现代人工智能系统在运行时，需要在存储器和处理器之间频繁传输海量数据，这种“存算分离”的架构不仅限制了整体速度，还显著增加了能耗。相比之下，人脑在突触中同时完成信息存储和计算处理，从而实现了高效、低功耗的学习与感知。这种在硬件层面模仿大脑突触机制的尝试，是类脑计算的重要方向，尤其在视觉任务中意义突出，因为人类获取和处理的大部分外界信息都依赖视觉系统。

全光学人工突触的构建

在这一背景下，研究人员提出了一种全光学操作的人工突触器件。与多数仍在某个阶段依赖电信号的方案不同，该器件从输入到状态更新完全使用光信号完成。通过省去光电转换环节，有望进一步降低能耗、减小噪声，并提升处理速度，特别适合与本身依赖光信号的视觉系统集成。

据《Advanced Photonics》报道，这种人工突触基于掺杂稀土元素的晶体材料构建。晶体在光照后会产生持久的余辉，可通过被困载流子的形式记录光学信息。当光激发材料时，一部分载流子立即复合并发光，另一部分则被捕获在陷阱态中，延迟释放。两条发光路径的比例会随照明历史而变化，使得材料能够根据过去的光照情况调整响应强度，从而模拟生物突触随活动历史改变权重的特性。

再现依赖历史的突触可塑性

为了刻画和预测器件的行为，研究团队建立了一个物理模型，用于描述激发载流子的产生、捕获与释放过程。模型表明，先前的光照会改变陷阱位点的占据情况，从而影响后续光信号到来时的响应幅度。这种对历史输入敏感的特性，是大脑短时突触可塑性的关键机制之一，而在该器件中无需任何电控即可实现。

实验中，研究人员验证了两种典型的突触功能。在紫外光照射条件下，器件表现出配对脉冲促进效应：当第二个光脉冲紧接第一个脉冲到来时，输出信号更强。这是因为前一个脉冲已部分填充了陷阱态，使得更多载流子在第二次激发时走向立即发光通道，从而增强响应。

不同波段光照下的双向可塑性

在近红外光照下，器件则呈现相反的行为。第一个光脉冲会释放部分被困载流子，使得第二个脉冲到来时可用的被困载流子减少，导致输出减弱，这种现象被称为配对脉冲抑制。促进与抑制两种效应的共存，使器件能够根据输入模式实现信号增强或削弱，是逼近真实神经突触行为的重要条件。

实验结果与理论模型高度吻合。研究人员进一步展示，通过调节光强、脉冲宽度以及脉冲间隔等参数，可以灵活调控器件的响应特性。额外的测试也证实，观察到的行为主要源自材料内部的陷阱态动力学，而非简单的余辉发射效应，从物理机制层面支撑了这一设计思路。

从光学突触走向类脑相机

为探索实际应用前景，团队将该稀土掺杂晶体与常规硅成像传感器集成，构建了一个类脑神经形态相机原型。在这一系统中，光敏层在成像的同时直接对图像进行预处理。强光信号在材料中产生更持久的余辉，而弱信号和噪声则更快衰减。借助这一差异，器件能够在传感器端实现对比度增强和噪声抑制，无需额外的后端处理步骤。

这种“传感器内处理”显著改善了图像识别性能。研究人员利用测得的光学突触响应特性，对神经网络进行仿真：在内置去噪的情况下，手写数字识别准确率达到 95.99%；若不进行这种基于材料特性的噪声抑制，准确率仅约为 78%。结果表明，将感知与处理紧密集成，相比传统的“先采集后计算”流程，能够在识别任务中获得明显优势。

迈向完全光学计算

目前，该器件的典型响应时间尺度在毫秒到秒之间，速度虽不及主流电子器件，但与生物视觉系统的处理节奏相当。作者指出，通过缩小器件尺寸、优化材料参数等手段，有望进一步提升速度并降低能耗。

这项研究展示了通往完全光学计算元件的一条可行路径：在同一平台上集成感知、存储与计算功能。此类光学类脑系统有望在高效视觉信息处理场景中发挥作用，例如成像系统、智能机器人以及对功耗和响应速度要求严格的边缘设备等。