为了方便各位同学交流学习，解决讨论问题，我们建立了一些微信群，作为互助交流的平台。
2.告知:姓名-课题组-研究方向，由编辑审核后邀请至对应交流群(生长，物性，器件)；
欢迎投稿欢迎课题组投递中文宣传稿，免费宣传成果，发布招聘广告，具体联系人：13162018291（微信同号）
研究背景
智能物联网时代，运动检测与识别的需求已成为关键驱动力，这要求光电器件能够实时编码和处理动态运动的时空信息。传统基于CMOS器件的数字视觉系统主要由独立的图像传感器和处理器组成，分别负责信息采集与计算，并依赖大容量的数据存储和传输。然而，随着视觉数据量的爆炸性增长，这些系统面临着能耗、信息冗余和处理延迟等巨大挑战。相比之下，动物视觉系统在视觉数据处理方面具有优异的效率和准确性，特别是视网膜组织，不仅能够捕获高质量的图像，还能精确捕捉时空特征，并迅速将信息传递至大脑进行初步处理。
近年来，基于二维半导体的“感存算”器件研究受到广泛关注，但大多数研究集中在简单的视觉图像处理，如噪声抑制和长期记忆，主要处理静态图像信息，而非动态环境信息。实现传感器层面对时空环境信息的有效检测与感知，仍是一项极具挑战的任务。
二维范德华（vdW）材料及其混合异质结构在新兴仿生视觉传感器领域展现出巨大应用潜力。这些材料由于存在自身原子尺度缺陷态，可以在器件沟道界面捕获、释放载流子，具备的运动物体连续帧叠态检测优势，为智能物联网中的运动监控和识别提供了有力支撑。但是，在复杂场景中的运动感知任务上仍面临一定局限，尤其在黑暗环境中或识别热源、高速运动物体时，这些传感器通常只能处理狭窄波长范围内的信息。
因此，拓展传感器的波长响应范围，实现多波段图像的有效融合，是解决单一波长感知的局限性瓶颈的有效途径。
该领域的突破不仅将推动仿生视觉传感器技术的发展，还将为智能物联网的广泛应用开辟新的可能。
成果介绍
近日，
湖南大学李梓维教授团队报道了可执行双波段敏感探测的分级神经元“感存算”器件，用于运动物体的高精度识别和动作感知
。研究人员在单层二硫化钼（MoS
2
）半导体膜上设计和制备了楔形纳米结构，利用纳米结构的表面等离激元共振吸收，实现了可见光到近红外光谱范围的宽带光谱吸收增强。由于载流子在器件通道内被缺陷态等捕获中心动态捕获或释放，器件表现出分级神经元的光电流特征，在633 nm和980
nm
波长上都表现出显著的光诱导电导可塑性。由20×20光电神经元组成的动态视觉系统在各种运动的精确检测和感知方面表现出优异的性能。此外，神经网络计算系统进一步被构建为视觉运动感知器，用于目标物体运动形态识别，将各种运动轨迹的识别准确率从以前不到80%的水平提高到99。6%。
相关研究以“Plasmon-Enhanced Optoelectronic Graded Neurons for Dual-Waveband Image Fusion and Motion Perception”为题发表在Advanced Materials期刊上。
图文导读
图1混合纳米结构的构造与光谱特性。
(a) 纳米楔形对耦合MoS
2
单层的共振激发示意图。(b) 不同缝隙宽度的纳米楔阵列归一化吸收光谱。(c-d) 633 nm和980 nm下纳米楔阵列的电磁场分布模拟。(e) MoS
2
单层、纳米楔阵列和混合结构的吸收效率模拟。(f) 混合结构的光学显微图（比例尺：5 μm）；(g) MoS
2
薄膜上纳米楔阵列的SEM图（比例尺：1 μm）；(h) MoS
2
单层、纳米楔阵列和混合结构的实验吸收光谱。
图1a展示了所设计的混合结构示意图，该结构在MoS
2
/蓝宝石基底上包含纳米楔形对。图1b呈现了不同缝隙宽度的混合结构的吸收光谱色图，其中160 nm缝隙宽度的结构在633 nm和980 nm处实现了最佳双波长共振吸收。这些光谱数据源自COMSOL软件的电磁场模拟。图1c和1d分别描绘了633 nm和980 nm共振激发下纳米楔对阵列的电磁场分布俯视图。图1e绘制了MoS
2
单层、纳米结构阵列和混合结构的吸收效率图，显然，纳米结构阵列的等离激元共振增强了可见光谱范围内的宽带吸收，并在980 nm处提供了另一个共振吸收峰。实验中，通过电子束光刻将纳米楔对沉积到MoS
2
薄膜上，制备了混合结构。图1f展示了混合结构的光学图像，由于对比度差异，纳米结构阵列与单层MoS
2
薄膜清晰可辨，比例尺为5
μm
。图1g展示了制造的纳米楔的扫描电子显微镜（SEM）图像，显示尺寸均匀，比例尺为1
μm
。图2h呈现了MoS
2
单层、纳米结构阵列和混合结构的有效吸收光谱（差分反射光谱，-ΔR/R），在633 nm和980 nm处显示特征共振吸收峰，与图1e中的模拟结果一致。
图2 分级光电器件神经元的光电性能和工作机制。
(a) 20×20光晶体管集成视觉器件的照片。插图为集成器件的光学图像。(b) 器件在633 nm和980 nm激光激发下的忆阻电流。(c) 光电晶体管在单次和双次光脉冲照射下触发的兴奋性突触后电流(EPSC)。(d) 多次光刺激后触发的EPSC。在633 nm(e)和980 nm。(f)照射下对四位光刺激的光响应。插图显示了编码过程。对于“1110”刺激，“1”和“0”分别代表光照和黑暗条件。
图2a展示了集成20×20光晶体管的视觉器件，比例尺0.5厘米。图2b显示50个光晶体管在633 nm和980 nm光照下的n型导电行为和最大开关比。在-60 V至+60 V偏压下，器件表现出忆阻行为。采用-5 V工作电压研究光电性能。图2c展示了单、双脉冲刺激下的光电流，即兴奋性突触后电流（EPSC），显示多级渐变光响应。图2d展示了连续10个循环光脉冲下的类似结果，633 nm光刺激的最大EPSC是980 nm的两倍。此外，采用组合光脉冲评估光响应，研究梯度神经元特性。图2e和2f分别展示了633 nm和980 nm光脉冲下的电流响应，揭示了不同编码过程。
图3 基于神经网络计算的运动识别。
(a) 从融合图像中进行运动识别的神经网络示意图。(b) 传统图像传感器(i)、可见光视觉传感器(ii)、近红外光视觉传感器(iii)以及图像融合传感器(iv)上的飞机单帧图像。(c) 视觉传感器对运动方向识别精度的训练依赖性演变。(d) 视觉传感器对加速度识别精度的训练依赖性演变。(e) 视觉传感器对旋转识别精度的训练依赖性演变。(f) 视觉传感器对离开（动作）识别精度的训练依赖性演变。
上述实验基于混合结构器件阵列进行了概念验证，并通过神经网络算法处理，可以进一步实现对噪声图像中目标物体的更复杂运动识别。图3a展示了一个示意图，阐述了基于训练数据集图像的运动识别方法，该方法结合了卷积神经网络和ANN神经网络。图3b展示了传统图像传感器（i）捕获的单帧图像与通过可见光视觉传感器（ii）、近红外光视觉传感器（iii）和图像融合传感器（iv）获得的时空帧图像的比较分析。当使用传统图像传感器捕获时，移动的飞机只产生一个单帧图像，对运动识别的洞察力有限。相反，当使用分级神经元传感器时，产生了具有四帧模式的时空帧图像。在这些复合帧中，飞机的轨迹轮廓存在明显的变化，有助于初步辨别其运动特征，提高了运动物体识别的精度和效率。利用构建的神经网络，可以清晰地观察到传统图像传感器与视觉传感器在图像中描绘运动特征方面的识别精度差异（图3c-3f）。视觉传感器在融合图像中达到了99.8%的超高运动识别精度，明显优于仅在单波长感知的传感器。
总结与展望
综上所述，本论文证明了利用等离激元增强结构制备了人工光电分级神经元器件，实现了双波段敏感探测，用于识别和判断运动物体的动态特征。通过构建了一个由20×20个光敏器件组成的视觉系统，这些器件由于空位处的电荷捕获和释放而表现出光调制电导可塑性。这些器件的独特特性使得能够在内存中同时编码和处理633 nm和980 nm波长下的时空运动信息。动态视觉系统有助于生成融合的光敏图像，从而能够对运动目标进行全面分析，包括方向、速度、加速度和旋转等关键参数。通过对神经网络进行单波长图像和融合图像的学习与训练，在嘈杂背景下运动物体的识别准确率提升至99%。此概念可能为动态视觉系统的发展开辟新途径，展示了光电异质结构在感知计算中的潜力。
致谢：
感谢国家重点研发计划、湖南省自然科学基金、武汉光电国家研究中心开放课题的资助。
全文链接：
https://onlinelibrary.wiley.com/doi/abs/10.1002/adma.202412993
课题组主页：
https://grzy.hnu.edu.cn/site/index/liziwei
Authors:
Ming Huang, Xiao Liu, Fenghao Yu, Jianhua Huang, Wajid Ali, Liuli Yang, Boxiang Song, Ziwei Li*
Title:
Plasmon-Enhanced Optoelectronic Graded Neurons for Dual-Waveband Image Fusion and Motion Perception
Published in:
Advanced Materials, doi: 10.1002/adma.202412993
上
海
昂
维
科
技
有
限
公
