近红外（NIR）光子探测与目标识别是自动驾驶、夜间监控和战术侦察等领域实现全天候目标识别的关键技术。然而，传统近红外探测系统受限于分立式架构与冯·诺依曼瓶颈，普遍存在能效低、信号传输延迟大等问题。利用红外敏感型易失性忆阻器构建的人工感知神经元，为实现低功耗实时高效处理的神经形态红外感知器件提供了新途径。

近日，中国科学院深圳先进技术研究院材料人工智能研究中心王佳宏团队在光电忆阻器领域取得新突破，在材料学术期刊Advanced Materials上发表了题为“2D Vanadium Carbide/Oxide Heterostructure-Based Artificial Sensory Neuron for Multi-Color Near-Infrared Object Recognition”的研究论文。该研究通过拓扑化学转化法开发出一种同时具备近红外响应特性和易失性电阻开关行为的二维碳化钒/氧化钒异质结构。基于该异质结构的忆阻器不仅在数千次循环中表现出稳定的阈值型电阻切换（RS）行为，而且具有近红外光功率强度和波长的阈值电压调制能力，可以实现人工感知神经元生物行为模拟。通过与YOLOv7算法结合构建用于多波段红外目标识别的人工神经网络（ANN），实现对FLIR数据集上多种目标物体的检测与识别（图1）。

研究团队提出“新型红外响应光电忆阻器设计”新思路，工作亮点如下：

多功能界面融合二维异质结构：通过对V₂CT_x进行精确控制的温和氧化拓扑化学转化，成功合成了具有多功能界面融合的V₂C/V₂O_5-x二维异质结构。该结构通过金属性的V₂C与富含氧空位的介电材料V₂O_5-x相结合，利用V₂O_5-x和V中空位扩散以及异质结界面处的V-O键重排，实现了忆阻器阈值型易失性电阻开关能力与近红外响应特性（图2）。

卓越的多色近红外响应易失性型忆阻器：V₂C/V₂O_5-x忆阻器展现出稳定的阈值型易失性特性，其转变电压的变异系数低至1.62%和1.7%。研究还发现，通过调节785nm至1550nm波段的近红外光功率密度与波长，可有效调控该忆阻器的阈值电压，模拟生物神经元的动态行为（图3）。

复杂驾驶场景中关键物体的精准检测与识别：将V₂C/V₂O_5-x忆阻器构建的人工感知神经元系统结合YOLOv7算法模型构建人工神经网络架构，在FLIR数据集上对智能驾驶场景中汽车和行人的平均识别准确率可以达到87.7%和89.6%，展现出在复杂环境下的感知潜力（图4）。

这项工作不仅提出了一种新型红外响应光电忆阻器设计思路，更展示了​​神经形态计算与近红外感知融合​​的可能性。这种融合架构有望显著提升边缘计算设备的实时处理能力，为自动驾驶、智能安防等领域提供更高效、低功耗的超视觉感知解决方案

中国科学院深圳先进技术研究院材料人工智能研究中心王佳宏副研究员为论文唯一通讯作者，渠源多博士及郝梦娣硕士研究生为论文共同第一作者。研究获国家重点研发计划、国家自然科学基金、广东省自然科学基金杰青项目、深圳市科技计划等项目支持。

图1 | 基于二维碳化钒/氧化钒异质结构的人工感知神经元实现多色近红外目标识别示意图

图2 | V₂C/V₂O_5-x异质结构制备示意图和结构表征

图3 | Au/V₂C/V₂O_5-x/ITO光电忆阻器的阈值转换特性及近红外光响应能力

图4 | 基于人工神经元的红外目标检测与识别神经网络系统