近日，合肥综合性国家科学中心能源研究院氢氨中心“中碳创新平台”范壮军团队的王传庆副研究员（共同第一作者）与浙江大学、西湖大学合作，在 Nature Communications 上发表题为 "High encoding-sensitivity vision sensor with complementary nonlinear neuromorphic computing" 的研究论文，提出了一种在宽光强范围内始终保持高编码灵敏度的互补式神经形态视觉算法，为极端光照环境下的可靠感知提供了全新的解决方案。

从烈日当空到夜幕低垂，人眼几乎无需"调参"就能看清世界—这得益于视网膜对光强的自适应非线性编码。然而，现有神经形态视觉解决方案通常只有一种非线性能力：有的擅长强光下的特征增强，弱光下却"视而不见"；有的弱光下灵敏过人，强光下却迅速饱和。当明暗在同一场景中共存，比如驶入隧道的一瞬间、极地极昼与极夜的交替，单一模式方案便力不从心。如何让两种非线性传感器融合，并设计与之匹配的智能处理算法，是类脑视觉系统走向实用的核心瓶颈。

该研究给出了一个软硬件协同的解决方案。硬件上，合作团队设计了"一晶体管一忆阻器"（1T1R）像素单元，让同一像素同时输出两套互补的脉冲编码——强光下的超线性编码与弱光下的亚线性编码，有效动态范围一举达到约111 dB。算法上，本研究团队量身打造了双路互补式脉冲神经网络框架：两路编码分别送入轻量级脉冲神经网络提取明、暗特征，再由互补融合网络以自适应加权策略将两路特征智能整合，让系统在任意光照条件下都能"看得清、认得准"。在极地遥感场景中，该框架成功完成了海冰/陆地分割与冰层厚度分类，精度显著优于单一编码方案，证明了互补式脉冲神经网络算法在极端光照下的实用价值。

原文链接：https://doi.org/10.1038/s41467-026-74055-3

图1 极地探测应用演示