随着人工智能技术迅猛发展，边缘设备处理海量数据的需求急剧增加，这对器件的能耗和效率提出了更高要求。当前忆阻器虽具有出色的存算融合潜力，但在传感器内计算系统中的功耗控制和集成复杂度方面仍存在挑战。

近日，南京邮电大学仪明东教授团队联合南京工业大学、香港科技大学和美国布鲁克海文国家实验室等国内外知名机构，成功开发出一种超低功耗的有机聚合物光电忆阻器。该器件能够实现协同的光学调控与毫伏（mV）级电压控制，打造动态化的“按需控制”架构，有效集成传感、特征和数据处理提取功能。相关成果以“Optoelectronic polymer memristors with dynamic control for power-efficient in-sensor edge computing”为题，发表在国际著名期刊《Light: Science & Applications》上。

研究成果

该研究以可调谐的有机聚合物PTB7-Th光电忆阻器为核心，构建紧凑的传感器内储备池计算（RC）系统。PTB7-Th忆阻器在320至670纳米波段内具有宽光谱响应，可根据需求精确调控线性和非线性导电特性。这种忆阻器能够直接利用模拟电压作为输入，无需额外的模拟-数字转换模块（ADC），大幅降低了系统复杂性和功耗。

图1.多功能神经形态计算的可重构PTB7-Th光电忆阻器用于RC示意图。(a)器件的交叉开关阵列结构。(b)忆阻器宽光谱响应特性。(c)不同电压幅值下的线性与非线性电导特性。(d)基于忆阻器的传感器内RC系统实现指纹识别的概念图。

团队通过优化聚合物薄膜的结构无序性与陷阱态，提升了忆阻器的光电导性能。薄膜中有效的激子解离与垂直电荷传输机制赋予器件动

图2. PTB7-Th光电忆阻器的调控机制与薄膜结构。(a) GIWAXS分析薄膜的结构特性。(b)低电压与高电压下光生电荷的传输与捕获机制。

基于该忆阻器的动态响应特性，研究团队设计了虚拟节点驱动的数字与模拟时分复用编码策略，实现了高维度的信号特征表示。通过在传感器内直接完成信号处理与分类，显著降低了器件规模和功耗。团队采用指纹识别任务验证该技术的可行性，实现了高达97.15%的准确率，同时实现了超低的事件功耗（8.31 μJ）。

图3. 基于虚拟节点的RC示意图，采用数字型与模拟型时分复用编码策略进行特征提取。

总结和展望

该团队研制了一种基于单一类型光电聚合物忆阻器的传感器内边缘计算平台，集成实现了光学感知、储层计算与模式分类等关键功能。通过动态电压调控光电流响应，光电忆阻器展现出良好的线性可调导电态和突触行为，并在无需电铸、毫伏级驱动的条件下实现了97.15%的高精度指纹识别，显著降低了能耗和延迟。全模拟信号处理架构的引入，有效避免了数模转换带来的能量损耗与计算瓶颈，而紧凑的储层设计亦有助于提升系统集成度。该器件结构简单、制备工艺兼容现有有机电子制造流程，具备低成本、大规模量产的可行性，适用于构建新一代柔性可穿戴智能终端。未来，研究团队将进一步推动该忆阻器平台在复杂视觉任务与多模态融合场景中的应用拓展，持续优化器件稳定性与系统鲁棒性，致力于实现有机忆阻器在类脑计算与片上智能系统中的广泛部署。（来源：LightScienceApplications微信公众号）

相关论文信息：https://doi.org/10.1038/s41377-025-01986-9