维度网讯，美国俄勒冈州立大学（Oregon State University）的研究人员开发出一种光敏数字存储器件，该器件将感测、存储和信号处理集成在单个光电晶体管中，有望降低未来AI硬件的能源成本。

该器件由俄勒冈州立大学工程学院研发，成果发表于《先进功能材料》（Advanced Functional Materials）。其设计模仿了大脑强化重要记忆、同时让次要信息随时间淡化的关键能力。新器件将AI处理过程移近传感器，而非迫使数据在独立的硬件模块间传输，从而在光线照射处直接完成部分工作。

项目负责人、电气工程与计算机科学教授Larry Cheng表示：“我们的光电器件引入了一种新的硬件能力，可能实现直接在传感器层面进行更高效的信息处理。” 当前AI硬件将机器感知涉及的感测、存储和处理分散在不同的组件中，数据必须频繁穿梭，这消耗能量并降低效率。

俄勒冈州立大学的器件通过将部分存储和处理功能直接集成到光传感器中解决了这一挑战。它采用由两种不同材料制成的光电晶体管：氧化物半导体构成晶体管沟道（电流流经的路径），一层光敏有机层位于顶部，用于吸收光并产生电荷。当光照到器件上时，部分电荷被困在光敏层内。即使光线消失，被困电荷仍会继续影响流经半导体沟道的电流，使器件保留对先前检测到的光信号的记忆。

记忆并非静态。通过施加一个小的电栅极电压，研究人员可以改变被困电荷相对于晶体管沟道的位置。电荷移近沟道时效果增强，记忆持续时间更长；电荷远离时效果减弱，记忆更快消退。这种行为类似于生物大脑调节记忆的方式：在大脑中，化学信号决定记忆是被强化还是被遗忘；在器件中，电信号扮演类似角色，赋予硬件可编程的记忆寿命。

这对于神经形态计算（neuromorphic computing）领域尤其有用，该领域试图构建模拟生物神经网络的计算机系统。它也符合向传感器内计算（in-sensor computing）发展的更广泛趋势，即在捕获点处理数据，而非将其传送到独立的处理器和存储库。对于AI视觉系统而言，这意味着硬件能够在视觉信息到达传统处理器之前，对其进行过滤、加权和临时保留。机器人、无人机、安防摄像头或自主系统可能不需要永远保存每一个视觉信号，有些信息只需短暂关注，有些需要更长时间保留，而另一些则应几乎立即消失。

Larry Cheng说：“这种具有可编程记忆寿命的光敏存储器为直接在检测点处理视觉及其他传感器信号创建了可调的时间窗口，这种能力可能实现更高效的视觉系统及其他基于传感器的AI技术。” 该研究仍处于器件层面，无法直接替代当前的AI加速器或图像传感器。但这一方向指明了硬件发展路径，可使未来AI系统减少对传感器、存储器和处理器之间数据不断移动的依赖。如果成功规模化，AI设备将有望变得更快、更紧凑、功耗更低，尤其是在能效至关重要的边缘系统中。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com