视觉是人类感知世界的核心通道，也是自动驾驶、具身智能、增强现实等新兴领域获取环境信息的关键入口。当前，人工智能视觉任务正朝着高维度、实时化、低功耗的方向加速演进，传统视觉系统中“传感器—存储器—处理器” 物理分离的架构，面临着数据搬运量大、系统延迟高和能耗居高不下等瓶颈。“传感器内计算”为突破这一瓶颈提供了可行路径，但普遍存在硬件复杂度高、集成规模与功能多样性难以兼顾的问题，严重制约了智能视觉系统在复杂动态场景下的自适应感知与实时处理能力。

近日，清华大学信息国家研究中心研究团队在类脑光电感知领域取得重要突破，成功研制出一种面向可重构光电计算的多响应类视网膜传感器（MRRS），为低功耗、高通量智能视觉系统提供了全新器件与架构方案。

研究团队创新性提出并构建了基于碲化锑（Sb?Te?）/二硫化钼（MoS?）横向异质结的两端器件，在单一器件内集成光电二极管、光电突触、光电神经元三重响应，可通过调节源漏偏置电压与入射光聚焦程度，实现三种工作模式的原位可逆切换，硬件结构极简、功能高度集成。MRRS传感器的设计借鉴了生物视网膜中光感受器、双极细胞和神经节细胞协同处理视觉信息的机制：零偏压下，呈现快速光电二极管响应，可用于静态图像感知；低偏压和发散光照条件下，产生具备保持与累积特性的光电突触响应，可模拟短时/长时可塑性以及学习—遗忘—恢复等行为；低偏压和聚焦脉冲光刺激下，展现生物神经元典型的漏电积分—发放特性，完成动态光信号脉冲频率编码，适配复杂动态场景处理需求。

MRRS传感器多响应机制及其光电计算任务演示

实验结果表明，MRRS传感器在自供电状态下具备低暗电流与微秒级快速响应能力。光电突触模式可依据光脉冲宽度、功率密度和频率等光脉冲参数灵活调控突触电流，实现从短时可塑性到长时可塑性的平滑转变。光电神经元模式基于界面陷阱介导的势垒调制机制，当光电流达到阈值后触发神经元式发放并自动复位，省去传统复杂电学转换电路，单次脉冲能耗降至皮焦（pJ）量级，大幅提升能效表现。

在此基础上，研究团队进一步构建了32×32规模的MRRS类视网膜传感阵列，并与前端空间衍射层融合，构建 “前端光场调制+传感器内并行计算”的可重构光电计算架构。输入图像与视频经光场编码、衍射层特征预处理后，由传感阵列直接完成静态识别、动态记忆、脉冲编码等核心功能，实现感存算一体化，为端侧智能视觉提供创新技术路径。系统还可实现基于脉冲编码的跨任务迁移学习，在不同视觉数据集间快速复用模型特征，减少训练开销，显著提升动态场景下的泛化能力与任务适配效率。

未来，结合微型化衍射光学元件、片上集成封装和宽谱响应材料体系，该类多响应类视网膜传感器有望应用于自动驾驶、卫星遥感、具身机器人和智能终端等高通量、低功耗视觉计算场景。

研究成果以“面向可重构光电计算的多响应类视网膜传感器”（Multi-responsive retinomorphic sensor for reconfigurable optoelectronic computing）为题，于6月5日发表于《自然·传感》（Nature Sensors）。

清华大学信息国家研究中心为论文第一完成单位。信息国家研究中心、电子系教授方璐，信息国家研究中心副研究员王钰言，集成电路学院教授任天令为论文共同通讯作者；集成电路学院2023级硕士生王昱豪、电子系已出站博士后程远（现为上海交通大学副教授）、集成电路学院2023级博士生潘炯为论文共同第一作者。

研究得到国家科技重大专项、国家自然科学基金、北京市科技新星计划、清华大学笃实计划、科学探索奖等项目支持