美大學研發「仿腦光感測元件」，讓 AI 視覺運算就地處理更省電

美國俄勒岡州立大學（Oregon State University）研究團隊近日開發出一款仿腦光感測記憶元件，將光感測、記憶與訊號處理整合到單一光電電晶體中，盼望降低未來 AI 硬體的耗能。研究已刊登於期刊《先進功能材料》（Advanced Functional Materials) Advanced Functional Materials）。核心概念是把部分運算直接移到感測器端，減少資料在感測、記憶與處理單元之間來回搬移所造成的能源損耗。

這款元件採用雙材料結構：由氧化物半導體形成電晶體通道，上方則覆蓋感光有機層。當光線照射時，部分電荷會被困在有機層內；即使光源消失，被困的電荷仍會持續影響通道電流，使元件保留對先前光訊號的「記憶」。研究團隊進一步發現，透過施加微小的閘電壓，可以改變被困電荷相對於通道的位置：當電荷移近通道時，影響變強、記憶持續時間延長；當電荷移遠時，影響變弱、記憶較快淡去，形成功能上可程式化的記憶壽命（programmable memory lifetime）。

計畫主持人、俄勒岡州立大學電機與資訊工程教授 Larry Cheng 表示，這項光電元件可望讓資訊在感測器端就地處理，為更有效率的運算提供新硬體能力。研究人員認為，這種設計特別適合神經形態運算與感測端運算，未來可應用於 AI 視覺系統、機器人、無人機、監視攝影機與自律系統等邊緣裝置，讓硬體能依需求保留、加權或快速捨棄不同時間尺度的視覺資訊。

不過，這項成果目前仍停留在元件層級，尚非現成可替換現有 AI 加速器或影像感測器的產品。研究團隊指出，若未來能成功擴大應用，這類設計有望讓 AI 裝置更快、更小，也更省電，尤其是在最重視能效的邊緣運算場景中。