让材料先筛一遍：一束光如何让蛋白器件增强或抑制信号

街头画面中，行人和车辆在移动，建筑与路面却常常保持不变。若传感器能先突出运动区域、削弱静态背景，后端网络就能更集中地处理有用信息。这项发表于 Science Advances 的研究，把这一设想追溯到了材料内部：通过改造丝素蛋白的氢键网络，让同一器件在不同光强下，既能增强电导，也能压低电导。

Guangdong Zhou、Xiuxia Wang、Xuesen Xie、Ye Zhou、Bai Sun 与 Yang Chai 团队将材料结构分析、器件测试和视觉任务连接起来。以下沿着论文的五张主图，依次看清器件如何工作、结构为什么变化，以及双向响应怎样参与图像处理。

FIG. 1

一块改性蛋白，记住电，也响应光

先看上方 A–C。研究者从蚕丝中提取丝素蛋白，再引入聚甘油-3与含5,6-二羟基吲哚的组分，形成可被外界刺激调节的网络。约150 nm厚的功能层夹在透明顶电极与金底电极之间，并集成在柔性基底上。发挥作用的是这一改性材料，而非未经处理的天然蚕丝。

中间 D–F 回答它能否存储信息。电压扫描可以连续改变导电状态；32个电导等级在10 mV下读出，正文与补充材料报告保持时间达到10⁴ s。另一组弯折测试显示，经历10⁴次弯折后器件仍保有开关行为。状态保持与机械耐久分别说明了记忆能力和柔性适应性。

下方 H–J 是全文的关键现象：波长同为405 nm，较低光强使电导下降，较高光强则使电导上升。1.91与3.18 μW·μm⁻²的2 s光脉冲，可以沿相反方向逐级更新状态。这里的“双向”指电导增减，并非电流方向反转；这使一个像素同时具备增强和抑制信号的可能。

FIG. 2

图2把视角拉近到蛋白链。α螺旋像盘绕的弹簧，β折叠由链段排成片层，β转角则使链条局部转向。A中红、绿、蓝色片段展示了电场增强时，模型中的螺旋发生拉伸、扭转和局部结构转换；B进一步把单个链段放回相互连接的蛋白网络。

C中一列列细密的色带，是不同电场下二级结构随时间变化的记录；D将其归纳为组分变化。读图重点在于：氢键维系的网络能够被电场扰动，改变局部构象与电荷传输路径。200 ns是分子动力学的计算时间窗口，这些图展示的是模型轨迹，而非器件测得的纳秒开关速度。

联系图1的电学记忆，作者给出的解释包含两部分：电子被陷阱俘获或释放，直接改变电荷输运；蛋白结构重排则调节导电条件与记忆窗口。图2为后一部分提供模型支持。把这两层作用分开，才能理解为何电学开关不能全部归结为某一种蛋白构象。

FIG. 3

同一波长为什么会产生相反响应？A–C通过红外光谱分析蛋白二级结构，D汇总光强变化下的组分趋势。结合正文可见，较低光强下β折叠减少、β转角增加；进入较高光强区间，变化趋势反转。这与电导先减小、后增大的方向对应起来，使结构解释有了实验依据。

E–F进一步检查材料局部是否确实变得更容易导电。导电探针在10 mV偏压下扫描薄膜，较强光处理后，图中代表局部电流的红色区域增多；随后施加较低光强，局部电流逐步被压低。光谱描述结构组分，探针测量电流分布，两组实验从不同角度支持双向调节。

G显示光照同时带来升温：2 s照射条件下，最高测试光强对应中心温度约139.1 ℃。因此，作者将电子激发与局部热作用共同纳入解释。这里的温度属于该光照条件，不能直接套用于后续10 ms短脉冲；理解材料转换，需要同时关注激发强度、时间和热环境。

FIG. 4

图4解释光如何触发这一过程。A–E比较不同组分的分子轨道：红蓝色区域表示计算得到的电子分布特征，并非显微镜实拍。含5,6-二羟基吲哚的组分能够参与光吸收和电子激发，α螺旋相关链段也参与响应；这些变化会扰动维持构象的氢键连接。

F将变化画成连续的链段形态，G–H给出200 ns窗口内的分子动力学结果。作者据此提出：较低强度的激发偏向形成限制传输的转角构象；较强激发与热作用促进更充分的重排，增加有利于传输的β折叠。计算与图3的光谱趋势相互呼应，构成材料机制的解释链。

需要抓住的是“激发数量和结构响应”的变化。在波长固定为405 nm时，单个光子的能量不因光强增大而升高；增强照明意味着单位时间、单位面积输入更多光子。由此改变的电荷分布与能量沉积，才进一步影响氢键和链段重排，最终表现为相反方向的电导更新。

FIG. 5

A–B把材料能力转成直观的图像操作。一个12×12像素的熊猫图案先被写入，再用正光电导增强特征像素、用负光电导压低背景。对比度提高后，负光电导刺激还可清除像素状态。相关实验使用10 ms光脉冲，说明光能够承担写入、增强、抑制与刷新等不同操作。

从静态图案进入视频，C增加了帧间差分：比较不同时刻的画面，让静止背景减弱、运动区域显现，再经阈值二值化形成候选目标区域。哪些像素增强、哪些像素抑制，由提取出的运动信息引导；器件提供可调响应，后续YOLO网络负责目标定位与类别判断。

D–F比较论文所选视频任务中的两条处理流程。加入双向光电导预处理机制后，检测精确率超过91%，对照流程约为33%。精确率表示检测结果中有多少为正确目标。这组对比来自论文描述的神经形态推理与系统性能仿真，体现的是器件机制、帧差处理和YOLO协同后的任务增益。

这张图的价值，是把材料调节能力连接到可理解的视觉需求：先整理输入，再进行识别。结果不代表YOLO在所有场景中只有33%的表现；遇到树影、背景运动或整体光照变化时，帧差仍需阈值与算法配合。论文也因此讨论了自适应阈值等方法，以维持目标与背景的区分。

五张图串起了一条清楚的路线：改造氢键网络，获得双向光电导；用光谱、局部电流与计算理解结构变化；再把增强和抑制用于图像预处理。材料由接收信号的载体，变成能够参与调节信息的功能单元，这是这项研究最值得关注的贡献。

对玄光明鉴而言，它提供了“在感知端先处理”的研究参照。本文采用蛋白材料，项目当前以碳基器件与驱动采集样机为基础，两者应各自说明。将这类机制进一步用于模组，还需把光源、阵列、读出和后端算法连接起来，在同一任务下评价感知质量与完整链路能耗。

Guangdong Zhou, Xiuxia Wang, Xuesen Xie, Ye Zhou, Bai Sun, Yang Chai

Bidirectional optoelectronic switching in protein by photoinduced phase transition. Science Advances 12, eaee6038 (2026). DOI: 10.1126/sciadv.aee6038

图 1–5 来自原论文，保留图中的子图标识、坐标与原有图像；中文图注和正文为逐图解读。