Scholay

学术搜索 · AI 审稿 · LaTeX 协作

Nature Communications:铁电-半导体晶体管把视听融合前移到器件层

顶级刊物论文速递 · 发布 2026-06-20T16:11:00+08:00 · 更新 2026-06-20T16:17:25+08:00

核心结论

Nature Communications 6 月 20 日上线北京大学、南京航空航天大学、南京大学等团队论文,展示基于 Bi2O2Se 的铁电-半导体场效应晶体管可在器件层完成类脑视听多感官融合。研究报告了超加性、弱输入重加权和长时间时间一致性等神经原则,并在忆阻器芯片脉冲神经网络中实现 98.2% 模糊物体识别准确率。它的意义在于把多模态 AI 的融合问题部分转向物理器件机制,但仍处早期样机验证阶段。

Nature Communications 6 月 20 日发表 “Biomimetic ferroelectric-semiconductor transistor enables neuronal multisensory integration”,DOI 为 10.1038/s41467-026-74648-y。论文作者来自北京大学集成电路学院、南京航空航天大学集成电路学院、南京大学固体微结构全国重点实验室等机构,页面显示该稿件当前为 Springer Nature 提供的未编辑早期访问版本。

研究聚焦一个多模态智能的硬件瓶颈:视觉、听觉等信息通常在算法层做融合,计算成本和能耗会随模态增加而上升,也难以自然复现生物神经系统的多感官整合原则。团队使用 Bi2O2Se 铁电-半导体场效应晶体管,通过多物理耦合在器件层实现类视听输入整合,报告了 2800% 的超加性整合因子、符合“弱输入更易被增强”的逆有效性重加权,以及超过 10^3 秒的时间一致性窗口。

论文进一步把器件配置进忆阻器芯片脉冲神经网络,展示感官突触可塑性、群体编码脉冲和贝叶斯最优融合,并在模糊物体识别任务中达到 98.2% 准确率,超过常规融合算法基线。这个结果的传播性不只在于单个器件指标,而在于提出一条“物理动态参与计算”的路线:让材料和器件本身承担部分多模态融合,而不是把所有融合负担留给数字后端。

对神经形态计算、边缘 AI 和感知芯片研究者来说,这类工作提供了更靠近硬件原语的多模态融合样机。它可能影响低功耗机器人、可穿戴感知和端侧智能传感器的设计思路。不过,论文仍属于实验器件和特定任务验证,距离可制造阵列、长期稳定性、跨任务泛化和与 CMOS 工艺的大规模集成还有明显工程距离;后续重点应看器件一致性、写入耐久度、系统级能耗和更多真实多模态数据集测试。

信息来源

可信度说明

来源为 Nature Communications 正式论文页,含 DOI、作者机构、摘要、资金信息和开放获取许可,证据强度高于机构新闻稿。但页面标注为未编辑早期访问稿,正文细节仍以最终排版版本为准;性能数字来自作者实验,尚需独立复现和系统级基准验证。

同主题情报