近日，我校工学部电子科学与工程学院（微电子学院）霍能杰研究员团队在面向海洋视-听觉感知的神经形态存内计算器件领域取得重要进展，相关成果以“Neuromorphic in-Memory Computing for Marine Visual-Auditory Perception”为题，发表在《Advanced Materials》上，2022级博士邓群睿为第一作者，霍能杰为通讯作者，我校为第一完成单位。

研究团队提出了一种基于MoS₂‌ /h-BN/SnSe₂‌  范德华异质结的神经形态浮栅晶体管（NFT），在单一器件内同时集成电学与光学非易失存储功能，可在同一单元中模拟视觉与听觉突触行为，从而实现视-听信号的存内双模处理。

在电学方面，器件展现出优异的非易失存储特性：开关速度14 µs、开关比10⁶‌、循环耐久性超过10⁴‌次、数据保持时间超过10⁶‌ s。借助超快编程速度与高开关比，单个NFT单元即可区分16个离散电流态，实现 4-bit 多级存储。进一步结合人工神经网络处理声呐回波信号，实现海底矿物与岩石的高精度分类（88%）。

在光学方面，器件在405-808 nm激光脉冲下实现从短时程到长时程可塑性的连续调控，呈现双脉冲易化（PPF）等典型突触功能。利用海水中低衰减的绿光窗口，该系统结合RGB去噪与绿色通道增强预处理，在23类海洋生物图像识别中达到 80% 的准确率，与理想软件模型相当。

该工作提出了一种跨模态的光电协同存内计算架构，为复杂水下环境中的智能感知提供了一种高能效、低功耗且紧凑的硬件解决方案。以上研究工作获得国家自然科学基金、广东省自然科学基金等项目的持续支持。

论文链接：https://doi.org/10.1002/adma.73861