第一作者：Linqi Guo
通讯作者：Haoxuan Sun，Abd.Rashid bin Mohd Yusoff ，Liang Li
通讯单位：苏州大学, 马来西亚理工大学
研究亮点：
1.首次突破感内计算器件重构精度瓶颈，实现 1024个可区分状态（10 bits）。
2.提出“极化能量聚焦”策略，解决级联翻转导致的状态数过低问题。
3.构建一个无需计算单元的重构光谱仪，在硬件层面直接实现光谱重建。
一、感内计算器件亟待解决的关键问题
随着自动驾驶、机器视觉与智能终端的迅猛发展，数据处理需求呈指数级增长。传统架构中，传感、存储与计算分离，数据需在不同模块间频繁传输，带来高能耗、高延迟与复杂电路设计问题。感内计算（In-sensor Computing）成为突破方向—将权重存储在传感器内部，实现“边感知、边计算”。然而，一个关键瓶颈长期被忽视：权重调节精度不足。现有基于铁电极化或离子迁移的器件，虽然可实现可重构响应，但状态数通常 < 6 bits。对于高精度任务这远远不够。研究发现：不同极化微区之间存在强耦合，一旦局部翻转，会触发邻近区域级联翻转，导致权重快速饱和，线性和精度严重下降，这是一种普适性的物理限制机制。
二、成果简介
有鉴于此，研究团队针对上述问题，研究团队提出了一种“极化能量聚焦”策略，通过调控铁电材料与光电材料在垂直方向上的成分梯度分布，使极化翻转由无序突发转变为有序渐进传播。具体而言，将铁电聚合物P(VDF-TrFE)与钙钛矿光电材料结合，并通过调节ITO基底表面羟基含量控制其在薄膜中的分布，使铁电组分在底部富集形成梯度结构。在外加极化电压作用下，电场优先集中于底部富集区域，极化从局部区域开始并沿界面逐步向上推进，有效抑制了级联翻转现象，实现渐进式线性调节。基于该策略构建的钙钛矿光电二极管在1.8 V低驱动电压下即可实现1024个可区分响应状态，线性度高达0.999，显著突破了当前感内计算器件的精度上限。
三、结果与讨论
要点1：高精度感内计算器件的设计原理
首先，通过对不同 P(VDF-TrFE) 分布状态器件的响应调节曲线进行对比可以发现，铁电组分均匀分布时，在外加电压脉冲作用下容易产生级联式极化翻转，响应值在少量脉冲后迅速跃迁并趋于饱和，导致可调区间被快速压缩，线性度与可区分状态数受限。而在构建梯度分布结构后，极化过程被限制在底部富集区域并沿界面逐步推进，有效抑制微区之间的耦合翻转，使响应呈现稳定、线性且渐进式变化，显著提升调节精度与状态可控性。
图1高精度感内计算的实现原理
要点2：10 bits器件表征
在最佳器件结构与驱动条件下，该感内计算器件实现了1024个稳定可区分的响应状态，对应10 bits分辨率，显著突破了现有同类器件普遍低于6 bits的精度瓶颈，达到目前报道的最高状态数。统计分析表明，相邻状态之间的响应差值明显大于单一状态的标准偏差，保证了各状态之间具有清晰的区分度与良好的抗噪声能力。同时，在长时间保持测试中，各状态未出现明显漂移或串扰现象，展现出优异的非易失稳定性。在性能方面，器件极化能耗仅为7.2 µJ，有效降低系统功耗，并保持快速动态响应，正负响应上升时间分别约为183 ns和185 ns，能够满足高速视觉与实时计算应用需求。
图2感内计算器件性能表征。
要点3：高精度感内计算器件的应用
进一步的阵列实验表明，该高精度可重构响应可直接映射卷积核权重，实现图像锐化、轮廓增强及Sobel算子等操作。系统分析不同bit数对图像处理效果的影响发现，当状态数低于6 bits时图像严重失真，而当达到8 bits及以上时结果逐渐逼近理想卷积核输出，复杂轮廓检测任务则需要至少9 bits精度。这一结果首次定量证明权重精度直接决定感算性能。
图3高精度感内计算器件用于图像处理
要点4：感内计算器件用于无需计算单元的重构光谱仪
在此基础上，研究进一步构建了无需计算单元的重构光谱仪系统。传统重构光谱仪依赖额外的计算单元完成矩阵求逆与谱重建，存在数据传输延迟和计算瓶颈。本工作通过将钙钛矿阵列的响应矩阵调节为硅探测器响应矩阵的逆矩阵，实现矩阵运算在硬件层面完成。未知光谱经硅探测器阵列采集后转化为电信号，经运算放大器转换为驱动光信号，再输入钙钛矿阵列完成矩阵乘法运算，直接输出重建光谱，实现真正意义上的感知-计算-输出一体化。在400–650 nm范围内实现5 nm分辨率光谱重建，重建误差低于1%，在10 bits配置下相对误差低于3%，显著优于低bit数器件。
图4无需计算单元的重构光谱仪的开发
四、小结
综上所述，本研究系统揭示了感内计算器件精度受限的物理本质，提出极化能量聚焦策略，通过调控铁电-半导体成分梯度分布实现有序渐进极化翻转，成功构建了具有1024个可区分状态和0.999线性度的高精度可重构光电二极管，并首次完成无需计算单元的光谱重建验证。该成果为高精度机器视觉、多维感知系统及重构光学计算提供了关键器件基础，有望推动新一代智能感知与边缘计算技术的发展。
五、参考文献
High-Precision In-Sensor Computing Reaching Up to 10 Bits.Adv. Mat
Doi:0.1002/adma.202519096
https://doi.org/10.1002/adma.202519096
学术交流QQ群
知光谷光伏器件学术QQ群：641345719
钙钛矿产教融合交流@知光谷（微信群）：需添加编辑微信
为加强科研合作，我们为海内外科研人员专门开通了钙钛矿科创合作专业科研交流微信群。加微信群方式：添加编辑微信pvalley2024，备注：姓名-单位-研究方向（无备注请恕不通过），由编辑审核后邀请入群。
热门跟贴