第一作者：曾光
通讯作者：柴扬
通讯单位：香港理工大学
论文DOI：10.1038/s41596-025-01262-5
全文速览
仿生感算融合器件可以利用物理机制处理传感终端的信息，从而减少计算过程中的延迟和能耗，同时提高数据处理和实时分析的效率。光电器件通过调节半导体沟道的缺陷态，从而调节传感器的光响应度和时间常数，实现诸如特征增强和数据压缩的感算融合功能。这些计算功能的关键在于良好的制备工艺和精确的测试。本文详细介绍了基于纳米级厚度的半导体薄膜的感算融合器件的制备、表征和测试。此外，器件的所有制备和测试步骤均具有通用性，可以扩展到使用不同方法生长的其他半导体薄膜。开发易于制备和测试、可重复性强、适用范围广的感算融合器件对于先进的计算领域的发展具有重要意义。
本文亮点
本文详细介绍了基于单层MoS2光电晶体管阵列的感算融合器件的制备工艺、表征和测试。此外，本文也指出了感算融合器件制备和测试过程中存在的一些挑战，并提出应对这些挑战的可行性措施。这些将加速仿生感算融合器件的使用，有助于开发先进的计算技术框架。
背景介绍
随着物联网传感器数量的激增，物联网器件生成的数据正呈指数级增长。数据量的激增对数据管理、传输、存储和分析提出了巨大的挑战，也增加了对靠近传感终端的信息处理的需求。利用传感器的物理特性进行计算可以减轻传感器和计算单元之间数据传输的压力。视觉是传感器中的主要信息来源，因为它能够从环境中捕获丰富、详细的数据。生物视觉系统能够高效、灵活地感知和识别动态变化中的物体。丰富的视觉信息在视觉系统内处理，从而减少过多的视觉数据传输到大脑。这些生物特征可能有助于设计能够适应不同光强和波长的感算融合器件。相比CMOS传感器，光电感算融合器件的有效感知高达199 dB，可以提高场景感知的准确性。此外，光电感算融合器件可以在传感终端有效地编码时间和空间信息流，从而减少冗余的视觉数据传输和降低功耗。因此，开发易于制备和测试、可重复性强、适用范围广的光电感算融合器件对于先进计算领域的发展具有重要意义。
图文解析
在功能和感知维度方面，感算融合器件可以响应光强的空间分布，从而增强低维静态场景中待测物体的特征。此外，现实世界的视觉环境是动态且复杂的。开发能够有效感知时域中运动的高维感算融合器件至关重要。我们开发的感算融合光电晶体管在感知过程中能够模拟人眼的视觉系统，实现对待测物体的特征增强（图1）。此外，它也可以模拟飞行昆虫视觉系统中的分级神经元，能够同时融合时间和空间流信息而实现动态感知（图1）。这些传感器的时间常数可以通过栅压调控而影响光电流随时间积累的总和，从而促进时空数据压缩并减少感知动态场景中的数据量。
图1│感算融合光电晶体管阵列的功能和应用演示
本文基于MoS2薄膜制备的光电晶体管阵列的质量和均匀性可以通过形貌、拉曼和PL光谱进行初步检验。图2a初步表明所制备的400个光电晶体管具有良好的均一性。图2b为单个器件的SEM图，显示出器件的长和宽分别为10和200 μm。本文为了对比基于CVD和MOCVD生长的单层MoS2和双层MoS2制备的光电感算融合器件区别，分别从样品的顶部、中部和底部的9个位置采集拉曼和PL光谱。这两种材料的拉曼峰和PL光谱峰的位置分别位于~384.2、403.5 cm⁻¹和1.86 eV 以及~385.3、405.6 cm⁻¹和1.88 eV，进一步证实了2D材料分别为单层和双层MoS2（图2c,d）。此外，一致的拉曼峰和PL光谱峰也初步表明制备的器件具有良好的均匀性。
图2│MoS2光电晶体管的形貌和材料表征
本文制备的光电晶体管表现出较低的关态电流（~1 pA），较高的开关比（~108）和稳定的输出特性（图3a,b），这主要得益于优化的制备工艺。图3c展示了1.2 V的滞后窗口和1.9×1015 cm-2eV-1的陷阱密度（Dit）。较大的滞后窗口是由MoS2的电荷捕获引起的，这有助于光电晶体管获得更多的Dit，从而能够在更宽的动态范围内实现视觉适应。根据100个随机选择的器件的转移特性曲线（图3d），分析得到亚阈值摆幅（SS）和阈值电压（VTH）的统计分布（图3e,f）。所制备器件的SS和VTH值分别集中在~200 mV/dec和-1 V。与目前大面积生长MoS2薄膜的最新文献相比，这些器件表现出有竞争力的均匀性。
图3│MoS2感算融合光电晶体管阵列的电学性能表征
图4a,b展示了单个光电晶体管的光响应度（R）和比探测率(D*)，这些结果表明所制备的感算融合器件表现出优异的光电特性，能够有效感知较宽的光强范围。此外，该光电晶体管具有良好的动态稳定性及快速的光响应（图4c,d），其对应的上升时间和下降时间分别约为0.92 和10.2 ms。图4e,f展示了基于MoS2的光电晶体管在400至1000 nm的波长范围内的R和D*。经紫外臭氧（UVO）处理的MoS2在带隙内包含多个局域陷阱态，这些陷阱形成新的能级，可以吸收特定波长范围内的光，从而拓宽光电晶体管的探测光谱。
图4│MoS2感算融合光电晶体管阵列的光电特性表征
图5a展示了有效感知范围（PR）与VG的关系，表明光电晶体管的PR在6 V时达到170 dB，这表明所制备的光电晶体管能够在较宽的光照范围内实现视觉感知。在负/正VG下，感算融合器件的ID随时间的变化而增加/减少（图5b,c）。在VG为-4V时，单个感算融合器件在弱光和暗背景下的ID随时间变化如图5d所示。本文随后从MoS2光电晶体管阵列中选择一个8 × 8像素阵列来感知“P”图案。对于MoS2光电晶体管阵列的暗视适应测试，对应于“P”图案的15个器件处于弱光下，而其他49个器件处于暗背景照明下。为保持阵列器件的感知一致性，可以从15个器件中提取弱光下归一化的ID随时间的变化（图5e），使图像对比度（C）仅随这15个器件的ID变化，从而实现随时间变化的暗视适应过程（图5h）。相似地，单个感算融合器件在强光和亮背景下的ID随时间变化如图5f所示。此外，可以从49个器件中提取亮背景下归一化的ID随时间的变化（图5g），使图像的C仅随这49个器件的ID变化，从而实现随时间变化的明视适应过程（图5i）。
图5│仿生感算融合器件的视觉适应测试
设置光脉冲的数量（如4个），当脉冲持续时间短于光电晶体管的恢复时间时，该器件可以通过在多个连续脉冲下累积ID模拟梯度神经元的特性（图6a）。随着脉冲数量改变，ID逐渐增加并趋于饱和（图6b）。由于MoS2光电晶体管具有浅和深陷阱态，光电晶体管的VG可以调控沟道捕获/释放电荷而影响器件恢复时间，-3 V、0 V和3 V的VG对应的时间常数分别为10、102和106 ms（图6c），这些结果表明基于MoS2的感算融合器件可以在传感终端感知各种各样的运动场景。本文随后从采用20 × 20像素阵列来感知运动的五角星图案。使用4个脉冲宽度为100 ms的光脉冲输出，并以0.5 m/s的四种运动将五角星图案投射到阵列器件上：向右移动、向左移动、靠近和离开。当所有器件施加0 V的VG时，考虑到感算融合器件的ID随着时间的推移逐渐增加（持续光刺激）或衰减（光刺激后），ID帧的总和可以清楚地显示物体的整个运动轨迹的轮廓，包括向右、向左、靠近和离开（图6d）。
图6│仿生感算融合器件的动态感知测试
图7a展示了有和无UVO处理的光电器件的双扫传输曲线，表明UVO处理可以增加光电晶体管的回滞。此外，基于CVD和MOCVD生长的单层MoS2和双层MoS2制备的光电晶体管的良率存在差异（图7b），这表明生长工艺的可重复性仍需进一步优化。电子束沉积接触电极时更容易破坏较薄的MoS2，从而影响源漏电极与沟道的接触质量，导致基于单层MoS2的光电晶体管的R较低（图7c）。
图7│不同MoS2光电晶体管的传输曲线和参数比较
总结与展望
本文描述的整个制备工艺流程和测试过程，包括电极沉积、电介质生长、刻蚀、退火，视觉适应和动态感知测试，都可能实现工业化、规模化和智能化。MoS2薄膜仅仅是一个代表性例子，多种半导体材料都可用于制备感算融合器件。考虑到感算融合器件的低功耗和电路的简易性，感算融合器件在机器视觉系统中具有巨大的应用潜力。然而，2D材料的转移不可避免地产生褶皱和引入污染，大面积2D阵列器件的测试仍然存在挑战。未来需要进一步优化2D器件的制备工艺和测试方法，助力开发先进的计算技术框架。
作者介绍
曾光在复旦大学微电子学院获得博士学位。目前在香港理工大学从事博士后研究工作，主要致力于半导体光电器件，感算融合的视觉传感器方面的研究。
柴扬教授是香港理工大学半导体讲座教授，IEEE Fellow, Optica Fellow, ACS Nano副主编。课题组欢迎具有微电子、半导体材料与器件物理、人工智能等专业背景的青年才俊申请课题组的博士、博士后。有意者可通过课题组网页与柴老师邮件联络（http://ap.polyu.edu.hk/ychai/）。课题组近年来其它在视觉传感器与神经形态计算方面代表性工作1-14：
1. Zhou, F. et al. Optoelectronic resistive random access memory for neuromorphic vision sensors. Nat. Nanotechnol.14, 776-782 (2019).
2. Chai, Y. In-sensor computing for machine vision. Nature, 579, 32-33 (2020).
3. Zhou, F. C. & Chai, Y. Near-sensor and in-sensor computing. Nat. Electron. 3, 664-671 (2020).
4. Liao, F. Y. et al. Bioinspired in-sensor visual adaptation for accurate perception. Nat. Electron. 5, 84-91 (2022).
5. Ma, S. et al. A 619-pixel machine vision enhancement chip based on two-dimensional semiconductors. Sci Adv8, eabn9328 (2022).
6. Chen, J. et al. Optoelectronic graded neurons for bioinspired in-sensor motion perception. Nat. Nanotechnol. 18, 882-888 (2023).
7. Zhou, Y. et al. Computational event-driven vision sensors for in-sensor spiking neural networks. Nat. Electron. 6, 870-878 (2023).
8. Vasilopoulou, M. et al. Neuromorphic computing based on halide perovskites. Nat. Electron. 6, 949-962 (2023).
9. Wang, Z., Wan, T., Ma, S. & Chai, Y. Multidimensional vision sensors for information processing. Nat. Nanotechnol.19, 919-930, (2024).
10. Ouyang, B. et al. Bioinspired in-sensor spectral adaptation for perceiving spectrally distinctive features. Nat. Electron. 7, 705–713 (2024).
11. Kim, B. J., Shao, B. J, et. al. "A flexible active-matrix X-ray detector with a backplane based on two-dimensional materials", Nat. Electron. 8, 147-156, (2025).
12. Ma, S. J., Ouyang, B. S., and Chai, Y.*, Magneto-optics enhances in-memory computing, Nat. Photonics, 9, 9-10, (2025).
13. Yang, Y. F. et al. Bioinspired and biointegrated vision for artificial sight convergence, Nat. Rev. Bioeng. 1-16, (2025).
14. Wang, Y. et al. A biologically inspired artificial neuron with intrinsic plasticity based on monolayer molybdenum disulfide, Nat. Electron. 8, 680-688, (2025).
