【儀表網 研發快訊】傳統馮·諾依曼架構的“存算分離”模式在物聯網(IoT)實時數據處理中面臨效率瓶頸，尤其對低功耗、高響應的邊緣計算場景適應性不足。基于互補金屬氧化物(CMOS)半導體技術的傳統成像傳感器主要依賴于可見光檢測，但這容易受到環境光和強度變化的影響。這種依賴性限制了它們在光線不足的條件下的功能，降低了它們在各種應用中的可靠性。當前紅外傳感技術受限于材料窄帶隙、復雜制備工藝及可見光依賴性問題，難以滿足暗光環境下的高性能需求。本研究提出一種基于碲(Te)納米網的光熱電(PTE)傳感器，通過紅外光驅動的原位計算，實現了傳感與處理的深度融合，為下一代邊緣智能設備提供了新范式。
 

　　為了解決這一問題，香港城市大學何頌賢教授團隊聯合湖南大學孟優教授團隊創造性地開發出了一種從可見光到紅外波長的寬帶光譜檢測，通過利用傳感器固有的光響應特性，該系統消除了對傳統基于CMOS的成像系統中通常所需的外部處理單元的需求。1D Te原子鏈中的多尺度范德華(vdWs)相互作用，從而在聚合物聚酰亞胺(PI)基底上沉積了光熱電(PTE)Te納米網。自焊接工藝使連接良好的Te納米網能夠橫向氣相生長，并且具有強大的電學和機械性能，包括在紅外光條件下PTE響應度120 V W−1。利用PTE操作，研究了熱耦合雙向光響應，以證明邊緣計算傳感卷積網絡的原理證明。這項工作提出了一種組裝功能性vdW Te納米網的可擴展方法，并強調了其在PTE圖像傳感和卷積處理中的潛在應用。該研究以題為 “Infrared In-Sensor Computing Based on Flexible Photothermoelectric Tellurium Nanomesh Arrays” 的論文發表在最新一期的《Advanced Materials》上。
 

　　【基于Te納米網的視覺處理成像系統】
 

　　以人類視覺系統為靈感，利用傳感內計算架構的仿生設計思路，通過集成“感知-處理”功能模擬生物視覺的高效性，為后續紅外圖像處理提供理論框架。通過對Te納米網陣列的高對稱性雙向光響應支持構建卷積核，對不同的特征進行了提取，有效地捕獲邊緣、紋理和空間模式，這種集成傳感計算框架為全文的“傳感-計算一體化”的創新架構奠定了理論與實驗基礎。元素Te晶體由排列成六邊形陣列的鍵合原子螺旋鏈組成，并且在柔性基底PI上所生長的Te納米網具有良好的彎曲性能。
 

圖1. 視覺成像系統以及基于Te納米網的柔性陣列對紅外的光熱響應成像
 

　　【多尺度vdWs生長技術】
 

　　研究團隊采用多尺度范德華(vdWs)生長技術，在大氣壓和較低溫條件下，通過氣相沉積實現了Te納米網的可控合成。Te原子鏈通過vdWs相互作用橫向擴展，并自發焊接 形成連續網絡結構。這一工藝不僅避免了傳統高溫退火對柔性基底的損傷，還直接兼容聚酰亞胺(PI)等聚合物材料，顯著提升了器件的柔性與適應性。利用掃描 電子顯微鏡(SEM)觀察其表面形貌，得到了它的表面形貌納米網密度達4.2 μm?²，納米線直徑約150 nm，自焊接節點有效降低了界面電阻，并賦予器件優異的機械穩定性。通過X射線衍射(XRD)和拉曼光譜分析，證實Te納米網具有六方晶系結構，其螺旋鏈沿c軸排列，并且XRD證實(0003)峰缺失，符合vdWs層間弱鍵合特性。二次諧波(SHG)信號在532 nm處的顯著峰則源于非中心對稱晶體結構的非線性光學特性。
 

圖2. Te納米網的合成與表征
 

　　【Te納米網器件的光熱電性能與工作機制】
 

　　為了反應Te納米網優越的光熱電響應性能，對其光電壓和光電流做出了測試，并且通過器件光電流光譜圖，得出了光電壓的正負精確數據以及通過移動紅外光源位置所產生了類似于正光電壓(PPV), 零光電壓(ZPV)和負光電壓(NPV)的效果。在器件性能方面，Te納米網的光熱電響應機制由Seebeck效應主導。紅外光(1550 nm)照射引發局域溫升(ΔT≈64 K)，驅動載流子遷移并生成光電壓，其塞貝克系數高達356 μV·K?¹，表明材料以空穴為主要載流子(p型特性)。通過調節光斑位置，器件可逆切換正負光電壓(± 10 mV)，為卷積核權重的動態編程提供了物理基礎。關鍵性能指標顯示，該器件在1550 nm波段下的響應率達120 V·W?¹，遠超銻化銦(InSb)和硒化鉍(Bi?Se?)等傳統材料。盡管器件覆蓋可見光至紅外波段，但紅外響應效率更為突出(可見光波段響應率<50 V·W?¹)，這源于紅外光子與材料分子振動模式的高效耦合。同時對在柔性基底Te納米網進行了響應時間測試，彎曲測試，長期穩定性測試和運行穩定性測試，均展現出優越的性能。
 

圖3. Te納米網器件的光熱電性能與工作機制
 

　　【傳感器內計算架構與應用】
 

　　在應用層面，Te納米網的獨特雙向光響應特性被轉化為硬件級卷積運算能力。通過空間光強編碼(????)與光電壓輸出(?????=∑????????)的直接映射，研究團隊實現了3×3拉普拉斯算子的邊緣檢測功能。這種傳感內計算架構消除了傳統系統的數據搬運需求，顯著提升了能效與實時性。潛在應用場景涵蓋自動駕駛(暗光環境下的障礙物識別)、工業檢測(低照度產線缺陷監控)、智能安防(無光源入侵檢測)及醫療成像(低干擾紅外生物特征捕捉)等領域。
 

圖4. 使用PTE陣列作為卷積核，展示了通過仿真和實驗結果得到的圖像
 

　　【總結】
 

　　本研究采用化學氣相沉積(CVD)的方式在常溫下得到了自焊接的Te納米網，通過其獨特的光熱電響應行為和改變可見光照射位置，得到了正光電壓，負光電壓和零光壓，從而用作構建高效卷積核，對不同的特征進行了提取，有效地捕獲邊緣、紋理和空間模式，因而使得性能優異的Te納米網光熱電探測器更接近實際的應用。該技術可通過多波段協同感知擴展至中遠紅外領域，開發高密度器件陣列以支持復雜算法嵌入，并與可穿戴設備結合推動無源健康監測。這一研究不僅為邊緣智能提供了低功耗、高魯棒性的解決方案，更可能創新物聯網與人工智能硬件的底層架構，促進傳感與計算深度融合。