山东大学团队研发新型低功耗光电神经形态硬件与AI加密系统
山东大学集成电路学院王天宇、孟佳琳研究团队近期在低功耗光电神经形态硬件与AI加密系统领域取得重要突破，成功实现了海上通信中的“敌我识别”功能。研究成果以“Low Power Optoelectronic Neuromorphic Memristor for In‐Sensor Computing and Multilevel Hardware Encryption”为题，发表于国际权威期刊Advanced Science（中科院一区，影响因子14.3）。该论文由集成电路学院研究生孙渤担任第一作者，王天宇研究员与孟佳琳教授为共同通讯作者，集成电路学院为第一完成单位。
随着物联网与边缘计算的飞速发展，传统冯·诺依曼体系正面临能耗与效率的双重挑战。与此同时，信息安全问题也日益严峻。在人工智能背景下，基于软件的数学加密算法易受攻击，且其高计算开销限制了其在资源受限设备中的应用。尽管基于忆阻器的物理不可克隆函数（PUF）提供了一种硬件加密思路，但其易受环境波动与电路噪声干扰，导致系统复杂度和能耗上升。
为应对上述问题，该研究团队提出一种创新的硬件加密方案：将信息编码为光脉冲参数，并利用器件的本征响应作为密文，结合神经网络实现解密，从而构建一种低功耗、高安全性且易于在移动端部署的通信系统。
基于光电神经形态器件，研究团队开发出一套完整的硬件多维加密与安全通信系统。该器件能够在极低功耗（单次突触事件仅需3.3 fJ）下模拟多种生物突触的可塑性，并对不同波长、脉冲宽度及脉冲数量的光刺激产生差异化的电学响应。研究者利用这一特性，将待传输信息转换为ASCII码，分别映射为光脉冲的波长、宽度和数量，形成光脉冲序列输入器件阵列，从而得到唯一的电流响应作为“密文”。
在解密端，研究团队使用预训练的卷积神经网络识别电流响应，合法接收方可达到97.4%的解密准确率，而未授权者仅能实现2.88%的随机猜测水平，充分验证了系统的高安全性与鲁棒性。此外，研究团队还成功将解密网络部署在单片机上，完成了便携式移动端的加密通信演示。
为进一步拓展应用范围，研究团队结合储层计算与旗语信号，构建了“敌我识别”预认证机制，将动态动作识别与隐藏信息验证相结合，显著提升了系统在复杂场景如海上通信中的适应性。从器件物理特性、加密架构设计到系统验证，本研究全面展示了基于光电神经形态器件实现低功耗、物理安全、移动部署的硬件安全通信系统的可行性。
该研究工作获得了国家自然科学基金、山东省自然科学基金、山东省泰山学者项目以及广东省基础与应用基础研究基金等项目的资助。
王天宇研究员长期致力于后摩尔时代的集成电路存算器件与AI芯片研发，研究方向涵盖RRAM、FeRAM等存内计算器件，以及柔性忆阻器、卷积神经网络（CNN）与脉冲神经网络（SNN）计算、新型铁电存储器与存算一体技术。其研究成果发表于Nature Communications、IEDM、Advanced Materials、Nano Letters、IEEE EDL、IEEE TED等国际顶级期刊，累计发表SCI论文100余篇，申请发明专利100余项。
孟佳琳教授为国家级青年人才及中国未来女科学家计划入选者，专注于面向人工智能的光电感存算一体器件、神经拟态晶体管、AI视觉芯片、柔性可穿戴电子与人工智能集成系统。其学术成果发表于Nature Communications、Advanced Materials、ACS Nano、Advanced Functional Materials、Nano Letters、IEEE Electron Device Letters等权威期刊，累计发表论文90余篇，申请发明专利100余项。