当人工智能物联网陷入“传感器海量数据拥堵”困境，一项来自北京理工大学的技术突破给出了颠覆性解法——沈国震教授团队研发的全光编程传感器内运算器件，成功攻克传统器件光权重编程与运算的干扰难题，为边缘视觉计算打开了微型化、低功耗的新通道。这一成果近日以“Reconfigurable Hydroxyl Dissociation for Spectrally Decoupled Weight Programming and Photocurrent Computing”为题，发表于国际材料科学顶刊《Advanced Materials》。

核心痛点：数据洪流倒逼传感技术革新

随着智能设备的普及，传感系统正面临“性能需求”与“数据压力”的双重挤压。一方面，市场对传感设备的微型化、轻量化、低功耗要求持续升级；另一方面，海量传感器节点产生的非结构化原始数据，让后端传输与处理系统不堪重负。

“传感器内处理（PIS）”技术被视为破解这一困局的关键——将计算任务直接嵌入光信号感知端，从源头减少数据传输量。但实现这一目标的核心难点，在于让神经网络的乘积累加（MAC）操作与成像过程深度融合，当前主流的直接光电流计算（DPC）方法虽具应用潜力，却受限于致命短板：依赖电信号编程需配套复杂外围电路，且读出光电流易干扰存储权重，导致运算精度下降。

技术破局：全光编程实现“光谱解耦”创新方案

针对上述痛点，沈国震团队提出了基于Bi?O?Se（BOS）材料的光可编程DPC器件方案，其核心创新在于“光谱解耦”——利用紫外光调控BOS材料表面羟基解离行为，重构氧空位动力学特性，让权重编程与光电流计算过程在不同波长下独立进行，从原理上根除了干扰问题。

实验数据验证了这一方案的可行性：紫外光照射可触发BOS表面羟基解离生成氧空位，这些氧空位作为高效捕获中心，能引发持久光导性（PPC）效应。该效应不仅显著提升了材料在可见光波段的光响应性能，还为DPC器件提供了稳定的非易失性突触权重，为全光编程与运算的实现奠定了核心材料基础。

场景落地：混合架构平衡功耗与性能

基于这一器件架构，团队已成功制备PIS阵列硬件，可高效完成低功耗粗分类任务，同时胜任复杂视觉任务的前端预处理工作。为进一步优化性能，团队还设计了PIS前端与近传感器处理（PNS）后端协同的混合架构：常规工况下以低功耗PIS模式执行简单特征提取，检测到感兴趣区域时，再切换至高性能PNS模式完成精细处理，为边缘视觉系统提供了高效可控的运算解决方案。

成果支撑：跨校协作获多方基金资助

据悉，该研究工作得到国家自然科学基金、河北省自然科学基金、北京市自然科学基金、北京工业研究院研究发现项目及科学基金会博士后项目的联合资助。

从实验室的材料创新到可落地的架构设计，北理工团队的这项成果不仅填补了全光编程传感运算领域的技术空白，更搭建起基础研究与产业应用之间的桥梁。随着技术的持续迭代与转化，未来有望深度融入智能终端、自动驾驶感知系统、智能安防监控等多元场景，让边缘视觉计算更高效、更节能，为人工智能物联网产业的高质量发展注入持久动力。