近日，沙特阿卜杜拉国王科技大学研究团队在神经形态计算领域取得重大突破，成功开发出一种基于光电响应的人工神经元，能够模仿生物突触或神经元的功能，并通过光信号实现自适应和可重构的计算能力。这一研究成果发表于国际权威期刊《光：科学与应用》，为未来高效能、低功耗的智能计算系统开辟了新路径。
二维材料创新 光电融合实现类脑计算**
研究团队的核心突破在于利用二维材料二硒化铪（HfSe₂）设计并制造了新型金属氧化物半导体电容器（MOSCap）。该器件采用垂直堆叠结构：二硒化铪纳米片被夹在两层氧化铝之间，并置于p型硅衬底上，顶部覆盖透明导电材料氧化铟锡（ITO），允许光线穿透。这种结构使器件同时具备光学数据感知与存储功能——即使在光源关闭后，仍可通过重新配置实现对光信号的持续响应。
实验表明，MOSCap的电荷捕获能力与电容值会随光照条件动态变化，从而使其能够作为“智能存储器”，直接通过光信号进行训练与计算。例如，当器件暴露于465纳米蓝光后，其对635纳米红光的响应显著增强，展现出类似生物突触的“关联学习”行为。此外，该器件还能模拟神经元的长期增强（LTP）和长期抑制（LTD）特性，即通过调整突触连接强度实现信息的高效处理与存储。
实验验证：高精度计算与天文探测潜力
为验证人工神经元的实际性能，研究团队构建了基于电容式突触阵列的仿真电路。在行业标准手写数字识别任务中，该系统的准确率高达96%，接近传统计算架构的水平。更引人注目的是，这类器件在天文探测领域也展现出独特潜力——通过捕捉恒星光强度的瞬态变化，其检测系外行星的准确率超过90%，为天文数据处理提供了全新工具。
研究进一步揭示，此类设备能够灵活适应不同强度、波长和持续时间的光刺激，并动态调整响应模式。这种特性使其在边缘计算场景中极具优势，尤其在需要实时处理海量光学数据的领域，如自动驾驶、虚拟现实（VR）和物联网（IoT）系统。由于光信号的高效性与低能耗特征，此类技术有望显著降低智能设备的能源消耗，推动绿色计算发展。
应用前景广阔 重塑AI硬件生态
这项技术的突破性意义在于，首次将光电响应与神经形态计算深度融合，为下一代人工智能硬件提供了全新范式。传统电子芯片受限于“冯·诺依曼架构”的能效瓶颈，而基于光的人工神经元可直接利用光信号完成传感、存储与计算的一体化处理，大幅减少数据搬运的能耗与延迟。
潜在应用场景包括：
1. **自动驾驶**：通过光信号实时处理车载摄像头与激光雷达数据，提升环境感知与决策速度；
2. **虚拟现实**：利用低延迟光计算优化图像渲染与交互响应，增强沉浸式体验；
3. **智能物联网**：在边缘设备中部署微型化光电神经元，实现本地化高效数据处理；
4. **天文探测**：快速识别深空观测数据中的微弱信号，助力宇宙探索。
**迈向自适应与高能效的未来**
研究团队指出，具有光感知与记忆功能的器件将推动神经形态计算从实验室走向实际应用。随着材料科学与光子学的持续进步，未来可构建大规模光电神经网络芯片，在保留生物神经元高效性的同时，突破传统硅基芯片的物理限制。此外，该技术还可与量子计算、柔性电子等前沿领域结合，催生更具适应性的智能系统。
这项研究不仅为人工智能硬件设计提供了新思路，也为解决全球算力需求激增与能源消耗矛盾提供了可行性方案。在算力竞争日趋激烈的背景下，光电神经形态计算或将成为新一轮科技变革的关键引擎，重塑从基础科研到产业应用的创新生态。
