有机电致变色半导体实现可编程显示内神经形态计算：突破边缘智能设备的能效与集成瓶颈

为解决智能边缘设备（如AR/VR眼镜）因内存-处理-显示单元物理分离导致的能耗高、延迟大、硬件成本高等挑战，香港大学、南方科技大学和同济大学联合团队创新性地利用有机半导体（OSCs）的电致变色特性，开发出全集成电可编程显示内神经形态计算（EP-IDNC）器件。该器件通过电化学掺杂/去掺杂机制实现4比特级突触权重调控，兼具时空信息处理与实时可视化功能，在3×3器件阵列中成功演示了噪声抑制、运动轨迹感知及汽车转向提醒等应用，为下一代交互式神经形态系统提供了新范式。

　　

在人工智能模型和数据规模爆炸式增长的今天，智能手机、AR/VR眼镜等边缘智能设备正面临严峻挑战。传统基于CMOS数字平台的系统采用冯·诺依曼架构，内存、处理器和显示单元物理分离的设计导致数据频繁搬运和模数转换，不仅造成高达90%的能耗浪费，还带来显著延迟。更棘手的是，这些功能单元的异质集成大幅增加了制造成本和复杂度。如何实现内存-计算-显示的一体化集成，成为突破边缘计算瓶颈的关键科学问题。

针对这一挑战，香港大学、南方科技大学和同济大学的研究团队独辟蹊径，从有机半导体（OSCs）的电致变色现象中找到了突破口。他们创新性地设计出电可编程显示内神经形态计算（EP-IDNC）器件，相关成果发表在《National Science Review》上。这种器件巧妙利用聚[2-(3,3'-双(2-(2-(2-甲氧基乙氧基)乙氧基)乙氧基)-[2,2'-联噻吩]-5)基噻吩]（p(g2T-T)）的电致变色特性，通过电压调控电化学掺杂程度，同步实现信息处理（突触权重）和结果显示（颜色变化）的双重功能。

研究团队采用紫外-可见光谱（UV-vis）表征电致变色特性，通过光图案化离子凝胶实现固态器件制备，利用循环伏安法（C-V）验证可逆掺杂机制。关键突破在于：通过串联电阻调控放电势垒（eV_b
），使单个器件可重构为挥发性（STM）或非挥发性（LTM）模式；多终端设计模拟生物树突结构，实现压力/光敏双模态信号融合；4比特权重更新线性度（Nor.ΔT）经30次LTP-LTD循环验证具有优异稳定性。

【Volatile neuromorphic behavior】
器件在0.7V脉冲刺激下表现出类似生物突触的兴奋性突触后电位（EPSP），通过调控脉冲间隔实现双脉冲易化（PPF）和抑制（PPD）。基于此构建的储层计算（RC）系统，将20像素数字图像编码为4比特时序电压流，通过5个EP-IDNC器件产生16种可区分状态，实现100%分类准确率。更有趣的是，四终端器件与压力/光电传感器集成后，可量化评估视觉-触觉信号同步性（阈值27.5%相对透射率变化）。

【Nonvolatile neuromorphic behavior】
串联910kΩ电阻时，器件展现非易失特性：在LTP-LTD循环中呈现>4比特（15dB调制深度）的线性权重更新，开环状态下保持5分钟记忆。作为卷积神经网络（CNN）的光学核，3×3阵列成功提取数字"4"的边缘特征。模拟实验显示，32个3×3核构成的CNN在MNIST手写数字分类中达到96.2%准确率，混淆矩阵表明各数字类别的识别性能均衡。

【In-display neuromorphic computing】
通过背光调制（600-650nm波段）和自然显色双模式，3×3阵列演示了突破性应用：1）实时噪声抑制——将80%背景噪声的字母"H"灰度信息编码为10个脉冲（-2V/60%占空比），利用STM效应增强特征/衰减噪声；2）运动轨迹可视化——通过像素亮度时空差异，成功显示左右/上下移动轨迹。最终通过模拟验证了汽车转向提醒系统：将道路图像分割为k×l像素阵列，经三重终端EP-IDNC器件（序列脉冲输入/权重调控/接地）处理，实时生成转向箭头提示。

这项研究的核心价值在于首次实现了"计算即显示"的革命性理念。相比传统光电神经形态器件（如相变存储器、铁电存储器），EP-IDNC器件具有三大独特优势：1）多终端可重构性，支持传感器信号直接融合；2）电致变色介导的突触权重与显示像素天然耦合；3）溶液加工性有利于大面积柔性集成。尽管当前器件尺寸（~1mm）和编程能耗仍需优化，但通过喷墨打印等技术实现<100μm特征尺寸后，该技术有望推动AR导航、智能机器人等领域的突破。正如作者强调的，这项工作不仅证明了电致变色材料在神经形态计算的可行性，更开创了"显示内神经形态计算"的新范式，为构建真正类脑的交互式智能系统铺平了道路。