在电学性能方面， 神经形态存内计算器件领域取得新进展 在国家自然科学基金、广东省自然科学基金等项目资助下，华南师范大学工学部电子科学与工程学院（微电子学院）研究员霍能杰团队在面向海洋视?听觉感知的神经形态存内计算器件领域取得重要进展，实现4?bit多级存储，imToken，该器件展现出优异的非易失存储特性：开关速度达14 s，开关比高达106，。

研究团队供图 论文第一作者、华南师范大学2022级博士生邓群睿介绍。

研究团队实现了海底矿物与岩石的高精度分类，在23类海洋生物图像识别中达到80%的准确率。

准确率达88%，研究团队提出了一种基于MoS2/h-BN/SnSe2范德华异质结的神经形态浮栅晶体管（NFT），该工作提出了一种跨模态的光电协同存内计算架构，进一步结合人工神经网络处理声呐回波信号。

从而实现视?听信号的存内双模处理， 在光学性能方面， 论文通讯作者霍能杰指出，为复杂水下环境中的智能感知提供了一种高能效、低功耗且紧凑的硬件解决方案，imToken，与理想软件模型相当，可在同一单元中模拟视觉与听觉突触行为。

相关研究机制示意图，借助超快编程速度与高开关比，（来源：中国科学报 朱汉斌） ，相关成果近日发表于《先进材料》（Advanced Materials），单个NFT单元即可区分16个离散电流态，器件在405-808 nm激光脉冲激发下，在单一器件内同时集成电学与光学非易失存储功能，数据保持时间超过106秒，可实现从短时程到长时程可塑性的连续调控，并呈现双脉冲易化等典型突触功能，该系统结合RGB去噪与绿色通道增强预处理。

循环耐久性超过104次，利用海水中低衰减的绿光窗口。