中科大发明超级二极管技术，或颠覆手机摄像头和机器人眼睛

除了发光、探测和作为开关，二极管还能做什么？

发光、探测、开关——这是我们对二极管功能的传统认知。但有没有可能，让这个经典的半导体元件，在一个微小的结构里同时完成更多事情？中国科学技术大学孙海定教授团队的最新研究，给出了一个碘伏性的答案：他们成功研制出一种“三合一”功能的二极管，能同步实现拍照、降噪和识别图案。

这意味着什么？传统上需要多个晶体管、存储单元和复杂外围电路协同才能达成的任务，如今在一个结构简洁的两端二极管及其阵列中就能直接完成。更重要的是，这个过程跳过了繁琐的模数转换和数据搬运环节。

秘诀何在？研究团队通过引入一种新颖的结构，在普通二极管内部巧妙地构建了一个“电子储蓄池”。正是这个设计，让原本功能单一的器件升级为“多面手”。在保持经典二极管简洁架构的前提下，这个新器件不仅能“看”（光感知）、能“记住”（存储），还能“想”（进行初步计算）。

图丨感存算集成智能感知芯片的照片及显微镜图片（来源：受访者）

为了展示其应用潜力，团队构建了一个10×10的二极管阵列。在FMNIST图像识别任务中，该阵列经过原位去噪处理后，识别准确率从不足60%大幅跃升至95%以上，效果堪称显著。

这背后解决了一个核心痛点。想想传统的摄像头工作流程：拍摄照片后，原始数据需要传输到其他专用芯片进行降噪和识别处理。这种数据“搬运”不仅耗费电力、占用空间，更潜藏着隐私泄露的风险。而新型二极管阵列的厉害之处在于，它能够同步完成图像捕捉、噪声过滤，甚至直接对图像进行分类识别，所有流程在本地即可闭环。

图丨孙海定团队（来源：受访者）

其应用前景显而易见。如今许多家庭摄像头需要将视频数据上传至云端进行识别分析。如果摄像头本身就能在本地完成识别，只需上传“识别结果”而非原始视频流，隐私安全性将得到质的提升。

这项技术的另一大优势在于，其制造工艺与主流的互补金属氧化物半导体（CMOS）技术完全兼容。这为其在未来下一代边缘计算视觉终端、类脑计算芯片以及智能机器视觉系统中的应用铺平了道路。据研究团队预测，视觉相机或小型相机模块可能成为最快落地的应用场景，未来有望集成于手机、安防监控、物联网设备、工业检测装备、医疗装置，乃至无人机和机器人之中。

孙海定教授在接受采访时透露：“目前已有公司联系我们，探讨将这种相机用作机器人的‘眼睛’。我们也期待与产业界深入合作，在实现超低功耗和纳秒级响应的基础上，进一步优化成像效果。”

经典元件如何应 AI 时代新需求？

要理解这项突破，不妨先看看其技术背景。中国科学技术大学孙海定教授领导的iGaN实验室，长期深耕于宽禁带III族氮化物（如氮化镓）半导体材料的外延生长、光电器件与集成芯片研究。氮化镓作为节能照明、快充技术和5G基站中的明星材料，其半导体异质结界面会自然形成一层二维电子气，通常具有极高的电子浓度。

团队的积累为此项突破奠定了基础。此前，他们曾在《自然·电子学》上以封面文章形式发表成果，首次提出并实现了基于场效应调制的光电二极管，该技术有望应用于光通信和光逻辑运算领域。

在那项工作中，研究人员通过单片集成方法，在氮化镓基紫外发光二极管上构建了三端口结构，使其既能作为可调谐光发射器，也能用作多功能光电探测器。在光通信中，这种“三电极”设计有助于减小寄生电容，将带宽提升高达60%；在逻辑运算方面，无需改变器件结构就能实现NAND、NOR等多种光控逻辑门。这种新颖架构为发展下一代高速、小型化、多功能光电集成芯片提供了有力推动。

（来源：Nature Electronics）

更早之前，发表于《自然·光子学》的研究中，该团队制备出了国际上首个微型紫外光谱成像芯片。该芯片在新型氮化镓基级联光电二极管架构上，深度融合了深度神经网络算法，实现了高精度光谱探测与高分辨率多光谱成像的融合，探测速度达到纳秒级，而成本有望降低99%。

这项研究填补了微型光谱仪在紫外波段的技术空白，展示了在紧凑型便携光谱分析、快速光谱成像芯片、高通量实时生物分子检测以及片上集成传感等多个领域的应用潜力。

图丨微型光谱仪覆盖光谱波段（来源：Nature Photonics）

老树开新花：将感知、储存、计算功能同时塞进二极管

在传统半导体领域，常见的p-n结二极管功能往往非常单一：要么用作光电探测器，要么用于整流或发光。随着人工智能技术的飞速发展，感存算一体化的AI计算芯片备受关注，但多数现有方案仍需依赖多种器件或复杂的异质集成。

正是洞察到基础元件功能单一与市场多元化需求之间的矛盾，研究团队提出了一个大胆的设想：能否彻底革新传统二极管，赋予它更强大的智能功能？

要让芯片同时具备感知、存储和计算能力，传统思路无外乎两种：要么增加第三甚至更多电极端口；要么在二极管周围集成复杂的电路，例如像CMOS图像传感器那样，为每个像素配备多个晶体管。这些方法虽然可行，但代价是硬件复杂度、芯片面积和功耗的显著增加。

（来源：Nature Electronics）

凭借在氮化镓领域的深厚积累，研究团队另辟蹊径，提出了一种全新的解决方案。他们没有选择堆叠复杂结构，而是在二极管内部进行了巧妙的“改造”。具体来说，研究人员在硅衬底上，利用分子束外延技术垂直生长出具有p-GaN/n-AlGaN/n-GaN独特结构的二极管阵列。

其中的创新设计在于，在传统的p-GaN/n-GaN结之间，插入了一段宽禁带的n型AlGaN层。这相当于通过精密的能带工程，在器件内部建造了一个“电荷储蓄池”。其优势在于，当光线照射时，产生的光生载流子中的电子可以被捕获并存储在这个“池子”里；当需要时，再通过施加外部电压将其提取出来。

孙海定教授用一个生动的类比解释道：“这类似于太阳能电池的原理，阳光照射电池板产生电流。但我们的能带工程策略更进一步，不仅是‘发电’，还能把‘电’存进‘储蓄池’，随时按需释放。”

（来源：Nature Electronics）

实验测试表明，这种新型二极管展现出三种可切换的工作模式，只需改变施加的电压即可实现模式转换。

第一种模式相当于自供电的光电探测器。在零偏压状态下，器件对265nm紫外光的响应度达到10.45mA/W，且光电流随光强增强呈线性变化。当施加较小的正向偏压时，“储蓄池”开始缓慢释放储存的电子，产生类似于生物神经突触的行为。

当使用成对的光脉冲刺激器件时，会观察到一种“双脉冲易化”效应：第二次脉冲引发的兴奋性突触后电流明显高于第一次，二者比值最高可达122%。

关键在于，这种突触行为具有时间依赖性。光脉冲间隔越短，易化效应越明显；如果间隔时间过长，电流则会逐渐衰减回原始水平。孙海定指出：“这正是神经网络处理时序信息的基础。”

第三种模式则更加有趣。研究人员先在零偏压下用光脉冲照射二极管，将“储蓄池”填满电子后关闭光源。他们发现，这些电子并未立即消失，而是被稳定地锁存其中。随后，只需施加一个微小的读取电压脉冲，就能将这些存储的电子读出，形成与先前光剂量近似成正比的电流信号。

实验中，研究人员对比了不同次数写入光脉冲的效果（对应State 0-7），成功在同一器件上实现了8个线性度良好的电流状态。结果显示，这些状态不仅稳定、可重复，还能通过施加反向电压脉冲进行擦除，具备了非易失性存储的特性。

据团队回忆，这项研究最大的挑战在于工艺的一致性。在实验室里制备出单个能工作的器件或许不难，但要做出一个10×10的阵列，并确保每个像素性能稳定、均一，且能独立控制，则困难得多。

经过漫长的工艺摸索和器件优化，理想的效果才得以实现：在50次读写循环后，电流漂移小于5%；在长达3000秒的稳定性测试中，电流波动被控制在1%以内。

可能是 AI 硬件的一次路径替代

传统相机的工作路径是：CMOS传感器感应光信号，经由电路和CPU处理转换为电信号，再经过放大等处理最终形成图像。在这项研究中，团队展示了一个作为相机原型的技术验证——10×10的视觉芯片。

它与传统相机的根本区别在于，在输入光信号后，无需依赖外部元件、复杂电路系统或CPU处理，就能自动对图像进行降噪。孙海定教授强调：“我们对图像进行简单分类后，直接利用芯片本身感存算一体的内部运算能力，即可实现图像分类。这项技术的重大突破在于，仅通过二极管阵列就实现了以往只有忆阻器才具备的光学写入、电学读取和电学擦除功能。”

该研究为感存算一体芯片领域提供了一条相对简洁的实现路径。从产业化角度看，与许多尚在实验室阶段的二维材料或钙钛矿相比，氮化镓本身已是成熟的半导体材料体系，广泛应用于LED、功率器件和射频器件中。在现有成熟工艺的基础上，通过新型结构设计就能让二极管焕发新功能，这无疑是“老树开新花”，也为该技术从实验室走向大规模产业化奠定了坚实基础。

（来源：Nature Electronics）

相关研究成果以《面向神经形态图像传感器的单二极管集成光感知、记忆与处理功能器件》为题，发表在《自然·电子学》上。

中国科学技术大学博士研究生罗远旻、陈炜、余华斌博士和汪丹浩博士为论文共同第一作者，孙海定教授为唯一通讯作者。合作团队还包括加拿大麦吉尔大学、澳大利亚国立大学、浙江大学、英国剑桥大学及武汉大学等机构的研究人员。

图丨相关论文（来源：Nature Electronics）

这项技术不仅限于氮化镓材料，未来还有望拓展至砷化镓、磷化铟等传统化合物半导体。据悉，研究团队已就相关技术申请专利。目前，他们正与产业界积极沟通，计划进一步推进器件的小型化和像素分辨率的提升，并致力于实现芯片的规模化量产。在学术层面，团队也将继续探索创新。

图丨刘胜院士（左）指导孙海定（来源：受访者）

孙海定教授分享了他的科研理念：“我在本科和硕士阶段学习时，导师刘胜院士就时常告诫我们，不能只会发论文。这句话我一直铭记于心。当我成立自己的课题组后，我也对团队成员强调，我们的技术既要能上得了书架（发表高水平论文），也要能上得了货架（实现产品转化）。希望我们的技术能早日转化为真正实用的产品。”

这项研究为我们揭示了一种新的可能性：未来的智能设备或许可以不再单纯依赖集中式的算力，而是自身就携带了分布式的、本地的智能。

参考资料

1.Luo, Y., Yu, H., Wang, D. et al. A single diode with integrated photosensing, memory and processing for neuromorphic image sensors. Nat Electron 9, 404–413 (2026). https://doi.org/10.1038/s41928-026-01588-2

2.Memon, M.H., Yu, H., Luo, Y. et al. A three-terminal light emitting and detecting diode. Nat Electron 7, 279–287 (2024). https://doi.org/10.1038/s41928-024-01142-y

3.Yu, H., Memon, M.H., Yao, M. et al. A miniaturized cascaded-diode-array spectral imager. Nat. Photon. 19, 1322–1329 (2025). https://doi.org/10.1038/s41566-025-01754-6

排版：刘雅坤

注：封面/首图由 AI 辅助生成