山东大学团队开发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与孟佳琳团队近日在低功耗光电神经形态硬件与人工智能加密系统领域取得重大突破。他们提出的方案成功应用于海上加密通信中的“敌我识别”，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）。论文的第一作者为该学院研究生孙渤，通讯作者为王天宇研究员与孟佳琳教授，山东大学集成电路学院是该论文的主要完成单位。
随着物联网和边缘计算的迅速发展，传统冯·诺依曼架构在功耗与计算效率方面正面临挑战。与此同时，神经形态计算因模拟大脑的并行处理能力与低功耗特性，被视为未来计算架构的重要方向。然而，在信息安全领域，传统的数学加密算法在人工智能背景下变得愈发脆弱，尤其在资源受限设备上，计算成本成为瓶颈。虽然物理不可克隆函数（PUF）等基于忆阻器随机性的硬件加密方案提供了新思路，但其对外界环境波动与电路噪声的敏感性，增加了系统的复杂性与能耗。
为应对这些挑战，该团队提出了一种创新的硬件加密方法。该方法将信息编码为光脉冲的参数，如波长、脉冲宽度与脉冲数量，并利用光电神经形态器件的本征响应作为密文。结合神经网络进行解密，实现了低功耗、高安全性且适合移动端部署的加密通信系统。
研究团队设计并实现了基于光电神经形态器件的多维加密与安全通信系统。该器件在极低功耗（单次突触事件仅需3.3 fJ）下即可模拟多种生物突触可塑性，并对不同光参数的输入产生差异化的电学响应。研究者利用这种多参数响应的物理特性，开发出一种新的加密机制：将信息以ASCII码形式映射为光脉冲参数，形成特定序列输入器件阵列，从而生成唯一的电流响应作为“密文”。在接收端，预训练的卷积神经网络能够有效识别这些响应，实现高达97.4%的解密准确率；而未授权用户则只能达到2.88%的随机猜测成功率，验证了该方法在安全性和鲁棒性方面的优势。
该系统进一步在单片机上部署了解密网络，完成了移动端加密通信的演示。同时，结合储层计算与旗语信号，团队还构建了“敌我识别”预认证机制，将动态动作识别与信息隐藏相结合，提升了系统在海上通信等复杂环境下的适用性。整体研究涵盖器件物理、加密架构与系统验证，展示了基于光电神经形态器件实现低功耗、物理安全、移动部署的硬件加密通信系统的完整路径。
该研究得到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金支持。
王天宇研究员长期从事后摩尔时代的集成电路存储与计算器件以及AI芯片的研究，涵盖RRAM、FeRAM等忆阻器技术、柔性神经形态器件、卷积神经网络（CNN）与脉冲神经网络（SNN）、新型铁电存储器及存算一体架构。其研究成果已发表于《Nature Communications》、《Nano Letters》、《IEEE EDL》等高水平期刊，并申请专利百余项。
孟佳琳教授是国家级青年人才与“中国未来女科学家”获得者，研究方向包括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、柔性可穿戴电子与智能集成系统。其论文发表于《Nature Communications》、《Advanced Materials》、《Nano Letters》等重要期刊，累计发表论文90余篇，申请发明专利百余项。