近日，南开大学物理科学学院田建国教授和陈旭东副教授课题组，成功开发了一种创新的可重构分裂浮栅存储器 (MM-SFGM)。相关研究成果以 “ecofigurale photosensitive split floating-gate memory for neuromorphic computing and nonlinear activation”(面向神经形态计算与非线性激活的可重构分裂浮栅存储器) 为题发表于 Nature Communications，青年交叉项目负责人陈旭东为共同通讯作者，前沿交叉学科研究院为通讯单位。这一成果代表了神经形态计算硬件的全新发展方向，标志着智能硬件架构的一次重要技术突破。

随着人工智能 (AI) 和物联网 (IoT) 技术的快速发展，边缘计算平台对高效、低功耗计算的需求愈加迫切。然而，现有的神经形态计算架构大多依赖于将感知、计算与激活功能模块化，这种分离设计不仅导致了繁琐的数据搬运，还增加了系统的能耗和计算延迟，极大地制约了计算效率和系统性能。因此，如何在单一硬件平台上实现这些功能的高度集成，以降低数据传输延迟、减少能量损失，已成为当前智能硬件研究的核心挑战之一。

针对这一问题，研究团队提出了可重构分裂浮栅存储器 (MM-SFGM)，该存储器将传感计算 (ISC)、存储计算 (IMC) 和非线性激活函数 (NAFs) 集成到同一器件中，为神经形态计算提供了一种全新的解决方案。MM-SFGM 采用分裂浮栅结构，利用高速栅压脉冲调节光响应度、电导性和整流特性，不仅能够实现可重构调节的权重控制，还支持主流的 ReLU 和 Sigmoid 等非线性激活函数。该器件的关键创新在于通过一体化设计，使得传感、线性计算与非线性激活功能可以在同一阵列中并行运行，这极大提升了计算效率，并显著降低了能耗。这一设计使得 MM-SFGM 特别适用于边缘计算和智能硬件领域，尤其是在对实时性和能效要求极高的智能传感和自动化系统中，展现出了广泛的应用潜力。

进一步地，研究团队利用 MM-SFGM 器件构筑了一种集感存算与非线性激活功能于一体的完整硬件系统。在该系统中，MM-SFGM 实现了从传感、计算到存储和激活的全流程集成，能够同时执行监督学习和无监督学习任务。该硬件平台不仅为神经形态计算提供了全新的硬件解决方案，也为未来智能硬件的自主运行、持久性存储和低功耗计算奠定了基础，推动了边缘计算平台及智能硬件在高效能和低能耗方向的进一步发展。

  原文链接：https://www.nature.com/articles/s41467-026-68402-7