编辑推荐：
本文系统性地综述了场效应晶体管在人工视觉神经形态系统领域的最新研究进展。面对冯·诺依曼架构在算力和能效方面的瓶颈，作者阐述了如何以FET为核心平台，通过其优异的光电可调性、机械柔性和低功耗特性，模仿人眼（视网膜）到视觉皮层的生物视觉处理通路。文章深入探讨了构建此类系统所需的关键半导体材料（如无机氧化物、有机半导体、二维材料、有机-无机杂化钙钛矿）、多种核心FET架构（FGFETs、FeFETs、OECTs、EGTs）及其工作机制，并详细分析了这些器件在模拟生物视觉功能（如短/长期可塑性、颜色识别、动态适应）以及实现阵列和交叉架构进行视觉感知计算方面的应用。最后，对当前的技术挑战和未来发展前景进行了讨论，为下一代仿生电子与智能感知系统的设计提供了重要参考。
在人工智能与数据爆炸式增长的时代，传统计算机的“大脑”——冯·诺依曼架构，正因其计算与存储单元分离导致的“交通拥堵”而步履维艰。与之形成鲜明对比的是，人脑，尤其是人眼，能以极低的能耗（1-100飞焦）无缝处理复杂的视觉信息。受此启发，科学家们致力于开发“人工视觉神经形态系统”，旨在将“看见”与“理解”融为一体，而场效应晶体管（FET）正是实现这一愿景的明星平台。
FET的分类与构建基石
FET之所以备受青睐，源于其三端结构（源极、漏极、栅极）能像生物突触一样，通过栅极独立、精确地调控沟道电导，从而模拟学习与记忆。实现高性能视觉神经形态FET，需要两大核心要素的协同：半导体材料构成“感光视网膜”，而介电层结构则决定了“信息处理”的机制。
首先看半导体材料。它们不仅需要高速传输电荷，往往还需直接感应光线。文档梳理了四类主流材料：其中，无机氧化物（如a-IGZO）拥有高迁移率和良好的均匀性，适合大规模集成阵列，其宽禁带特性对紫外光敏感。有机半导体分子结构可调，能响应特定波长的光，且具备优异的柔性和溶液加工性，便于制造可穿戴设备，但其载流子迁移率较低，稳定性是挑战。二维材料（如MoS2、黑磷）凭借原子级厚度和超高表面灵敏度，能构建极高密度的仿视网膜器件，但大面积高质量制备困难。有机-无机杂化钙钛矿集高效光吸收与可迁移离子于一身，能在一个器件内同时完成感光和“记忆”（电导调制），堪称“感算一体”的理想候选，然而其稳定性和毒性问题亟待解决。
介电层的选择则塑造了FET的“性格”，催生出四种主力架构：
- •
浮栅场效应晶体管：其核心是在介电层中嵌入一个“浮栅”，用于捕获和存储电荷。注入的电荷会产生电场，长期改变晶体管的开关阈值，从而模拟长期记忆。通过优化浮栅材料（如MXene、量子点）和器件结构（如双浮栅、范德瓦尔斯异质结），可以显著提升其存储性能和柔韧性。
- •
铁电场效应晶体管：使用铁电材料（如HfO2、P(VDF-TrFE)）作栅介质。外加栅压可翻转其自发极化方向，并在撤去电压后保持，从而非易失地调控沟道，且功耗极低。将铁电性与光敏材料（如α-In2Se3）结合，可实现感光、存储与逻辑的“三位一体”。
- •
有机电化学晶体管：其工作机制最接近生物突触，依靠电解质中的离子在栅压驱动下进入/退出有机半导体沟道，引发体积掺杂/去掺杂，从而改变电导。这种离子-电子混合传导机制非常适合模拟生物神经的信号传递，且在柔性、生物兼容性方面优势突出，可直接与生物组织或光敏水凝胶集成，实现颜色感知等功能。
- •
电解质栅场效应晶体管：利用电解质/半导体界面形成的双电层电容，在超低电压下产生极强的栅控能力，实现高效节能。通过调控电解质中的离子迁移，可以模拟视觉适应、经验依赖可塑性等高级功能。
从器件到系统：模拟生物视觉通路
生物视觉是一个从视网膜预处理到视觉皮层高级分析的精密流水线。基于FET的神经形态视觉系统，正沿着这条通路逐级复现其功能。
在视网膜级处理方面，FET阵列可模仿视网膜的“侧抑制”效应，即增强图像边缘、抑制均匀背景。例如，利用具有双向整流特性的MoS2浮栅器件，可以构建“中心兴奋-周边抑制”的感受野，直接实现对图像轮廓的增强提取。FET还能模仿视网膜的明暗适应功能。通过器件的负光电导效应或离子迁移动力学，系统可以根据环境光强自动调整灵敏度阈值，就像人眼从亮处进入暗处时会逐渐看清物体一样。
在颜色与特征识别层面，FET展现了强大的可编程性。通过在浮栅中引入光响应有机分子，其偶极矩会在不同颜色光照射下改变，从而使器件对红、绿、蓝光产生差异化的电导响应，实现RGB三原色区分。更有趣的是，铁电FET可以通过预设铁电极化方向，实现对特定波长光的“选择性注意”，比如在复杂场景中优先提取短波（蓝）信号，从而大幅提升后续图像分类的准确率。
高级学习与感知功能也在FET上得到实现。例如，IGZO电解质栅晶体管能够模拟“Bienenstock–Cooper–Munro学习规则”，即神经元的反应阈值会随着其历史活动水平滑动。这使得器件能进行经验依赖的学习，可用于图像边缘检测和数据压缩。有机电化学晶体管阵列则展示了面部识别的能力，每个突触单元都能独立记忆光诱导的电流变化，通过阵列的并行处理实现模式识别。
迈向集成化：阵列与交叉架构
单个突触器件的演示只是第一步，真正的智能视觉需要将它们高密度集成。交叉阵列架构是主流方向，其行、列电极互联的结构天然适合并行计算。一项里程碑工作展示了基于MoS2光FET的32x32交叉阵列处理器。这个阵列具有双重身份：作为前端，它是一个有源像素传感器，捕获光学图像；作为后端，它被重配置为一个模拟卷积神经网络，光编程的电导值充当突触权重，直接在阵列上完成乘加运算，对捕获的图像进行分类，实现了“感算一体”。另一项工作利用具有超晶格栅的IGZO-FET构建了20x20光子神经形态平台，能实现超过8比特精度的272个稳定电导状态。将其中的3x3子阵列配置为硬件卷积核，可在模拟域直接提取图像特征，无需经过高能耗的模数转换，在视觉Transformer框架中取得了优异的分类效果。
挑战与未来展望
尽管前景广阔，FET视觉神经形态系统走向实用化仍面临诸多挑战。材料与器件层面，有机和钙钛矿材料的长期稳定性、二维材料的大面积均匀制备、铁电材料的疲劳与保持特性等问题尚待攻克。集成与系统层面，器件之间的性能差异会引入固定模式噪声，密集阵列中的漏电流和信号串扰会严重影响计算精度，如何设计与FET阵列高效匹配的外围读写电路也是一大难题。此外，现有工作多在器件或小规模阵列层面验证功能，缺乏大规模、完整系统级的演示。
未来，该领域的发展将围绕以下几个方向：开发兼具高性能、高稳定性和环境友好性的新材料体系；创新器件结构，进一步提升能效比、线性度和对称性；发展面向神经形态计算的专用集成工艺，攻克高密度三维集成技术；设计更先进的算法和架构，以充分发挥“感算一体”硬件的潜力；最终，推动其在机器人视觉、自动驾驶、智能监控、可穿戴医疗设备以及脑机接口等领域的实际应用。通过跨学科的持续努力，基于FET的仿生视觉芯片有望为我们开启一个真正“眼明心亮”的智能新时代。
