1 工作简介

         ——高分辨焦平面阵列神经形态成像芯片

随着人工智能、自动驾驶与工业智能化发展，视觉系统需从静态图像采集扩展至对动态场景的实时感知与理解。传统成像采用“先采集后处理”的架构，在应对高速变化场景时，面临数据冗余大、处理延迟高、能效低等挑战。尤其在工业监测、无人系统等领域，瞬态事件（如电火花、快速移动目标）的捕获与轨迹提取尤为困难，传统方案依赖高帧率拍摄与复杂算法，导致系统功耗与数据处理负担沉重。

受生物视觉系统启发，神经形态视觉技术应运而生，其核心在于将感光与信息预处理功能集成于传感器内，实现“感存算一体”。该系统模仿视网膜机制，在像素层级完成时空信息的提取与整合，从而大幅降低数据量与后端处理复杂度。然而，现有神经形态视觉器件多局限于单点或小规模阵列研究，在分辨率、稳定性及与标准半导体工艺集成方面存在明显不足，难以实现高分辨率、实用化的成像应用。尤其是有机神经材料与硅基CMOS工艺的高效结合，成为制约该技术走向大规模应用的关键瓶颈。

在此背景下，北京理工大学唐鑫团队取得重要突破，成功研制出国际首款640×512像素CMOS集成有机神经形态成像芯片及模组，实现了从单点模拟走向高分辨率焦平面阵列的跨越。团队同时开发了与CMOS工艺完全兼容的非破坏性光刻方法，实现了有机体异质结材料的高分辨率图案化，分辨率达微米级，并成功将神经形态单元大规模集成于硅基读出电路上，构建出包含超过32万像素的焦平面阵列。这一成果突破了以往神经形态器件仅能用于单点测试或小规模仿真的局限，首次实现了真正意义上的高分辨率、阵列化神经形态成像。

相关成果以“CMOS-integrated organic neuromorphic imagers for high-resolution dual-modal imaging”为题，于2025年4月23日发表于《自然･通讯》（Nature Communications, 2025, 16: 4311）。

2 主要作者简介

通讯作者

唐鑫，中央民族大学理学院教授/院长，北京理工大学教授。入选中国科协青年人才托举工程、中关村U30等计划。

主持国家自然科学基金重点项目、国家重点研发计划、科技委重点基金、北京市科技计划重点项目等国家及省部级科研项目。研究方向为量子点红外探测及成像技术，先后获得吉林省技术发明一等奖、中国光学工程学会技术发明一等奖、中国计量测试学会科学进步奖一等奖、中国十大光学产业技术（光学类）、全国颠覆性技术大赛优胜奖、中国光学工程学会“金燧奖”等科技奖励。以第一或通讯作者发表Nature Photonics（2篇）、Nature Communications、Science Advances、Light：Science & Applications等论文110余篇，出版英文专著一本《Application of Advanced Quantum Dots Films in Optoelectronics》。

通讯作者

瓮康康，北京理工大学光电学院副研究员。

主要从事感存算一体化神经形态器件、有机光光电器件、红外探测器件等研究。先后主持国家自然科学基金青年基金、中国博士后面上基金，特别资助基金等项目；以一作与通讯作者在Nature Communications（3篇）、Science Advances、Advanced Materials、ACS Nano等期刊发表论文15篇，1篇入选ESI高被引、热点论文。

3 原文传递

https://www.nature.com/articles/s41467-025-59446-2