具有感知和認知能力的可穿戴人工智能（AI）傳感器在健康監測方面引起了人們的極大興趣。開發功能高效、能耗與人腦相似的自供電人工智能傳感器至關重要。物理儲層計算（PRC）利用物理現象來模擬大腦功能，為節能架構提供新的解決方案。然而，使用PRC開發使用靈活的一次性傳感器并能夠以亞秒響應時間處理生物應用的光信號，仍然是一項挑戰。近期，研究人員使用納米纖維素和氧化鋅（ZnO）納米顆粒開發出一次性、柔性紙基光電器件，用于實現物理儲層計算。

這種由東京理科大學（Tokyo University of Science，TUS）研究人員開發的柔性紙基傳感器的功能與人腦類似。在人腦中，信息通過突觸在神經元網絡中傳輸。每個神經元獨立處理信息的能力允許同時處理多個任務，使大腦比傳統的計算系統更有效率。

為了模擬這種能力，研究人員設計了一種光電人工突觸器件，該器件由位于10μm透明膜（材料成分是ZnO納米顆粒和納米纖維素）之上的金電極組成。該透明膜允許光通過，使人工突觸器件能夠處理表示各種生物信息的光學輸入信號。

此外，纖維素納米纖維賦予透明膜柔性，并且可以很容易通過焚燒處理。此外，ZnO納米顆粒具有光響應性，并在暴露于脈沖紫外光和恒定電壓時產生光電流。這種光電流模擬了人腦中突觸傳遞的反應，使該器件能夠解釋和處理從光學傳感器接收的生物信息。

值得注意的是，該器件可以區分4位輸入光脈沖，并響應時間序列的光輸入產生獨特的電流，亞秒響應時間對監測健康信號至關重要。此外，當暴露于兩個連續的光脈沖時，第二脈沖的電流響應更強。這一功能被稱為后增強促進，有助于大腦的短期記憶過程，并提高模式識別能力。研究人員通過將MNIST圖像（一個手寫數字的數據集）轉換為4位輸入光脈沖，然后用這些脈沖照射薄膜并測量電流響應來測試這一點。使用這些數據作為輸入，神經網絡以88%的準確率識別手寫數字。研究人員還通過重復彎曲和拉伸測試驗證了該器件的耐用性，即使在1000次循環后也沒有發現識別能力的損失，從而證明了其彈性和在人體健康監測應用中重復使用的潛力。

領導這項研究的東京理科大學副教授Takashi Ikuno說：“我們開發了一種由納米纖維素和ZnO納米顆粒組成的紙基光電突觸器件，用于實現物理儲層計算。這種器件在合適的時間尺度上表現出突觸行為和認知任務，可用于人體健康監測。”

審核編輯：劉清