保留输入的时间信息
利用器件动态响应提取时序特征，为动态信号和储备池计算等算法提供状态表示。
光学与读出协同概念图 · AI 生成
第一次了解感存算？
从数据搬运、架构对比和一次加权求和，理解技术的基本原理。
01 / 原位抑噪先把状态分清，
阅读原论文图解 →
先把状态分清，
再把信息保留下来。
光电编码需要把不同输入映射到可区分的状态。通过 a-Carbon/TiOₓ 异质结界面调控，降低状态波动，让相邻输入的细微差异能够稳定保留。
1024 态可分辨的器件编码状态
10 bit对应状态容量
展开原有机制与状态保持对照
以下保留项目 PPT 中的原有结构与响应曲线，配合异质结界面调控机制一起阅读。
02 / 双模感存算动态特征与驻留权重，
动态特征与驻留权重，
各自承担合适的计算。
感内模式处理输入的时序变化，存内模式以电导保存映射权重并执行乘加。
让权重在数据附近参与运算
以器件电导承载映射权重，在阵列内完成适合映射的卷积乘加，减少重复读取和数据往返。
可见光图像
近红外图像同场景公共数据示例，用于说明不同波段的信息差异。
03 / 自适应选谱
选择更适合场景的输入。
可见光与近红外能够提供不同的场景信息。通过器件偏压和控制策略协同调节响应模式，探索在复杂光照下获取更有效的输入。
评价输入质量选择感知模式输出有效信息
选谱改善的是感知条件，后续仍由读出链路和端侧算法共同完成任务。
04 / 驱动采集与读出
将器件能力，接入可验证的系统。
自研驱动采集样机连接激励控制、微弱信号调理、多通道采样及数据读出，为器件与算法之间建立接口。
- 调控配合光学刺激和电学激励，设置器件状态。
- 读出把器件响应变成可用于数字处理的数据。
- 协同主控继续承担文字解码、翻译与交互等任务。