人工智能（AI）与太赫兹（THz）技术的结合已成为先进计算系统中的一个变革性前沿[1],[2],[3],[4]。AI技术以其自动化效率、自适应学习能力和卓越的计算准确性[5],[6],[7]而著称，已广泛应用于深度学习[8],[9],[10]、机器视觉[11]和大规模卷积数据建模等领域。目前，THz技术已扩展到各种高科技领域[12],[13],[14],[15],[16],[17],[18],[19]，其特点是具有高吞吐量计算能力和与AI驱动学习框架的兼容性。这些应用为开发下一代神经形态THz设备提供了战略平台，标志着THz系统技术发展的一个关键里程碑。然而，传统的THz设备存在由于材料本质限制和结构设计不佳而产生的根本性局限。这些限制导致了诸如操作带宽受限、能源效率不足和数据处理速度不够快等关键性能瓶颈[20],[21],[22],[23],[24],[25]。这些缺点对需要快速复杂计算和动态算法适应性的AI应用非常不利。因此，现有的THz架构无法满足现代THz-AI集成的严格要求，从而阻碍了THz技术的进步。
因此，开发神经形态THz设备面临着重大挑战[26],[27]。一个有前景的解决方案在于创新THz忆阻器，它们作为智能THz系统的核心组件展现了巨大的潜力。与传统受内存-处理器二分法限制的冯·诺依曼架构不同，THz忆阻器可以通过存储接收到的信息并处理初步数据来实现内存内计算，为高效光计算应用提供了范式转变的能力。尽管在电子控制忆阻器方面取得了显著进展[28],[29],[30]，但光调制神经形态THz忆阻器仍大部分未被探索。传统的忆阻器系统通过检测和保留外部刺激（电压、电流或光信号）来模拟突触功能[31],[32],[33]，但遇到了信号串扰、计算延迟、带宽限制和功耗过高等持续挑战[33],[34],[35],[36]。
作为一种突破性进展，新兴的全光控（AOC）忆阻器可以有效解决这些挑战[37],[38],[39],[40],[41],[42]。特别是，AOC忆阻器在各种技术领域展现出广泛的应用前景[43],[44],[45]。通过利用光调制机制，这些设备能够通过低功耗光调制和光输入的固有并行性实现多维光计算。这种架构支持超高速数据传输和处理，这是传统电子计算平台无法实现的。由于THz波的信息传输效率更高，THz忆阻器可以成为下一代光计算系统的关键组件。THz波段的优点与忆阻器神经形态功能的结合为开发节能、高速的智能设备开辟了新途径，以满足AI驱动的计算范式的不断增长的需求。
在这里，我们介绍了一种基于二氧化钒纳米线/聚二甲基硅氧烷（VO2 NWs/PDMS）复合膜的全光控太赫兹忆阻器（AOCTM）。该设备在近红外（NIR）激光照射下显示出95.7%的显著THz调制深度，同时支持多维全光计算架构。值得注意的是，AOCTM表现出光突触可塑性，能够忠实模拟生物突触功能。基于AOCTM，我们提出了一种图像加密系统，以提高全光通信链路的数据安全性。此外，我们的工作在三层人工神经网络（ANN）中，在57%的高斯噪声下实现了93.5%的手写数字图像识别准确率。通过将THz波调制与忆阻器神经形态功能集成，该平台解决了传统电子系统的带宽和能源效率限制，提供了一种可扩展的高吞吐量、低功耗智能光计算方法。此外，这种AOCTM还可以应用于星际通信、安全检测和非破坏性检测等各种智能技术领域。
