近日，绍兴大学数理信息学院神经形态器件团队在国际知名学术期刊 Advanced Functional Materials发表题为“Nanoimprint-Enhanced Organic Heterojunction Phototransistors for Bipolar Optical Encoding in Reservoir Computing”的研究论文。数理信息学院青年教师戴钦镛为论文第一作者，数理信息学院方泽波教授、南京大学李昀教授等为共同通讯作者，绍兴大学为第一署名单位。
随着人工智能向智能视觉、行为识别和边缘计算等领域快速发展，如何实现复杂动态信息的高效、低功耗处理成为重要研究课题。针对传统光电类脑器件弱光响应不足、信息编码能力受限等问题，研究团队提出了一种纳米压印增强有机异质结光电晶体管的双极性光编码策略（图1）。通过在有机半导体表面构筑周期性纳米结构，显著增强器件的光吸收与光电响应，实现了低至0.65 μW/cm²的弱光探测能力。同时，利用不同波长光照产生的正、负光电响应，实现二进制信息的双向编码，突破传统单向光响应的局限，提升了类脑计算系统的时序信息处理能力。
图1. 纳米压印增强有机异质结光电晶体管的制备与光电性能。 通过构筑纳米孔阵列增强光吸收和光电响应，实现弱光探测与多波长光电调控。
在人工智能应用方面，团队将不同波长的正、负光响应分别用于二进制编码，构建物理储层计算系统，并开展人体动作识别。双极性光编码有效提升储层状态区分度，结合多组光学储层后，动作识别准确率达到约90%，展示了器件处理复杂时序信息的潜力（图2）。
图2. 基于双极性光编码的物理储层计算与人体动作识别。 利用不同波长产生的相反光响应拓展储层状态空间，提高动态信息编码和动作识别能力。
该成果将先进微纳制造、有机光电子学与人工智能计算相结合，为发展低功耗、紧凑型神经形态计算器件，以及面向智能视觉感知、动态行为识别和感存算一体化的新型人工智能硬件提供了新思路。
论文链接： https://doi.org/10.1002/adfm.79300
