神经形态计算旨在模仿人脑的并行处理能力和极低能耗，是下一代人工智能芯片的重要发展方向。近期，沙特阿卜杜拉国王科技大学的研究团队在这一领域取得重要进展——他们开发出一种利用光信号实现计算的人工神经元。相关成果发表于《光：科学与应用》杂志。

传统神经形态器件通常依赖电信号来模拟突触的可塑性，而这项新研究将光引入核心计算过程。团队利用二维材料二硒化铪，设计并制造出一种金属氧化物半导体电容器（MOSCap）。该器件采用垂直堆叠结构：二硒化铪被夹在两层氧化铝之间，并置于p型硅衬底上，顶部覆盖透明的氧化铟锡，允许光线从上方进入。当二硒化铪纳米片被集成到电荷捕获存储器件中时，器件能够同时实现光学数据传感和保留功能——即使在光源移除后，仍能重新配置以感应光或存储光学数据。

实验表明，MOSCap的电荷捕获和电容特性会随光照条件（波长、强度、持续时间）的变化而改变。这意味着它可以作为一种智能存储器，使用光信号进行训练和响应。例如，暴露于465纳米波长的蓝光后，器件对635纳米红光的反应会增强——这是一种典型的关联学习行为。在神经形态计算中，该器件同时展示了长期增强（突触反应增加）和长期抑制（突触反应减弱）的能力，相当于一个人工突触。

研究团队进一步通过仿真实验预测：基于这类器件的电容式突触阵列电路，在识别手写数字（MNIST数据库）任务中可达到96%的准确率；在检测系外行星的场景中，通过识别恒星光强度的瞬态变化，准确率高达90%。这表明，具备内存光传感功能的设备非常适合边缘计算应用，尤其是在需要快速处理和存储大量光学数据的人工智能领域，例如自动驾驶汽车、虚拟现实以及物联网系统。

对于这一进展，神经形态计算研究学者、NEO人造脑首席科学家詹钟评价道：“将光信号直接融入突触可塑性机制，是摆脱传统冯·诺依曼架构瓶颈的一条富有前景的路径。阿卜杜拉国王科技大学团队的工作展示了二维材料与光电协同设计的巧妙结合，为未来高能效、自适应光学计算芯片奠定了重要基础。”

这项研究为更具适应性和能源效率的神经形态计算解决方案铺平了道路，也预示着光在人工智能硬件中将扮演越来越关键的角色。