近日，电子科技大学基础与前沿研究院巫江教授/沈凯副研究员团队联合中国科学院上海技术物理研究所胡伟达研究员在Nature Communications发表题为“Sub-Picojoule-Per-Bit Volitional Neuromorphic Devices for Precise Targeting and Tracking”的研究论文。团队提出了一种基于光谱自反馈的主动注意力机制，实现了低能耗、高效率的神态形态光电器件。基础与前沿研究院2021级博士研究生黄一轩和2024级硕士研究生孙启皓为论文的共同第一作者，沈凯副研究员、胡伟达研究员和巫江教授为论文共同通讯作者，基础与前沿研究院为论文第一单位。

图 基于意志神经形态器件实现主动信息筛选的技术路径

人工智能驱动的技术革命已将硬件性能提升至了新高度，但能耗问题仍是领域的关键瓶颈。人类视觉系统在复杂动态场景中展现出优异的信息处理能效，关键源于被动注意力（PPA）和主动注意力（AVA）机制的多层级协同作用，为突破现阶段高能耗困境提供了重要生物学启发。尽管当前的视网膜形态器件已取得了重要进展，但仍依赖于被动注意力机制，缺乏对目标特征的主动选择能力，导致在多目标复杂场景中数据严重冗余、功耗持续攀升。因此，如何在器件端进一步实现兼顾目标驱动特性的多层级注意力机制是突破器件能效的关键。

针对上述难题，本研究借鉴人类视觉系统中主/被动注意力的多层级协同机制，构建了光谱自动反馈与校正的器件架构。以异质结构的能带排列分布为基础，通过栅压调制了异质结构的载流子的输运过程（俘获、隧穿等），实现了多级非易失性正/负光电导状态的有效调控。进一步，建立了差分光电流矩阵并结合残差神经网络，对重构误差进行评估并在不同波长下自动优化栅压组合，形成“感知—评估—反馈—校正”的主动闭环，实现对特定目标光谱信号的选择性增强。在多目标动态场景实验中，器件在大幅压缩冗余数据的同时仍保持对红、绿、蓝三色运动目标超过93%的平均识别准确率，数据压缩比达到1.17%、信息能效低至0.625 pJ/bit，低于人类视觉系统能效水平，为开发下一代高效能人工智能视觉系统提供了创新方案。