这项研究解决了一个长期存在的硬件瓶颈传统相机需要把“感光”、“存储”和“计算”分开做导致体积大、耗电多。中国科学技术大学孙海定教授团队开发了一种“三合一”光电二极管它能在一个器件里同时完成这三项任务就像人眼和大脑一样高效。速读背景与挑战打破“冯·诺依曼瓶颈”原文大意PN结二极管是现代光电系统的基石但通常只能做一件事。为了处理复杂的视觉信号传统系统往往需要引入第三个电极或者把二极管与外部逻辑电路集成。但这增加了硬件的复杂性并带来了“冯·诺依曼瓶颈”——即传感、存储和计算在物理上是分离的导致设备面积大、功耗高。解读现在的相机如CMOS传感器把光信号转成电信号后要传到处理器去算还要存到存储器里数据来回搬运既慢又费电。解决方案能带工程的巧妙应用研究团队开发了一种多功能光电二极管架构。他们基于能带工程设计了新的PN结在导电硅衬底上构建了高质量的垂直氮化镓 (GaN) 基PN结二极管阵列。核心技术他们在GaN基PN结中巧妙插入了一层宽带隙的n-AlGaN层。利用能带弯曲在内部形成了一个局部的“电荷存储层”。解读这就像是在原本只能单向通行的“道路”传统二极管里修了一个“蓄水池”电荷存储层。这个结构让器件有了“捕获”和“释放”电荷的能力不需要改变硬件结构只需改变电压就能切换功能。三大功能模式一机多用单个器件就能表现出三种独立且可自由切换的工作模式光电感知 (Photosensing)在零偏压下表现出自驱动特性用于实时图像感知。光电突触 (Photosynapse)在恒定偏压下表现出受脉冲频率调节的突触行为模拟大脑神经。光电存储 (Photomemory)在脉冲偏压操作下实现多态光存储能力。解读这个二极管非常灵活给它不同的电压它就能变身成传感器、神经突触或者存储器。实测效果硬件级降噪与识别团队展示了一个使用 10×10 交叉阵列的类脑视觉相机演示系统。该系统仅通过调节偏置电压就能原位完成整个图像处理流程。具体表现降噪利用低频噪声和高频图像信号在电子释放速率上的差异直接在硬件层面去除噪声。分类充当人工神经网络对处理后的图像进行分类。结果这种硬件级的干预将图像识别准确率从降噪前的60%以下显著提升至95%以上。编者观点这项研究为低功耗、类脑视觉相机提供了一种极具潜力的硬件解决方案。它打破了传统成像架构中感、存、算分离的壁垒未来有望应用于手机相机、安防监控和无人机等领域让设备更省电、反应更灵敏。