组织评估指标、材料机制、器件架构和任务级验证。第2节定义了氧化物材料的功能范围，并建立了器件级、阵列级和任务级的评估指标。第3节探讨了带隙结构、缺陷、氧空位和界面工程如何调控光响应和状态动态。第4节比较了两端光电子忆阻器与三端浮栅、铁电栅以及电解液或离子栅器件，重点阐述了它们的工作特性和设计约束。第5节回顾了静态图像存储与预处理、自适应视觉、动态视觉、多维与多模态视觉感知以及片上计算中的任务演示。第6节讨论了器件可靠性、阵列均匀性、外围电路、CMOS集成、能耗评估和标准化验证问题。通过将视觉任务与材料和器件设计联系起来，本综述在明确定义的测试条件和硬件验证层次下，评估了系统级实现的进展与挑战。

基于氧化物的神经形态视觉器件已从基本光检测扩展到图像存储与预处理、自适应感知、动态视觉、多维信息编码和片上计算[31]、[32]。随着器件功能从瞬态光电转换延伸到状态保持、时间信息处理和阵列操作，单一的材料类别或器件架构已不足以决定任务适用性。对这些器件的评估需要统一考虑光响应、状态动态、阵列实现和任务输出。这种评估还必须考虑灵敏度、保持时间、响应速度、能耗和可扩展性之间的权衡。本节首先定义氧化物材料的范围和功能边界，然后考察从传统光检测到面向任务的神经形态视觉处理所应具备的能力，并建立器件级、阵列级和任务级的评估框架。该框架为后续章节将材料机制和器件架构与视觉任务联系起来提供了一致的依据。

在本综述中，当氧化物在视觉传感、状态保持、信号调制或信息处理中发挥基本功能时，该器件被归类为基于氧化物的器件。该范围不仅限于严格的二维金属氧化物，还包括层状或二维氧化物、超薄氧化膜以及非晶或晶态氧化物半导体。透明导电氧化物、氧化物介质、铁电氧化物、氧化物阻变层以及包含功能性氧化物组分的异质结构均在内[20]、[33]。

该范围由材料的功能贡献而非其维度来定义。广泛用于神经形态视觉器件的氧化物通常不具备本征层状结构。例如，IGZO、In?O?、ZnO、Ga?O?等功能性氧化物常以非晶或晶态薄膜、纳米结构、沟道层、介电层或阻变层的形式集成[34]、[35]。因此，仅凭几何维度无法充分描述氧化物在器件中的作用。

在视觉信息链中，氧化物主要支持三项功能：光电转换、状态调制和器件集成。氧化物半导体通过带间激发、缺陷态和光生载流子传输将入射光转换为电流或电导变化[36]。缺陷态、界面态、浮栅和阻变层将瞬态光刺激编码为保持或衰减的内部状态，这一过程通过载流子捕获与释放、电荷存储或电阻态调制来实现[35]、[37]。双电层、离子调控界面和栅介质进一步调节沟道载流子浓度、阈值电压和光响应状态[38]、[39]。这些过程共同构成了光学存储、历史依赖响应、多级电导和可编程状态的物理基础。

在含氧化物的异质结构中，氧化物不一定充当主要的光吸收组分。过渡金属二硫化物、有机半导体或量子点可以拓宽光谱吸收，而氧化物可以作为载流子传输沟道、电荷捕获层、界面势垒调制层或状态存储介质[40]、[41]、[42]。当氧化物对报告的传感、存储或处理功能做出基本贡献时，此类系统属于本综述的范围。相比之下，仅用作惰性衬底、封装层或与视觉功能无关的辅助层的氧化物不属于本综述的核心内容。

因此，范围由氧化物在视觉信息链中的功能角色决定。既不要求严格的二维材料几何结构，也不要求全氧化物器件组成。该定义包括基于氧化物的光电子突触、光电子忆阻器和突触晶体管，以及将氧化物与其他光敏材料结合的功能性异质结构。

氧化物平台也必须在更广泛的光敏和状态调控材料格局中加以考量。表1对氧化物、范德华二维半导体、二维铁电材料、钙钛矿与量子点以及有机和杂化系统进行了定性比较。比较侧重于关键优势、主要局限性和任务适用性。器件性能由材料组成、器件架构和测试条件共同决定。因此，该表映射了各平台提供的视觉功能，而非建立绝对性能排名[16]、[18]、[26]、[30]、[43]、[44]、[45]、[46]。

如表1所示，氧化物并非在每一个方面都优于其他平台，包括光吸收、机械柔性和低压操作。其主要优势在于在大面积薄膜制造、透明器件集成、多种状态调控机制和多功能层角色之间取得平衡。

范德华二维材料提供了原子级薄沟道和对界面电荷的强敏感性，支持低能耗运行、高密度集成和异质结构设计。其突触行为还可以通过材料选择、缺陷与界面工程、应变以及器件架构进行调控。然而，晶圆级可控生长、接触与介电层集成、转移污染、环境稳定性和器件均匀性仍是阵列规模化的障碍。钙钛矿、量子点和有机材料在宽带吸收、波长选择性、机械顺应性或低电压离子调控方面提供了互补的能力。因此，这些材料平台更宜被视为功能互补和任务依赖的，而非直接替代的。作为非氧化物的对比，Au??/MoS?异质结光电晶体管也被用于模拟视觉后像，为持续性光学状态行为提供了跨平台基准[47]。传统光电探测器的基本功能是将入射光转换为可读的电信号。其性能通常由响应度、比探测率、外量子效率、暗电流、光谱范围以及响应与恢复时间来表征[31]。这些指标主要描述光电转换效率、噪声水平和瞬态响应。在传统工作模式下，输出主要由当前光照决定。因此，器件设计优先考虑快速准确的光电转换，而不是利用先前的刺激来建立可编程的内部状态。神经形态光电器件将状态依赖性和历史依赖性引入光探测[8]、[48]。光学刺激可以改变沟道电导、电阻状态、阈值电压、存储电荷或离子分布。器件输出因此取决于光强、光照持续时间、脉冲数量、脉冲间隔以及先前刺激历史[49]。由此产生的短期和长期可塑性、成对脉冲促进或抑制、记忆衰减以及易失性到非易失性的转变将光响应、状态保持和信号调制集成在单一器件中[38]、[50]。然而，仅凭历史依赖响应并不构成任务级的神经形态视觉。持续性光导电性、缓慢恢复和多电平电导只有当它们支持图像保持、信号滤波、环境适应、时间编码或计算时才成为与任务相关的物理资源[10]、[11]。同样，兴奋性突触后电流（EPSC）、成对脉冲促进（PPF）、短期可塑性（STP）和长期可塑性（LTP）表征了对刺激历史的依赖，这些行为本身并不能建立图像处理或阵列计算能力。内部器件状态必须被映射到像素输出、阵列操作或任务结果上，才能提供可量化的信息处理功能。因此，不同的视觉任务对器件行为提出了不同的要求。静态图像存储和预处理需要多电平状态、状态保持和选择性衰减[10]、[41]。自适应视觉主要取决于在变化背景光照下的敏感性、响应增益和状态调节[11]、[51]。动态视觉需要短期记忆、可控弛豫和时间积分[12]、[13]。多维感知需要器件对不同的波长、颜色或输入模态产生可区分的响应[52]。传感器内计算进一步要求器件状态与阵列读出、时间映射或算法推理进行接口[53]、[54]。因此，应根据目标任务的空间、时间和计算要求来评估器件性能。将状态动态与任务时间尺度相匹配尤为重要。长保持时间有利于静态信息存储和非易失性权重表示，而可控的短期弛豫则支持运动检测、事件关联和时间信息处理[13]、[54]。过快的恢复会削弱相邻事件之间的相关性。相比之下，过长的保持时间可能导致状态积累和连续输入之间的重叠。因此，响应速度和保持时间是共同定义可用时间处理窗口的耦合参数。从系统角度来看，近传感器计算、传感器内计算和感知-存储-计算集成代表了逐步提高的功能集成水平。近传感器计算保留独立的传感和处理单元，但通过缩短数据传输路径来减少通信开销。传感器内计算在像素或传感单元内执行光电转换和部分信息处理[2]、[55]、[56]。在更高层面上，前端感知或预处理阵列可以与后端存储内计算阵列或神经网络硬件耦合，从而创建从光学输入和特征提取到推理输出的连续处理链[53]、[57]。因此，从光探测到神经形态视觉处理的演进将光诱导的内部状态转化为特定任务的信息表示和计算资源。神经形态视觉功能取决于状态动态是否能够明确匹配目标任务、阵列组织和算法工作流。氧化物基神经形态视觉器件可以在三个相互依存的层面上进行评估：器件、阵列和任务。器件级指标描述光电转换、状态调制和记忆动态。阵列级指标评估多个单元之间的均匀性、可重复性和集成可行性。任务级指标确定器件或阵列提供的物理状态是否转化为可量化的视觉功能。单一器件中测量的高响应度、长保持时间或突触样行为并不能保证阵列级实用性。在阵列和系统层面上，性能仍受器件变化、非预期电流路径、互连和外围电路的制约[27]。器件级评估从基本的光电参数开始，包括响应度、比探测率、暗电流、光谱范围以及响应与恢复时间[58]、[59]。神经形态器件还需要评估电导或电阻动态范围、保持与衰减、多电平状态、耐久性，以及增强和抑制的线性度和对称性[37]。EPSC、PPF、STP和LTP捕获了历史依赖性，但它们的任务价值取决于状态可区分性、稳定性和可重复性。相关时间尺度也必须与预期的视觉功能相匹配[50]。器件指标必须连同其测试条件一起报告。入射波长、光功率密度、脉冲宽度、施加偏压和器件面积都会影响响应幅度和状态演变。因此，在没有考虑这些条件的情况下比较孤立的极值可能导致不适当的性能评估[42]。能量分析必须区分入射光功率密度与电功率和每次操作的能耗。光功率密度描述单位面积上的入射强度，并不等同于器件消耗的能耗。每次操作的电能耗通常由电压、电流和脉冲持续时间决定[58]、[60]。对于光驱动或光电耦合系统，还必须指定计量边界。应明确估算是否仅包括器件，还是也包括光源、读出电路和外围控制模块。保持时间和响应速度同样应针对目标任务的时间尺度进行评估。静态图像存储和非易失性权重映射优先考虑稳定的保持、多电平状态分离和重复读出。动态视觉和时间信息处理则更依赖于衰减常数、输入间隔依赖性和短期响应的可重复性[12]、[61]。因此，更长的保持时间或更快的响应并不一定能带来更好的任务性能，其适应性取决于器件动态与任务特定时间窗口的匹配。阵列级评估解决器件特性能否在多个像素或突触单元中重现并集成到实用架构中的问题。器件间变化、周期间变化、串扰、窃取电流和外围电路要求都会影响阵列输出[27]、[55]。两端交叉阵列提供高集成密度，但容易受到非预期电流路径和耦合写入-读出操作的影响。具有独立控制端口的架构为状态调制和读出提供了更大的自由度，但代价是更大的单元面积和更复杂的布线。因此，阵列规模应与状态均匀性、读出策略和外围电路要求一起解读，而不是作为系统成熟度的独立衡量标准。阵列级报告在可能的情况下应区分器件间变化与周期间波动。有效像素良率、整个阵列的响应分布以及任务操作期间的状态漂移也应进行报告。任务级评估确定器件或阵列特性是否直接参与视觉信息处理。图像记忆和预处理、自适应感知、动态视觉、多维信息识别和神经网络计算对应不同的输出，包括图像保持或增强、适应与恢复、运动或序列识别、光通道区分和分类准确率[11]、[32]、[52]。对这些结果的解读必须说明实验测量的器件状态如何进入图像编码、阵列操作或算法工作流。基于测量器件参数的软件映射可以估计潜在的任务价值，但它与物理阵列的端到端运行仍然不同。完整的硬件系统还受器件变化、互连、读出和外围电路的制约[57]。在不同研究中，硬件验证级别也必须加以区分。在此，所报告的结果被分类为单器件功能演示、基于测量参数的软件映射、虚拟阵列、物理阵列、硬件在环测试或端到端硬件系统。单器件实验和软件映射主要评估器件状态的潜在任务效用。物理阵列和更高层级的系统演示逐步引入来自器件变化、互连、读出、外围电路和实时数据流的实际约束。因此，相似的分对准确率可以代表截然不同的硬件实现水平和系统意义。为将器件特性映射到视觉任务，表2总结了具有代表性的氧化物基光电突触器件。该比较涵盖器件结构、氧化物的功能角色、输入和工作条件、关键器件指标、状态动态与保持，以及阵列级或任务级验证。所报告的条件在波长、光功率密度、偏压、脉冲宽度、器件面积、能量计量边界和验证方法上有所不同。因此，表中的数据应用于分析器件功能和任务适用性，而不是在脱离原始实验条件的情况下独立地对绝对性能进行排名。总体而言，氧化物基神经形态视觉器件应通过器件状态、阵列行为和任务输出进行评估。基本光电参数描述了光学转换和探测的效率。保持和衰减动态定义了可用的时间窗口，而多电平状态和电导更新特性决定了信息编码和权重调制。器件变化、串扰和外围电路兼容性限制了阵列缩放和系统稳定性。任务性能产生于器件特性、阵列实现和算法映射的综合效果，无法从单一器件指标或峰值推断。不存在独立于目标任务和测试条件的通用最优指标组合。评估应围绕预期的视觉功能、状态动态和硬件实现级别进行组织。氧化物基神经形态视觉器件中的光响应涉及光载流子产生与分离、缺陷和界面态陷阱捕获、载流子释放以及界面势垒重构[46]、[48]、[81]。传统光电探测器通常以瞬态光电流、响应速度和探测灵敏度为特征。神经形态视觉器件还要求光学刺激建立可调的内部状态，这些状态可以保持或允许衰减。因此，电子结构和缺陷化学既决定了光载流子产生效率，也决定了器件输出的寿命、弛豫动态和历史依赖性。能带和光谱工程通过调节带边位置、跃迁能量、带偏移和内建电场来控制响应窗口以及光载流子的初始分离和输运。缺陷、陷阱和氧空位控制光载流子的捕获、保持和释放。界面、光电掺杂和异质结构通过电荷转移、内建电场和势垒重构将瞬态光学输入转化为持续性电导或电阻状态。这些机制通常是耦合的，共同决定光谱选择性、状态衰减、可塑性与目标任务的兼容性。宽带隙氧化物通常表现出较弱的本征可见光吸收，但可见光透明性、深紫外透明性和深紫外光响应描述的是不同的特性[16]。ITO、IGZO和ZnO等常见氧化物的带隙通常在3 eV附近，因此可以透过大部分可见光谱。然而，在吸收边缘附近或之上，近紫外或紫外带间吸收仍然是可能的。透明导电氧化物的长波光学窗口还受到自由载流子等离子体响应的限制。增加载流子浓度会降低电阻，但可能会增强长波反射和吸收。因此，透明导体必须在带间吸收、自由载流子响应和电导率之间取得平衡。SrNbO?说明了电子结构调控如何扩展紫外透明窗口。其Nb 4d导带与低能量价带广泛分离，将主要的带间吸收边缘移向更高的光子能量。载流子有效质量的再正则化也将自由载流子反射限制在较低能量，将金属导电性与可见光至紫外光的透过相结合。如图2a和2b所示，SrNbO?在260至320 nm之间表现出高透明导体品质因子。它在280 nm处保留了超过80%的透过率，同时电导率约为2 × 10? S cm?1[82]。

该材料主要适用于作为紫外光输入窗口中的透明电极使用。类脑操作仍需要与光敏层或状态存储机制进行耦合。因此，不应将紫外透明导电性直接等同于紫外光存储功能。可见光类脑感知通常需要超出宽带隙氧化物固有带间吸收的机制。Cao等人将GeO?包覆的MXene纳米片引入溶液法制备的ZTO沟道中，构建了光电突触晶体管[83]。如图2c所示，GeO?中与氧空位相关的态提供了带隙内的光激发路径。光照还会降低MXene/GeO?和GeO?/ZTO界面处的载流子输运势垒。光照后，界面势阱抑制了电子的反向转移和复合，从而维持沟道电导。在反复的红色、绿色和蓝色光脉冲下，突触后电流逐渐累积然后缓慢衰减。响应在蓝光下最强，其次是绿光和红光，如图2d所示[83]。带隙缺陷态和异质界面输运因此将宽带隙氧化物的有效响应扩展至RGB区域。它们还将不同的光刺激转化为可区分的电导状态。由于三种光源的功率密度不同，响应幅度还取决于入射功率和缺陷占据率。因此，色彩选择性需要在光功率归一化并考虑阵列级均匀性的条件下进一步评估。

宽带隙氧化物与窄带隙光活性材料之间的带隙互补性可以进一步将响应扩展至近红外区域。Guo等人构建了具有不同光学和输运功能的Pd/ZnO/SnSe/ITO异质结[67]。宽带隙ZnO参与界面输运和缺陷介导的状态调节。窄带隙SnSe提供从可见光到近红外的宽带吸收，同时具有热电器件响应。如图2e所示，该器件在405至1550 nm范围内表现出波长依赖性的双极性输出。405–980 nm光照产生负电流变化，而1342–1550 nm光照则反转输出极性。极性对比可以减少不同光谱范围所分配的电信号之间的重叠，与仅依靠幅度区分的方案相比具有优势。图2f将该极性反转归因于异质结内多种光诱导过程之间的竞争。在405 nm光照下，界面光伏过程和ZnO相关的热电响应共同主导了负光响应。在1550 nm时，带间光载流子贡献减弱，SnSe的光生热电效应成为主导，从而反转了输出极性。这一机制提高了单个器件的光谱编码维度，但也增加了其对入射功率、环境温度和偏置条件的敏感性。因此，极性反转点和输出稳定性需要在阵列层面进行验证。

实现近红外感知的另一种途径是将长波光子转换为宽带隙氧化物沟道可吸收的能量。An等人将NaYYF?:Yb/Tm上转换纳米颗粒嵌入两个IGZO活性层之间。上转换纳米颗粒层通过产生处于IGZO吸收范围内的较高能量发射，实现了808 nm和940 nm光照下的上转换辅助光响应。所得的IGZO/UCNP/IGZO突触晶体管表现出持续电导响应，并与IGZO开关晶体管集成为物理12 × 12光学突触阵列。该阵列实验性地展示了可寻址像素的近红外模式编码以及学习–遗忘–再学习行为，同时测量的器件响应还用于低光图像增强和基于软件的识别。该策略在不要求氧化物沟道具有固有近红外吸收的前提下，扩展了氧化物类脑器件的有效光谱范围[84]。

多光谱器件设计同时受到透射率、电导率和暗电流的约束。增加透明导电氧化物中的载流子浓度可以降低电阻，但会增强自由载流子等离子体响应。这一变化可能降低近红外透射率，甚至影响可见光窗口的长波边缘。宽带隙氧化物适合用于透明传感前端、低暗电流检测以及可见光盲的紫外传感。超出宽带隙氧化物固有吸收范围的可见光和近红外响应通常需要带隙缺陷态、窄带隙光活性层、异质结辅助载流子分离或光谱转换组件[16]，[84]。

因此，带工程和光谱工程的目的是平衡光吸收、载流子输运和状态动力学，而不仅仅是拓宽光谱覆盖范围。波长依赖性的幅度或极性支持颜色识别和多波段感知。透明前端和低暗电流有利于紫外选择性和弱光检测。然而，带隙缺陷态、窄带隙层和耦合的多物理效应可能增加暗电流、噪声、恢复迟滞以及对工作条件的依赖性[16]，[67]。因此，应在指定的光功率、偏置和读出条件下评估光谱可分辨性、输出稳定性和状态弛豫。这些特性必须与目标视觉任务所需的工作波段和时间窗口相匹配。

载流子捕获与释放为氧化物基光电突触中的存储和可塑性提供了主要的物理基础。光生载流子可被杂质、晶格缺陷、表面态、界面态以及与氧空位相关的能级所捕获。这种载流子捕获延迟了电子–空穴复合，延长了光诱导状态的寿命。光照后，载流子的逐渐释放产生缓慢衰减的光电流，并建立短期可塑性、长期可塑性或更持久的电导状态[20]，[25]，[46]。持续光导电性通常表现为传统光探测器中的恢复迟滞。在类脑视觉器件中，它可以提供历史依赖性、时间积分和短期信息缓冲。较慢的载流子释放延长了存储窗口，但过度或非均匀的弛豫可能导致状态重叠、基线漂移和像素间差异。

氧化物中的功能性缺陷不仅限于氧空位。空位、间隙原子、杂质、界面态以及载流子–晶格耦合的局域态都可以在带隙中引入电子能级。它们的形成能、电荷态和能级位置取决于化学计量比、局部配位、工艺、退火和电荷补偿[85]，[86]。浅缺陷容易通过热效应电离，并可以参与载流子输运。深缺陷或强局域态延长光生载流子的寿命，但可能增加非辐射复合、降低迁移率或引起恢复迟滞。在非晶IGZO中，靠近价带顶端的深带隙态已被归因于多种不同的结构或化学起源。所提出的起源包括氧空位、配位不足或异常配位的氧、缺乏氧桥的金属构型以及特定的氢杂质。沟道/栅极介质界面处的过量氧还可能增加界面电子陷阱密度，加剧阈值电压漂移[87]，[88]，[89]，[90]，[91]。因此，必须通过能级、电荷态、空间分布和捕获–释放动力学来评估缺陷功能，而非仅凭名义浓度。

缺陷的空间位置决定了载流子恢复所涉及的弛豫时间尺度。Jiang等人开发了一种垂直Pt/ZnO/Pt光突触，其中ZnO提供紫外吸收和缺陷介导的状态调节（图3a–c）。365 nm光照后，光电流表现出明显的快速和慢速衰减区域。双指数拟合得到约0.68 s和259.78 s的时间常数。O 1s光谱包含与晶格氧、缺氧区域和表面化学吸附氧相关的组分[92]。因此，该器件中的持续光导电性可能涉及快速载流子复合、体相氧空位捕获以及表面氧的吸附或脱附。宏观响应无法可靠地归因于单一缺陷中心。

双指数拟合仅能区分快速和慢速弛豫组分。X射线光电子能谱证实了不同氧相关组分的共存，但无法将特定峰映射到特定的时间常数。同一宏观持续光导电曲线可能包含具有不同空间起源和捕获截面的动力学路径。表面过程可以延长时间积分窗口，但也增加了对温度、湿度和封装的敏感性。

并非每种氧化物体系中的持续光响应都必然起源于氧空位。在β-Ga?O?中，氧空位通常是深施主，不太可能主导非故意的n型导电性。诸如Si和H等杂质是更合理的浅施主[93]。大的空穴有效质量和局域晶格畸变反而会促进自陷空穴[94]。如图3d和3e所示，光生空穴克服约0.10 eV的势垒进入自陷态。它们从局域态释放需要更大的势垒，约0.64 eV。原子轰击和增大溅射功率引起的局域畸变可以在不显著改变氧空位相关组分的情况下提高自陷空穴浓度。非对称的捕获和脱陷势垒降低了空穴迁移率，延迟了电子–空穴复合，从而产生并增强了持续光导电性。

因此，持续光响应可以在不增加氧空位浓度的情况下由载流子–晶格耦合产生。局域结构调节为持续光导电性控制提供了一条替代路线，而非简单地增加化学缺陷密度。然而，过度的载流子局域化会降低有效迁移率并延长恢复时间。自陷态可以支持时间积分和短期缓冲，但可能限制高速连续成像过程中的状态更新。

当氧空位参与持续光导电性时，保持能力取决于其电荷态、局部构型和恢复势垒，而非仅取决于其丰度。Yu等人将氧空位描述为在电中性α型和电离亚稳态β型构型之间切换的动态缺陷中心。如图3f所示，光激发将氧空位相关的电子推入导带，并引起缺陷周围的局域晶格弛豫。光照后，恢复到电中性态需要跨越结构势垒并重新捕获导带电子。因此，复合被延迟，使持续光导电状态得以发展[34]。该模型将光存储直接与局域缺陷构型的变化联系起来。因此，相同的名义氧空位浓度可以在不同的局域结构环境中产生不同的保持时间。

局域氧环境和异质界面可以进一步调节构型弛豫。裸IGZO、SnO?/IGZO和PEDOT:PSS/SnO?/IGZO器件在相同的光学刺激下表现出不同的电流累积和光照后衰减（图3g和3h）。SnO?从IGZO中提取弱束缚氧，改变了氧空位周围的局域晶格环境。在450 nm光照下，主导弛豫的激活能从裸IGZO的约0.84 eV增加到SnO?/IGZO的约0.90 eV。引入PEDOT:PSS后，激活能进一步提高到约0.92 eV。光电流和光激发缺陷态密度均增加[34]。因此，通过改变弛豫势垒来调节局域结构可以调控持续光导电性的时间尺度。增强的持续光导电性还可能反映了载流子分离和光激发态密度的同时变化。

材料组成和外加电场为缺陷介导的动力学提供了额外的控制手段。具有相似带隙和氧缺陷特征的非晶氧化物仍可能表现出不同的光电流、弛豫时间和长期可塑性。IGZO中的栅极偏压和Ga/In比会进一步改变载流子浓度、缺陷形成和中和过程[95]，[96]。缺陷态也可以在浮动栅中进行空间隔离，或与独立的态变量（如铁电极化）耦合。这种分离使得可见光响应、短期动态处理和长期权重存储可以被分配给不同的机制[97]，[98]。

总体而言，缺陷、陷阱和氧空位为编码光学历史、时间积分、短期可塑性到长期可塑性的转变以及多态电平调节提供了物理基础。它们的功能优势与失效模式往往源于相同的捕获–释放过程。浅陷阱促进快速恢复，但可能无法维持稳定状态。深陷阱或强局域态延长保持时间，但可能导致恢复迟滞、阈值漂移、噪声增加和复位困难。过多的或缺陷密度空间不均匀还可能降低迁移率并放大器件间差异[16]，[85]。因此，缺陷工程应控制缺陷种类、能量深度、空间位置、捕获截面和弛豫时间，而非最大化缺陷含量或持续光导电持续时间。在指定的光功率、偏压、环境和读出条件下，保持时间必须与目标任务的时间尺度相匹配。

界面电荷转移、载流子捕获和势垒调制可以将瞬时光生载流子转化为持久的电学状态。在半导体/介质、氧化物/电极和氧化物/氧化物界面处，功函数差异、缺陷、极性基团和电双层重构了局域电场和势垒。这些因素调节光生载流子的分离和保持，同时调制沟道费米能级、接触势垒和电阻态[21]，[46]。强的内建电场和界面捕获有利于电荷分离和保持，但可能抑制反向转移并增加复位难度。因此，界面设计应建立可调节、可读和可逆的状态，而非最大化电荷转移或保持。

光电掺杂是一种光诱导过程，其中界面电荷转移和长寿命捕获持续改变相邻材料的费米能级或载流子浓度[99]。Ho等人利用超薄富氧空位的TiO?层实现了对石墨烯沟道的持续光电掺杂。如图4a–c所示，光激发电子从TiO?转移到石墨烯，而氧空位相关的陷阱将空穴保留在TiO?中。由此产生的空间电荷势垒抑制了电子的反向转移，在光照结束后维持沟道电流的变化。增加紫外剂量可逐步将石墨烯的电荷中性点向更负的栅极电压方向移动。因此，光电掺杂可以通过光强和曝光时间进行连续调节[100]。

空间分离的调制方式避免了在输运沟道中直接引入固定掺杂剂。

在光诱导载流子密度低于约8 × 1012 cm?2时，电子和空穴的迁移率均基本保持不变；在更高的电子密度下，增强的小范围散射降低了石墨烯沟道中的载流子迁移率。在其他条件基本可比的情况下，增加TiO?厚度会提高饱和光掺杂水平[100]。氧化物缺陷储库、界面带对齐和光剂量共同决定了光掺杂的幅度。在高载流子浓度下，强光掺杂仍受到沟道传输性能恶化的制约。由于所报告的测量主要在真空条件下进行，暗态恢复、环境稳定性和循环可逆性仍需在实际器件和阵列中进行评估。

人工中间层还可以通过引入局域陷阱和释放势垒来调节持续光电导的时间尺度。在ITO/ZnO???/AlO?/Al器件中，Al从ZnO中提取氧并形成非化学计量的AlO?中间层，位于电极附近。内建电场将光生空穴驱向ZnO???/AlO?界面，空穴在那里被捕获。光照结束后，热激发的空穴必须跨越界面势垒才能返回，从而延迟了载流子复合（图4d）。含AlO?的器件表现出比ITO/ZnO/Pt对照器件更强且衰减更慢的PPC（图4e）。因此，其长寿命状态主要由人工界面陷阱及其释放势垒调控，而不仅仅取决于体相ZnO缺陷[101]。

人工中间层在确定的空间位置上局域化陷阱，并调控载流子传输路径和保持状态，同时不增加整体沟道缺陷密度。然而，过深或不均匀分布的陷阱仍可能导致恢复滞后、残余状态积累和器件间差异。界面陷阱功能不应仅从PPC幅度来评估，还需要对照结构、衰减速率、复位条件和循环稳定性等方面的数据。

氧化物/氧化物异质结可以进一步将界面电荷转化为可读的势垒和电阻状态变化。Zhou等人开发了一种TiN/CeO?/ZnO/ITO光电忆阻器，对405 nm光照有响应。CeO?与ZnO之间的接触建立了带弯曲和内建电场。光生电子和空穴分别向异质结的两侧分离，并在界面附近被捕获，从而改变了CeO?/ZnO势垒。光照结束后，部分电荷的保留维持了修改后的势垒和低阻态。反向电场释放被捕获的电荷并恢复初始状态，如图4f所示。重复的光脉冲使电流逐步增加，且在光照后仍保持显著的电导变化[102]。这种可见光记忆行为耦合了光吸收、异质结辅助分离、界面捕获和势垒调制。这些耦合机制还增加了对接触质量、界面化学和偏压历史的敏感性。

最近，Li等人构建了GTO/Al/HfO?级联异质结光电突触器件，其中GTO指Sn掺杂的Ga?O?。在II型GTO/HfO?界面处的内建电场促进了光生电子-空穴分离，而Al/HfO?空穴肖特基势垒抑制了电极对空穴的收集，并促进空穴被HfO?中氧缺陷态捕获。这种耦合的分离-捕获路径实现了至少4096个电导状态以及高度线性的光增强和电抑制（R2分别为0.995和0.992）。器件响应支持了光电逻辑运算，而测得的电导更新被用于模拟指纹分类[103]。

界面工程在状态调控方面比单一体相缺陷机制提供了更多的自由度，包括对载流子分离、陷阱占据、电导状态密度和更新线性的控制。然而，性能仍然取决于载流子分离、保持和可逆复位的平衡。强内建电场和深界面陷阱可增加光掺杂幅度和保持时间，但可能导致恢复滞后、接触漂移和更高的复位能量。较弱的捕获支持快速更新，但可能降低状态分辨率和记忆持续时间。界面态分布、工艺残留和环境吸附还可能进一步放大器件间和像素间差异。因此，评估应包含电荷转移效率、调制幅度、保持和复位时间、循环可逆性、环境稳定性和阵列均匀性[85], [104]。界面电荷动力学最终必须与目标视觉任务的时间窗口和读出策略相匹配。

器件架构决定了光输入、电导调制、状态保持和电流读出之间的耦合关系。基于电极配置，基于氧化物的神经形态视觉器件大致分为双端光电忆阻器和三端光电突触晶体管。双端器件通常采用紧凑的垂直堆叠结构，具有较小的单元面积，有利于高密度阵列集成。三端器件引入了独立的栅极，允许对光刺激、电调制和沟道传输进行相对解耦的控制[25], [48], [81]。

三端器件中的状态调控还取决于栅极架构。浮栅器件通过存储电荷调制沟道电导[105], [106], [107]，而铁电栅器件通过可逆极化重新分配沟道载流子[108], [109], [110]。电解质栅或离子栅器件则利用离子迁移、双电层形成或电化学掺杂来产生强栅控效应和时间依赖性响应[111]。以下各节将从状态更新、动态调控和视觉任务实现等方面比较这些架构。

双端光电忆阻器通常由上电极和下电极以及夹层的光电功能层组成。光学写入、电阻状态调制和电流读出共用同一条垂直传输路径。这种配置减小了单元面积，支持致密阵列，但电极活性、层堆叠和界面位置共同决定了光电载流子传输和状态演化。因此，性能取决于光输入如何转化为可保持、可区分且可重复读取的电导状态[112], [113], [114]。

Wang等人构建了一种ITO/ZnO/Ag光电忆阻器，并将器件集成到物理5 × 5阵列中。如图5a所示，该器件包含ITO底电极、ZnO光电层和Ag顶电极。在暗态下，正向和反向电压扫描分别诱导从高阻态到低阻态的双极性开关以及随后的复位。空间图案化的光照在阵列中产生了字母"Z"的电流分布，实现了光学图案感知和阵列内的状态存储（图5b）。

在光照下，ZnO中产生的光电载流子促进Ag?从顶电极迁移并促进导电细丝的形成，如图5c所示。相同的物理阵列还执行了AND和OR逻辑运算。测得的诱导突触增强和电诱导抑制被映射到三层人工神经网络的权重中，经软件训练后获得了86.7%的人脸识别准确率。图案感知和逻辑运算在阵列中得到了实验实现，而识别准确率来源于使用测得的LTP/LTD特性进行网络模拟的结果[115]。活性Ag电极因此在一个紧凑的单元内集成了光学传感、非挥发性电导调制和阵列级逻辑功能。然而，由于状态更新依赖于Ag?的随机迁移以及细丝的形成或断裂，循环间和器件间的变化仍然是一个关注点。限制主导细丝形成区域是获得更稳定开关特性的一条途径。更广泛地，准二维细丝限制已被证明可以改善电驱动忆阻器中的开关均匀性和模拟状态控制，为细丝型光电单元提供了可迁移的导电路径控制策略[116]。

Kumar等人开发了一种ITO/TaO?/ZTO/ITO双层器件，使用ZTO作为主要开关层，TaO?用于界面调控。如图5d所示，SET过程中形成的高导电ZTO区域起到虚拟电极的作用。因此，导电细丝的形成和断裂被限制在TaO?/ZTO界面附近，该处氧空位浓度相对较低。与在整个功能层中的随机细丝演化相比，这种界面限制有利于稳定的可重复电阻开关。

该器件还表现出清晰分辨的、依赖于光强的多级电阻状态。在405 nm光照下，将光功率密度从5增加到10和15 mW cm?2，依次驱动电流趋向HRS1、HRS2和HRS3（图5e）。光强因此被直接编码为一组离散的电导状态。如图5f所示，可重复的电SET和光RESET操作在1500个循环中得以维持[117]。TaO?中间层不是简单地增加层厚度，而是利用不同的缺陷分布将主导电阻变化局域在确定的界面上。这种架构改善了循环稳定性，并实现了强度相关的多级存储，而无需增加额外的电极。然而，双向更新仍然需要两种外部输入模态，因为SET和RESET分别由电学和光学驱动。

Yang等人报告了一种Au/ZnO/Pt忆阻器，采用了不同的状态控制策略。电学擦除是不必要的，因为双向电导调制仅通过改变光照波长即可实现。如图5g所示，50个连续的530 nm脉冲逐步增加电导，而随后50个650 nm脉冲则持续降低电导。这些过程对应于光学SET和光学RESET，实现了通过波长选择性刺激直接、连续和可逆的电导编程。

在530 nm光照下，中性氧空位被电离，增强了ZnO中的带弯曲并增加了电子隧穿电导。在高电导状态下，650 nm光照通过内光电发射或光辅助隧穿促进电子从金属电极注入。注入的电子中和了带正电的氧空位，从而削弱了带弯曲并降低了电导，如图5h所示。顺序电容-频率测量进一步支持了这一机制：530 nm照射后电容增加，随后650 nm光照后电容减小。因此，可逆响应与氧空位电荷状态和耗尽区构型的变化有关。通过将氧空位电荷状态和界面带弯曲作为状态变量，该器件避免了细丝的反复形成和断裂。完全光学增强的增强和抑制为光可编程权重和光学驱动逻辑提供了一条途径[118]。然而，将该策略扩展到交叉阵列需要单元级别的局部光照和波长选择性寻址。因此，对选定单元的精确光学耦合将直接影响阵列集成和并行操作。

总体而言，双端光电忆阻器在小器件面积内集成了光学图案感知、多级存储和双向电导更新。其紧凑的配置因此为高密度神经形态阵列集成提供了明显的潜力。然而，光学写入、状态调制和电流读出共享同一条路径，限制了操作的独立性和状态控制灵活性。非线性更新、循环波动、器件差异、串扰、盗电流和光学寻址可能进一步损害大阵列的稳定性。因此，当前的双端器件最适合与局部光学记忆、静态图像存储、像素级预处理和原位逻辑相匹配。需要独立控制光增益、状态衰减、编程条件和沟道读出的任务则更适合三端光电突触晶体管[112], [113]。

三端光电突触晶体管包含源极、漏极、独立栅极和光敏沟道。光刺激作用于沟道、异质界面或电荷存储层，而栅极调控载流子分布、阈值电压和状态弛豫。与共享一条传输路径的双端器件相比，三端架构部分解耦了光输入、电编程和沟道读出。这种分离拓宽了初始电导、光响应幅度和状态时间尺度的可达范围[48], [105], [111]。

独立栅极控制促进了多级电导编程、可调保持和时间依赖性响应。这些能力是以更大的单元面积、额外的栅极互连和更复杂的周边电路为代价的。因此，三端器件最适合需要独立编程、状态重构或精确动态控制的视觉处理。以下讨论重点关注浮栅、铁电栅和电解质/离子栅的代表性架构[8], [48]。

浮栅光电突触晶体管在控制栅和沟道之间包含一个电绝缘的电荷存储层。光刺激或栅极电场在浮栅、介电层和沟道之间转移载流子。刺激后，净存储电荷通过静电耦合持续偏移阈值电压和沟道电导。光敏沟道或浮栅执行光电转换；浮栅保持状态；沟道提供电流读出。这种功能分离支持非挥发性光学记忆、多级阈值调制和长期权重保持[106], [107]。

Miao等人报告了一种结合CeO?浮栅和IGZO沟道的光电突触晶体管。如图6a所示，该器件集成了IGZO沟道、Al?O?隧穿层、CeO?浮栅和ZrO?栅介质。IGZO主要在紫外波段响应，而CeO?中混合的Ce(III)/Ce(IV)价态和氧空位相关的带隙内态实现了可见光吸收。因此，CeO?层将532 nm光转化为可保持和可擦除的沟道状态，同时存储电荷[97]。图6b说明了该器件中的光学编程和电学擦除过程。光照电离了CeO?中的中性氧空位，而栅极电场辅助电子跨越Al?O?转移到IGZO沟道中。光照停止后，Al?O?势垒抑制了沟道电子与带正电空位之间的快速复合，从而延长了电导保持时间。正栅脉冲将电子返回CeO?浮栅并中和空位，恢复低电导状态。

连续的光学和电脉冲分别产生阶梯式的长期增强和抑制，如图6c所示。缺陷辅助吸收、隧穿势垒控制和浮栅保持因此建立了一个光学写入、状态存储和电学擦除的序列。

所测量的电导更新也被映射到软件训练的神经网络中进行图像识别，而不是通过端到端的物理晶体管阵列识别来展示 [97]。

浮栅材料和空间构型可以进一步扩展波长选择性和阈值窗口编码。Pei 等人设计了具有不同带隙、空间位置和隧穿距离的阶梯状钙钛矿量子点浮栅。如图 6d 所示，CsPbBr? 和 CsPbCl?Br 量子点浮栅位于 a-IGZO 沟道下方，介于 Al?O? 阻挡层和隧穿层之间。它们不同的吸收范围和隧穿距离使得电荷注入同时取决于入射波长和栅脉冲幅度 [119]。单层 CsPbBr? 器件在其吸收边缘波长更短的照射下表现出相似的阈值移动（图 6e）。在阶梯结构中，530 nm 附近的照射主要激活 CsPbBr?，而更短的波长还会激发 CsPbCl?Br 浮栅。进一步增加栅脉冲幅度允许光电载流子穿过更厚的隧穿层。因此，结合波长与栅幅度可以选择性激活不同的存储区域，并产生分级阈值电压移动，如图 6f 所示 [119]。

由于其电荷存储层是非氧化物钙钛矿量子点，该器件是氧化物沟道混合器件，而非全氧化物浮栅晶体管。a-IGZO 沟道提供传输和电流读出，而 Al?O? 控制电荷注入和保持。因此，阶梯存储架构扩展了光谱选择、多级存储和光电逻辑功能。总体而言，浮栅器件使用隔离电荷作为长期状态变量，实现了非易失性光存储和多级阈值调制。它们的性能共同受限于隧穿势垒、电荷保持和介电可靠性。降低隧穿势垒减少了编程电压，但可能加速电荷泄漏，而更强的电荷隔离通常会降低编程效率。因此，必须平衡工作电压、编程速度、保持特性和循环耐久性 [106], [107]。

铁电栅光电突触晶体管通过保持的极化状态调节沟道载流子分布。与基于电荷注入的浮栅存储不同，这些器件通过极化取向、部分畴切换和多畴构型来编码状态。去除施加电压后，剩余极化通过界面静电耦合维持沟道积累或耗尽。这种效应产生非易失性阈值电压移动和多级电导状态。铁电极化还可以改变感光氧化物沟道中的载流子分布和复合，使光响应和弛豫动态取决于栅状态 [108], [109]。

Liu 等人构建了一个具有 IGZO 感光沟道的 HZO 铁电栅晶体管。如图 7a 所示，光作用于 IGZO，HZO 底栅对沟道进行编程，源漏电流提供输出。将 IGZO 感光性与可编程 HZO 极化相结合，使得光电流和照射后保持特性取决于栅状态 [110]。转移滞后随栅电压范围和读出时机而变化。在短栅脉冲和立即读出的条件下，顺时针滞后主要源于 IGZO/HZO 界面和介电层内的电子捕获和脱捕获。当栅电压超过 HZO 矫顽电压且读出延迟时，逆时针滞后主要由铁电极化切换主导。因此，栅脉冲幅度、持续时间和读出条件可以选择陷阱介导的易失性过程或极化介导的非易失性过程（图 7b 左）。照射电离 IGZO 中的中性氧空位，并将电子释放到沟道中。正栅偏压积累界面电子，增加与带正电空位的复合，加速光电流恢复。负栅偏压耗尽界面电子，抑制复合，并延长照射后电导保持（图 7b 右）。因此，铁电栅在保存非易失性状态的同时调节界面光电载流子复合动态。

Liu 等人进一步制造了一个物理 3 × 3 阵列以检查像素级重构。在相同的 K 形照射下，施加于选定单元上的负栅偏压将照射后电流图案从“K"转换为"X"（图 7c）。这一结果验证了空间光响应分布的独立栅重构。颜色分类、数字识别和交通场景决策任务进一步使用测量的光谱响应、电导可塑性和时间动态作为算法输入。这些演示结合了可调感知的物理阵列验证和基于测量器件特性的计算映射 [110]。

Lee 等人开发了一种 TiN/HZO/IGZO/Ta 背栅铁电薄膜晶体管，集成了电驱动的非易失性状态和光驱动的易失性动态。如图 7d 所示，电信号输入通过 HZO 畴切换调节沟道电导，而光直接在 IGZO 中产生时间依赖的光电流弛豫 [98]。HZO 极化切换产生了图 7e 所示的逆时针转移滞后。增加正编程停止电压会依次切换具有不同矫顽场的铁电畴，逐渐增强 HZO/IGZO 界面的电子积累。由此产生的转移曲线表现出扩展的存储窗口和多个可区分的电导状态（图 7f）。如图 7h 所示，四个编程状态在 10? 秒内保持稳定。在光刺激下，405 nm 光照电离 IGZO 中的氧空位并产生光电载流子。照射后，电子逐渐与带正电的空位复合，产生沟道电流的时间依赖衰减。改变光脉冲持续时间可调整初始光电流和照射后残余电流，产生可区分的短期动态状态（图 7g）。这种易失性过程由 IGZO 中的氧空位电离、复合和持久光电导主导，在物理上与 HZO 中极化介导的非易失性状态不同 [98]。

在混合储层计算框架中，光驱动的易失性状态代表储层动态，而铁电多级电导状态作为读出权重。图像分类是通过使用测量的器件状态进行软件训练完成的，构成了基于器件特性的硬件导向映射 [98]。因此，铁电栅控将基于剩余极化的多级存储与对光响应和弛豫的静电控制相结合。然而，阵列实现仍受到离散畴切换、非线性电导更新、极化疲劳和长期保持稳定性的限制 [108], [109]。

电解质栅光电突触晶体管通过移动离子、双电层形成或电化学掺杂来调节沟道电导。与常规固体介电质不同，电解质在电子上是绝缘的，但允许场驱动的离子迁移。离子在电解质/栅极和电解质/沟道界面的积累创造了高电容双电层，大幅降低了工作电压。当离子进入可渗透沟道时，电化学掺杂还可以额外诱发更持久的电导变化。因此，电解质栅控提供了强大的低压控制和离子介导的时间动态，而不仅仅是最大化状态保持 [8], [111]。

Jin 等人设计了一个丝网印刷离子凝胶/In?O? 侧栅晶体管阵列，以利用这些动态进行视觉适应。如图 8a 所示，在一个物理 5 × 5 阵列中，丝网印刷的离子凝胶将侧栅与 In?O? 沟道耦合。与常规正光电导不同，随着 365 nm 光功率密度的上升，沟道表现出越来越明显的负光电导 [120]。这种响应可以抑制强烈背景照明下的过度输出。图 8b 和 8e 展示了随光功率增加转移曲线的系统性移动以及阈值电压幅值的相应变化。因此，照射主要通过修改沟道开启条件来调节器件输出。这种行为源于光生空穴的重分布、场屏蔽以及离子凝胶/In?O? 界面的电荷捕获。如图 8d 所示，离子凝胶不仅提供高电容栅控，还提供依赖于光的沟道场和阈值状态调制。

因此，该阵列在光适应和暗适应条件下表现出不同的电脉冲响应，形成可区分的 X 形和 Y 形电流图案（图 8c）。其任务级价值在于调整不同背景光条件下阵列输出对比度和有效识别窗口，而不仅仅是最大化单器件响应度。因此，电解质/离子栅控可以充当视觉前端的自适应调节器 [120]。

Li 等人报道了一种 BaSnO? 电解质栅晶体管，利用离子介导的状态进行可重构的时间处理。如图 8f 所示，离子液体栅控 BaSnO? 沟道，该沟道对光和电刺激都有响应。在紫外照射下这种时间依赖的非线性衰减实现了器件级储层预处理。双电层形成、离子迁移以及离子插入或提取进一步调节易失性和非易失性状态之间的转换 [121]。在低剂量或短时照射下，器件表现出易失性衰减和短期记忆。增加光剂量会将此响应转换为更持久的非易失性存储，如图 8g 所示。电刺激通过增加栅脉冲幅度同样使沟道从易失性行为转变为非易失性行为（图 8h）。瞬态动态和持久存储之间的输入依赖切换为联合处理动态和静态信息提供了可重构的状态基础 [121]。

离子迁移和电化学过程提供了跨宽时间尺度的强大低压栅控和状态调节。同样的过程也可能减慢响应、引入显著滞后、增加环境敏感性并损害长期稳定性。因此，电解质/离子栅架构对于低压视觉适应和时间处理具有吸引力。高速、大规模和耐用阵列仍需改进封装、工艺兼容性以及离子介导状态转换的可重复性 [8], [111], [121]。

基于氧化物的神经形态视觉的架构选择必须考虑目标任务所需的保持特性、响应时间、控制独立性和阵列级集成。静态图像存储优先考虑非易失性保持、多级电导和高像素密度。视觉适应则需要随背景照明调整的阈值、响应增益和恢复动态。动态视觉和时间处理取决于响应速度、衰减时间常数以及短期状态之间的可区分性。神经网络和传感内计算的硬件实现还需要评估更新线性度、器件均匀性、读写能耗和阵列可扩展性 [25], [27], [81]。

两端光电忆阻器在紧凑的垂直单元中集成了光写入、电阻调制和电流读出，减少了像素面积并增加了阵列密度。它们的非易失性电阻状态和多级电导支持光学图案记录、静态图像存储、像素级预处理和低复杂度原位逻辑。然而，共享一条传输路径限制了光响应、状态更新和读出条件的独立调节。非线性更新、循环波动、器件变异、旁路电流和阵列串扰可能进一步降低大规模下的状态可控性和计算精度 [112], [113], [114]。

三端光电突触晶体管使用独立栅极来调节载流子分布、阈值电压和状态动态。这种架构部分分离了光输入、电编程和电流读出，每种栅策略强调不同的性能指标。浮栅器件使用隔离电荷进行非易失性保持、多级阈值窗口和波长选择性编程，有利于长期视觉记忆和非易失性权重存储 [106]。铁电栅器件将剩余极化和部分畴切换与栅控光响应相结合，支持可调感知、多级权重和易失性 - 非易失性状态耦合 [108], [109]。电解质/离子栅器件利用双电层、界面电荷重分布和电化学掺杂，实现跨宽时间尺度的低压控制。这些特性非常适合视觉适应、时间处理和储层计算 [48], [111]。

因此，器件架构选择应遵循所需的状态变量和运行时间尺度。两端器件优先考虑紧凑集成和直接状态存储，而三端器件提供更大的控制独立性。在三端平台中，浮栅、铁电栅和离子栅分别通过电荷保持、极化编程和离子动态建立可编程状态。实际设计必须平衡保持特性、更新线性度、阵列密度、寻址、外围电路和能耗约束。表 3 比较了这些架构的主要控制路径、指标优先级、代表性任务领域和主要局限 [8], [27], [48], [112]。

前述章节阐明了氧化物机制和器件架构如何决定光响应、状态保持和动态调节。本节考察这些器件状态如何转化为视觉任务的可验证能力。因此，评估超出了响应度、保持时间和类突触响应曲线的范畴。核心问题在于器件能否执行像素级预处理、光照适应、时间编码、多维感知和阵列级计算。讨论从静态图像存储开始，经过自适应和动态视觉，扩展到多维感知、传感内计算和算法 - 器件协同设计。

静态图像存储和预处理要求视觉前端将空间强度分布转换为可区分、可保持和可读出的电状态。对应不同曝光的像素状态还必须提供足够的灰度分辨率。然后，非线性电导更新、差异衰减或兴奋 - 抑制调节可以将目标特征与随机背景分离。因此，相关评估应包括保持特性、输出对比度、噪声衰减、有效读出窗口、阵列均匀性以及预处理的硬件实现水平 [19], [45]。

双向光电导调制提供了一种直接增强目标信号同时抑制背景状态的手段 [122]。一种 Au/Ag–TiO?/FTO 等离子体光电忆阻器在可见光下产生长时增强，在紫外照射下产生长时抑制。可见光诱导的非线性保持电导扩大了相邻灰度区域之间的输出差异。随后的紫外照射进一步降低了随机分布的背景像素中的残余电导。因此，图 9a 中的 8 × 8 像素映射实现了对比度增强和噪声降低 [123]。图 9b 比较了理想人脸图像、包含 10% 噪声的输入以及连续预处理操作后的输出。没有预处理时，网络在大约 400 个训练周期后达到 93% 的识别准确率。对比度增强将准确率提高到 96%，并将收敛时间缩短至大约 340 个周期。

引入紫外诱导抑制后，准确率进一步提升至98%，同时训练周期减少到约300个epoch。器件实测电导决定像素的增强与抑制，而图像映射与人工神经网络分类仍属软件操作。因此，双向光学调制既改善输入质量，又降低后端训练需求。不过，该演示并不构成在物理忆阻阵列中实现的端到端识别[123]。持续性光电导在依赖光强的弛豫过程中实现去噪，而无需额外的擦除刺激。竖直Pt/ZnO/Pt光电子突触及其8×8交叉阵列在不同光强下表现出不同的衰减特性：强光照产生更大的峰值电流与更长的弛豫时间，弱响应则快速回到暗态。通过延迟读出，可以保留高灰度目标像素并逐步消除低灰度背景像素[92]。如图9c所示，含噪声的数字图案在1、45、87、181、266和538 s时刻产生演化的电流图。随读出延迟增加，弱背景像素逐渐衰减，而数字轮廓仍保持可见。将这些图像送入64–32–10人工神经网络后，识别准确率从85.4%提升至92.1%（图9d）。与Ag–TiO?器件中的波长选择性背景抑制不同，ZnO阵列通过其内在弛豫动力学实现时间窗去噪。因此，其性能取决于衰减动力学的像素间均匀性以及对读出时间的精确控制[92]。氧空位梯度可在同质结中建立波长依赖的光电子态调控。Ag/WO?(OR)/WO?(OD)/ITO忆阻器在物理24×24交叉阵列中将富氧与缺氧的无定形WO?层组合在一起，其化学计量差异调节界面势垒与载流子输运。缺氧WO?中高浓度的氧空位在370 nm紫外光下发生光电离，产生显著的持续性光电导；相比之下，520 nm光照主要引起快速衰减的瞬态响应。波长依赖的保留特性与读电压调控从而在选定局部区域产生可区分的电导与灰度输出[124]。如图9e所示，阵列中4×4区域被配置为H形图案。紫外光照、可见光光照与黑暗像素对应不同电导水平。读电压从?0.01变到?0.05和?0.10 V时，局部灰度差异逐步增大。紫外编程区域的对比度从1.36增至18.02，超过?0.10 V下可见光区域的12.99。同一电流到灰度映射还被用于KDDCUP-99网络流量数据集的图像化预处理，基于370 nm响应的增强使软件卷积网络在五种流量状态下的平均检测准确率从89.66%提升至94.03%。物理阵列验证了局部图案的选择性增强，而大规模数据转换、训练与分类仍由软件完成。该平台因此通过空位梯度和波长选择性动力学建立前端特征增强，而非实现端到端的物理阵列入侵检测[124]。局部灰度增强亦可扩展至邻域依赖的空间特征调控。In?O?/Cs?AgBiBr?/IGZO三层异质结晶体管在混合光电子突触中集成了可见光吸收、通道调控与界面钝化：Cs?AgBiBr?提供光学吸收，IGZO调制通道电导，In?O?支持载流子输运、界面调控与表面钝化。光学与栅极刺激分别产生兴奋性与抑制性响应，在单一器件中模拟中心兴奋与周边抑制[125]。实测的光学增强与电学抑制被用于模拟Mach带、Hermann网格、局部对比度增强以及侧向抑制网络。经过多通道特征提取与邻域抑制后，局部边缘与色差差异更加明显（如图9f）。相应软件识别准确率从93%提升至97%。虽然吸收体是非氧化物钙钛矿，In?O?与IGZO仍承担主要的输运、界面控制与通道读出功能，因此该器件属于基于氧化物的混合视觉信息处理平台。当前侧向抑制演示依赖于单器件响应与软件网络的联合映射，硬件级的局部对比操作仍需要具有真正胞间空间耦合的物理阵列。在局部对比调控之外，Gao等人基于氧空位梯度AZO同质结开发了柔性Ag/OD-AZO/OR-AZO/ITO/PET光电子忆阻器，其中OD-AZO与OR-AZO分别表示缺氧与富氧AZO。该器件表现出宽谱UV–RGB响应与可调光电导，其物理20×20阵列能够编码并保留空间图案化的RGB信息，保留时间随曝光时间变化。实测电导态进一步映射到超分辨率神经网络，获得平均峰值信噪比25.01 dB与结构相似度指数0.709。物理阵列提供了光学感知、存储与可编程电导状态，而高分辨率重建则由电导映射的神经网络完成，并非完全在传感阵列内部实现[126]。在真实视觉环境中，背景亮度与入射光强持续变化。增益固定的感光器件在强光下会饱和，而在暗环境下却无法分辨弱信号。因此，自适应感知需要在宽光照范围内随背景调节灵敏度、阈值、增益与状态弛豫。图10a概念性展示了前端调控与脉冲编码如何从强光输入中恢复有效视觉信息。与固定光照下的增强和去噪不同，自适应优先在背景变化时维持输出对比度与信息分辨能力[11]、[127]。单一光强下的峰值光电流不足以表征自适应性能，关键指标还包括背景依赖灵敏度、阈值漂移、自适应与恢复时间、动态范围以及在持续刺激下的稳态输出。任务层面的解释还需进一步区分物理自适应状态、基于实测动力学的图像映射以及下游软件分类[11]、[127]。异质结中的载流子分离与界面陷阱可将连续光照转化为逐渐衰减的响应。自供电ITO/ZnO/WO?/W光电子忆阻器在350 nm、零偏压恒定光照下先产生快速上升的峰值电流，随后电流逐渐下降到一个较低、依赖于光照的稳态水平。ZnO/WO?异质结内的光伏载流子分离产生初始响应，而空间电荷区的电子陷阱控制其后的衰减。随着背景光照增强，对短暂闪光的灵敏度下降，呈现出近似符合Weber定律的背景依赖性。通常抑制响应的界面陷阱，由此被重新利用以调节有效感知阈值[128]。将ZnO/WO?器件与NbO?阈值开关及振荡电路耦合后，持续光照可被转化为随时间变化的脉冲序列。非自适应振荡器在强光下保持较高输出频率，而自适应神经元在达到峰值后放电频率逐渐下降，从而抑制持续光照下的饱和。图10b显示，随着自适应过程推进，飞机、汽车与船只等过曝图像中的轮廓和颜色信息逐渐重现。图10c中的混淆矩阵定量表征了这一改进：总体识别准确率从不自适应时的33%提升到1.7 s后的94%，在1.0 s时已有明显的类间分离。物理器件与振荡器完成光学感知与自适应脉冲编码，而图像映射、SNN训练与分类仍属软件部分[128]。环境光照还可以通过漂移晶体管阈值来调节后续输入。具有丝网印刷离子凝胶的侧栅In?O?光电晶体管在365 nm光照下表现出负光电导：光功率增加时传输曲线向正栅压方向移动，阈值电压幅值从黑暗中的约3.1 V降低至16.86 mW cm?2下的0.9 V。光照因此改变的是开启条件和电脉冲响应窗口，而非单纯提高通道电流[120]。电脉冲诱导的正电荷陷阱使通道电流逐步增强，而光照则削弱保留并抑制电流。二者竞争在亮、暗背景下建立不同的有效阈值窗口。如图10d和10e所示，物理5×5阵列中的X形与Y形图案随脉冲数增加逐渐进入可区分的区域。光照条件下，自适应更快达到其相应稳态。与以脉冲频率变化编码背景变化的ZnO/WO?–NbO?体系不同，离子凝胶栅In?O?阵列通过阈值调控直接映射环境依赖的图案。不过，当前演示仍局限于紫外光照和简化的字母图案[120]。可见光自适应通常需要一个额外组分以延伸光吸收。InP量子点修饰的InSnZnO（ITZO）光电晶体管将量子点的可见光吸收与ITZO中的载流子输运、栅极调控结合起来：光电子从InP量子点转移到ITZO，而空穴主要留在量子点区域；栅电场进一步调节通道中的载流子陷阱与释放。在正栅压下，源漏电流逐渐减小，对应亮背景下的抑制性自适应；在负栅压下电流逐渐增大，对应暗环境中的响应增强[129]。一个物理4×4阵列进一步验证了明适应与暗适应：在正栅压下的亮背景和负栅压下的暗背景中，低对比度的V形图案随时间逐渐显现（图10f）。由于可见光吸收主要由InP量子点提供，该器件属于量子点调控的氧化物通道混合器件。基于实测光学增强与电学抑制构建的人工神经网络在MNIST上达到约93%准确率，这一数值反映的是器件权重更新与软件网络的兼容性，区别于物理阵列本身的自适应演示[129]。IGZO内部的缺陷与陷阱动力学同样可在没有外部吸收层的情况下产生强度依赖的自适应。电纺IGZO纳米纤维网络光电晶体管在连续低强度光照下通道电流逐渐上升并趋于饱和；在较高强度下，响应达到峰值后显著衰减。强度从0.9增至7.5 mW cm?2时，峰值电流从约2.8 nA增至22.6 nA，同时达峰时间从180 s缩短至18 s，说明响应幅度和自适应时间尺度被同时调制[130]。图10g中的物理5×5阵列在暗背景下通过目标像素的逐渐增强显示出T形图案；在强光照与正栅压条件下，则通过目标与背景的差异性衰减恢复图案对比度。器件动力学进一步被映射到过曝图像的恢复，其中围栏、叶子和建筑轮廓随时间重新出现（图10h）。将这些图像送入三层人工神经网络后，识别准确率从5 s时的约10%提升至25 s时的95.8%（图10i）。物理阵列验证了简化图案的恢复，而复杂图像恢复与分类使用的是由器件动力学启发的软件映射[130]。IGZO纳米纤维平台在单一材料体系内连接了单器件响应、小型物理阵列与复杂图像映射；然而，秒至数百秒量级的自适应仍不适合实时视觉，自适应器件需要在保持足够动态范围的同时缩短自适应和恢复时间。当类似的时间动力学在相邻帧之间保留信息时，其功能角色便从背景增益调控扩展到动态视觉处理。静态图像处理主要利用像素之间的空间差异，而动态视觉需要在连续输入之间保留时间相关性。对于运动方向识别、轨迹编码与目标跟踪，输出应同时包含瞬时强度与先前刺激的残留信息。因此，合适的响应与衰减常数、短期记忆、脉冲间依赖关系以及可重复复位都是不可或缺的。过快衰减会丢失相邻帧之间的连续性，而过长保留则造成时间重叠，模糊位置与方向信息[24]、[32]。持续性光电导与界面陷阱可将时间上分离的光学刺激耦合为连续的状态变量。在ITO/ZTO/In?O?/Pt双层光电子忆阻器中，能带对齐促进了光电载流子在ZTO/In?O?异质界面附近的分离与保留。405 nm刺激后的光电流衰减随光强与曝光时间变化：弱或短的光照产生快速消失的短期电导状态，更强或更长时间的照射则增加残留电流并延迟恢复。器件输出因此同时包含当前光输入与近期光照历史的信息[65]。基于这些动力学，一个物理5×5阵列在不同光照条件下记录Z形图案。如图11a所示，正常光、强光和弱光分别产生不同的初始对比度和衰减轨迹。刺激后图案逐渐褪去，在阵列输出中共同编码光照条件与已经过时间。这种衰减状态充当有限持续时间的视觉缓冲器，而非单纯需要最大化保留的存储单元[65]。这种有限持续时间的视觉缓冲器进一步使阵列内部实现方向选择性运动编码成为可能：相邻位置遗留的残留响应为运动目标形成方向依赖的空间分布，而静止目标保留局部化状态（图11b）。将这些编码后的图送入784–100–5软件神经网络，经过30次训练epoch后方向识别准确率达95.8%，高于无时间记忆的传感输入所得到的71.6%。有限保留因此在前端完成多帧压缩，提升方向可分性，而最终分类仍由软件实现[65]。共存的正、负光响应可以将时间累积与背景抑制结合起来。

由ZnO/CsPbBr?异质结组成的10×10双向阵列在低光强下表现出负光电导，在高光强下表现出正光电导。这种转变源于CsPbBr?向ZnO的界面载流子转移与ZnO中氧空位电离或去电离之间的竞争[131]。对于含噪动态输入，弱背景像素进入负光电导区域，而强目标像素产生正光电导。在图11c中，五帧噪声图像被转换为光强序列。背景状态被抑制，而目标响应在连续写入过程中积累。由于早期帧尚未完全衰减，不同位置的目标状态被压缩到一张输出图中，实现了多帧时空融合[131]。图11d进一步展示了针对平移和旋转运动的轨迹编码。经过阵列处理后，模糊C均值聚类算法正确地对所有六种运动类别进行了分组。相比之下，未经处理的含噪轨迹仅产生五个有效聚类。与仅基于正持续光电导的方案相比，正负响应的协同作用改善了目标与背景的分离，尽管运动分类仍然依赖软件聚类。由于CsPbBr?提供主要的可见光吸收，该系统是一种氧化物/钙钛矿混合视觉阵列[131]。

可编程电导也可用作时间跟踪网络中的权重变量，而非通过阵列衰减直接记录轨迹。Ag/IGZO/WO???/ITO异质结突触利用界面氧空位迁移和势垒调制，获得相对线性的电导增强和衰减。LTP和LTD的线性相关系数分别达到0.99428和?0.90853。在紫外光激励下，电导还会随光强、脉冲频率和照射时间而变化[132]。实测的电导更新曲线被映射到时间显著性注意力网络中。图11e中的模型联合处理当前帧和前一帧，利用时间注意力增强与当前目标一致的特征。图11g中的连续帧显示，尽管存在波浪和背景变化，目标仍能持续定位。该演示评估了器件权重更新与时间跟踪算法之间的兼容性。视频采集、帧间关联和边界框预测仍为软件操作[132]。

在高噪声下保留轨迹进一步要求器件响应跨越多个时间尺度。通过β-Ga?O?中的局部晶格畸变调控自陷空穴，可获得0.34和6.43秒的快速和慢速衰减常数。该二端盲紫外突触中的延迟载流子复合将连续输入映射到多尺度时间状态上[94]。在一项巴士跟踪演示中，77帧分辨率为1280×720像素的视频被转换为灰度图像，并映射到252 nm紫外光强。图11f中的工作流程利用实测动力学构建了一个具有非易失性存储读取功能的虚拟1280×720 β-Ga?O?光突触阵列。与每次帧后重置的传统探测器不同，光突触对反复出现的目标进行响应积累。仿真系统在60%高斯噪声下保持100%的跟踪准确率，但在90%噪声下降至28.6%（图11h）。这些结果表明了器件动力学在虚拟视频尺度阵列中的抗干扰能力，而非物理百万像素阵列的性能[94]。

由相同器件组成的物理2×8阵列被进一步配置为动态储备池。它在UTD-MHAD数据集中的十类人体动作分类任务中达到了94.94%的准确率。与虚拟巴士跟踪相比，该系统纳入了物理动态节点和非易失性读取层，其角色因此从轨迹保留转变为通过非线性器件响应扩展时间特征空间。Yang等人进一步构建了一个仿生视觉系统，包含物理16×16 InAlZnO光电神经形态阵列、外围读取电路和FPGA控制器。氧空位梯度、Ag离子迁移和界面调制实现了电和光电导调控。在动态任务中，波长相关的 photocurrent 幅值和衰减曲线被用于编码物体的速度、方向和颜色。器件响应编码的轨迹图案经MobileNetV2网络分类为36种运动状态，报告测试准确率为100%。该系统将物理参与从动态节点扩展到阵列寻址和外围读取，尽管任务级分类仍由神经网络辅助而非完全在阵列内完成[133]。

动态视觉的目标不是无限保留，而是响应窗口、帧率和任务时间尺度之间的对齐。过快衰减无法连接相邻帧，而过慢衰减会增加状态重叠和复位负担。除时间信息外，波长、颜色和偏振可进一步提高视觉输入的可分离性[133]。传统光检测将光强映射为单一电流信号，而复杂场景还包含波长、颜色、偏振和跨通道相关性。多维感知要求在同一光场中对多个自由度产生可区分的输出。多模态感知还涉及光、电或其他刺激的联合状态调控。因此，评估除响应幅值外，还应涉及通道可分离性、编码范围、分辨率、串扰、状态保持以及多输入融合方式[134]、[135]、[136]。

Al/IGZO/ZrO?/Pt光晶体管将红、绿、蓝光信息转换为脉冲频率输出。在405、520或670 nm照射下，首先建立相应的漏电流状态。随后，服从高斯分布的随机栅压脉冲驱动输出围绕选定阈值波动。每当瞬时电流超过该阈值时，便产生一个输出脉冲；由此产生的脉冲频率编码了连续光强（图12a和12b）。栅压分布的标准差σ设定了可连续编码的强光范围。增大σ可拓宽动态范围，但降低局部强光分辨率，而减小σ则在较窄窗口内提高分辨率。均值μ将编码窗口平移以匹配输入图像的光强分布[137]。对于全彩处理，输入像素被分解为红、绿、蓝通道，分别映射为670、520和405 nm光强。独立的阈值和随机栅参数对三个通道进行编码，随后重新组合为图12c所示的彩色输出。为单个通道调整μ和σ可突出选定颜色或纠正输出色彩偏差。基于实测的光强到脉冲频率关系，对编码后的CIFAR-10图像进行软件SNN分类，准确率达到86%。单个IGZO晶体管实现了RGB光强感知和脉冲编码。然而，图像分解、逐像素映射、通道重建和分类仍为软件操作。因此，该演示尚不构成具有独立可寻址RGB像素的物理全彩阵列[137]。

波长相关的载流子动力学也可调控记忆幅度和保持。非晶Ga?O?中的缺陷能级使Pt/Ga?O?/Pt忆阻器对紫外光和455、530和660 nm可见波长产生响应。将波长从660 nm缩短至365 nm会激发更多缺陷相关载流子，产生更高的突触后电流和更强的持续光电导。在365 nm激励下PPF达到149.1%，在660 nm下为137.5%。因此，波长同时调制了瞬时响应和连续刺激之间的时间相关性[138]。以最大响应的70%作为学习-遗忘判据，660 nm刺激后的遗忘时间约为5秒，365 nm刺激后为39秒。图12d中的色块因此表现出波长依赖的学习、遗忘和再学习。器件参数进一步映射到CrossSim神经网络模型中，产生超过95%的MNIST识别准确率。由于输出随光子能量单调增加，其主要功能是波长调控的记忆动力学，而非不同颜色的独立光谱输出。图12d中的3×3色块图案同样是从单器件数据映射而来，而非由多色彩成像阵列测量[138]。

偏振提供了一种独立于光强和波长的信息维度。基于单斜β-Ga?O?面内各向异性的盲紫外突触在270 nm附近表现出显著的偏振依赖性。对于(100)取向晶体，线性二色比为3.6。采用Ti/Au互指电极的器件在不同偏振角下产生可区分的突触后电流。图12e和12f中的双叶极坐标图显示了偏振方向到电流幅值的直接转换。持续光电导进一步使状态依赖于光强、偏振角和刺激历史[139]。在一套10×10偏振视觉系统中，非偏振、0°偏振和90°偏振光产生不同的时间电流序列。这些序列分别编码线性、倾斜和旋转轨迹，如图12g所示。软件卷积网络分类在无噪声下准确率达到98.2%以上，而0°通道在90%高斯噪声下仍保持90.8%的准确率。因此，偏振敏感性提高了不同运动轨迹的可分离性。该阵列主要执行偏振信号采集和时间状态编码，轨迹分类仍为软件操作[139]。

光输入和电控制可通过不同路径更新共同的器件状态。在Li-AlO?固体离子电解质栅控ZnO/In?O?异质结晶体管中，氧化物异质界面支持载流子传输和光响应。Li-AlO?中的离子迁移在栅压刺激下调控沟道状态。蓝、白和紫外光照射产生相对持久的电流增强，而红光和绿光照射则主要产生快速衰减的短期状态，如图12h和12i所示[140]。光刺激使突触状态增强，而负栅脉冲则抑制或恢复状态，在三端器件中实现了感觉输入与电编程的分离。基于实测增强和衰减的单层感知机在约30步训练后对Fashion-MNIST"裙子"类别达到约85%的准确率（图12j）。该演示验证了对单一状态变量进行光-电协同调控的可行性，但并未在物理阵列中实现并行训练。此处的多模态功能是光-电共调控，而非跨感觉信息融合[140]。

RGB脉冲编码、波长依赖记忆、偏振传感和光-电共调控逐步扩展了前端可用的信息维度。然而，图像分解、通道重建和任务分类仍主要依赖软件。因此，稳定物理阵列的多维状态读取及其直接集成到计算中，是传感器内处理进一步发展的关键。

静态预处理、自适应感知、动态视觉和多维编码确立了氧化物器件可从视觉输入中提取和保留的信息类型。实用视觉计算硬件还需将这些状态与阵列组织、信号读取和算法操作进一步集成。传感器内计算将光电转换、状态保持、编码、特征提取或矩阵运算推向传感平面。由此，视觉信息可在大规模模数转换和数据传输之前被压缩或重建[26]、[28]。

不同计算算法对可用物理器件状态提出了不同要求。静态卷积和权重存储通常要求稳定、可重复、近线性的多级非易失性电导。储备池计算则依赖于易失性记忆、非线性响应和在有限时间窗口上的历史依赖性。事件驱动和脉冲网络要求阈值化、频率编码或积分-发射行为。因此，算法-器件协同设计必须对齐物理状态变量、时间常数、阵列读取和算法工作流程。光输入、输出采样、训练和存储的位置，以及卷积、池化、分类和反馈的硬件分配，都应予以明确[141]、[142]。

垂直氧浓度梯度可直接在器件内产生稀疏光电响应。一种电化学晶体管采用总厚度约15 nm的高阻/低阻/高阻ITO三层沟道。空位梯度引起的内建电场和电解质栅中的离子-电子耦合共同调控沟道电导。在3.0 V、450 nm照射下，器件执行片上稀疏编码和捕获，而阵列电流求和执行乘累加操作。由实测响应构建的稀疏神经网络实现超过94%的识别准确率。在原始对比架构和能耗统计边界内，报告能耗降低了30%以上。该策略将空间空位分布、垂直晶体管设计和稀疏编码耦合在一起。大阵列均匀性、外围读取开销和完整系统能耗仍缺乏充分量化[143]。

多光晶体管-一忆阻器阵列展示了可重构动力学如何支持不同网络架构。图13a中的系统将20×20 IGZO光晶体管阵列与20个Ta/TaO?/NbO?/W莫特忆阻器通道集成，构成MP1R阵列。改变工作状态可实现近线性光电导、易失性记忆和光学调制阈值开关模式，分别支持空间模拟运算、时空积分和脉冲生成[144]。在光卷积模式下，3×3 MP1R单元通过对光输入的电流求和乘累加操作实现Sobel、Prewitt、高斯和平均核。提取的特征由36×10 1T1R非易失性阵列分类，MNIST准确率为85.75%，而软件模型为87.05%。易失模式集成10位事件脉冲序列，在N-MNIST上达到85.3%准确率。阈值开关模式则将入射光输入转换为频率可调的脉冲序列。可重构动力学因此使一个阵列内能够执行模拟、时间和脉冲计算。训练仍为离线进行，而池化、控制和部分读取则依赖FPGA和数据转换外设[144]。

将多模态光电忆阻器与CMOS外围电路进行单片集成，进一步推进了系统级实现。在Si-CMOS译码和驱动电路上方制造了128×8 Pd/TiO?/ZnO/TiN一晶体管-一光电忆阻器单元阵列。

所得的 1-kb 1T1OEM 平台如图 13b 所示。在电成型之前，浅缺陷介导的快速复合在动态光电子忆阻器模式下产生易失性、非线性短期响应。电成型产生氧空位导电细丝，将同一单元转换为电子忆阻器或非易失性光电子忆阻器模式。这些状态支持权重存储、持久光存储和矩阵向量乘法 [145]。图 13c 显示了 NV-OEM 模式下的噪声抑制和特征增强，将带噪 MNIST 图像的识别准确率从 85.7% 提高到 96.1%。对于人体动作识别，18 个 D-OEM 单元处理源自骨骼坐标的光序列，并生成 720 维储备池状态。将输出权重映射到多个 1T1OEM 阵列上，实现了针对五个动作类别的硬件矩阵向量乘法。准确率达到 91.2%，接近全精度 GPU 模型获得的 93.2%。储备池状态的获取、放大以及部分数据转换仍需要片外仪器。完整的 720 × 5 输出权重矩阵也必须分割到多个 1-kb 阵列中 [145]。在采用的任务条件和能耗核算边界内，该平台报告了比 GPU 高 20 多倍的能耗优势。是否包含光源、数据转换和片外控制会大幅改变系统级效率。因此，报告的优势表明该平台在特定核算边界下的潜力，而不是硬件系统间的通用排名。

光电子突触的非线性时间响应也可以直接作为物理储备池。一种 Au/ZnO:N/IGZO/TiN 突触利用 N 掺杂 ZnO 中的陷阱态和光写入/电擦除序列，产生多级光响应、短期可塑性和时间衰减。不同的 4 位光序列在一个器件内产生 15 种可区分的动态状态。将每四个图像像素编码为一个脉冲组，使得只需 36 个网络输入即可处理 12 × 12 图像，如图 13d 所示 [54]。由测量的储备池状态构建的 36–30–10 RC-MLP 达到 90.45% 的 MNIST 准确率，相比之下，同等大小无储备池辅助编码的 MLP 为 76.24%。在连续动作 Weizmann 数据集上的分类准确率达到 97.14%。该器件执行光序列感知、非线性映射和短期历史保留。图像编码、虚拟节点组织、训练和分类仍基于软件。时间复用减少了所需的输入节点数，但相应缩放的并行物理储备池阵列尚未实现。

一种 Ag/ZnWO???/WO???/ITO 异质结忆阻器进一步简化了储备池状态的生成。连续的二进制光脉冲创建了从 0000 到 1111 的所有 16 种输入组合。因此在储备池操作期间，无需交替的光和电刺激即可产生多级光状态，如图 13e 所示。Yale 人脸识别准确率在 4 位编码下达 92.73%，而在 3 位编码下仅为 74.54%（图 13f）。因此，增加可区分状态的数量可以提高局部灰度和图像特征的编码分辨率 [146]。该平台中“全光储备池”一词指的是由光脉冲进行的动态状态写入和调制。图像转换、状态采样、输出权重训练、分类和电读出仍然是必要的。相对于光写入/电复位方案，进展在于储备池节点的刺激协议简化，而不是完整的全光神经网络。

将 Ag/WO???:N/ZnO:N/ITO 宽带光电子突触与 FPGA 集成代表了器件 - 数字边缘协同设计的另一条途径。图 13g 中的系统包含相机、数据转换、放大器和显示器。FPGA 施加编程脉冲，读取并归一化器件响应，并将它们映射到神经网络权重上。相应的 CNN 处理 28 × 28 时尚图像，在约 30 个训练周期后达到约 85% 的准确率（图 13h）[147]。在指定的硬件边界和操作条件下，报告的 GPU 功耗约为忆阻器 -FPGA 平台的 103 倍。然而，FPGA 执行主要的数字控制、权重归一化和网络操作，而光电子突触提供可编程电导。因此，该平台更接近忆阻器辅助的边缘计算，而不是直接在感光像素内执行卷积和分类的系统。在包含光源、ADC/DAC 单元和所有外围控制开销后，必须重新评估系统效率。

图 13 中的系统涵盖了单器件动力学映射、时间复用储备池、物理阵列乘累加操作、单片 CMOS 集成和 FPGA 辅助计算。然而，仅凭识别准确率不足以充分代表整体系统成熟度。向可靠且可扩展的视觉计算的进步取决于对感知、状态生成、权重存储、训练、推理和数据转换的明确硬件分配。评估还必须结合器件非理想性以及外围电路的能耗或延迟开销。

章节片段
总结与展望
本综述从任务需求的角度审查了基于氧化物的神经形态视觉光电子学。讨论将功能范围和分层指标与材料机制、器件架构和代表性任务验证联系起来。氧化物不仅贡献于光转换和载流子传输，还贡献于历史依赖内部状态的形成。缺陷、陷俘、离子迁移、铁电极化、电荷存储和势垒

CRediT 作者贡献声明
Mohamed Bououdina：可视化。Jian Yu：资源。Muhammad Humayun：撰写 - 原稿。Siyu Wang：调查。Yongjian Zhu：资源。Zifeng Gu：撰写 - 原稿。wang aiwu：撰写 - 审阅与编辑。Yufeng Wang：监督。

利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能被认为影响了本论文所报告的工作。

致谢
这项工作部分得到了深圳技术大学顶尖人才自然科学基金资助（项目编号：GDRC202522）；教育部中国产学合作研究基金资助（项目编号：2024HY010）；国家自然科学基金资助（项目编号：12305275 和 12405247）；以及广东省青年创新人才项目资助（项目编号：2024KQNCX038）。M. Humayun 和 M. Bououdina 感谢苏丹王子大学的支持。

利益冲突
王煜峰 | 顾智峰 | 王思宇 | 王爱武 | 朱永健 | 余剑 | 穆罕默德·侯迈恩 | 莫哈默德·布乌迪纳
辽宁科技大学，辽宁鞍山 114051，中国