集成光电系统致力于将电子学的逻辑与存储密度同光子学的带宽优势相结合，但单片集成受限于低效的电-光接口。当前架构依赖分离的读出电路和调制器，造成了能量和延迟瓶颈，而现有的直接转换方法往往在开关速度或非易失性上做出妥协。在此，我们开发了一种名为LuminoMem的超快、非易失光电存储器，它在单个器件中集成了电学存储和中红外光发射（~3.4 μm）。该器件采用浮栅架构，其中半导体碲同时充当电荷存储层和发光介质。这一设计实现了纳秒级电学编程的非易失性光致发光调控，允许在不借助外部调制的情况下直接光学访问存储状态。我们证明LuminoMem可实现4比特光学存储容量，并能进行高精度图像识别的神经网络仿真，为光发射、存储和计算能力的协同集成提供了硬件基础。
2026年7月16日，相关研究成果以“Ultrafast non-volatile charge storage and mid-infrared photoluminescence in LuminoMem tellurium devices for in-memory computing”为题发表在国际顶级期刊Nature Communications上，北京大学孙栋教授、天津大学刘晶教授和湖南大学潘安练教授为论文共同通讯作者。
对下一代智能平台的追求正在加速集成光电系统的发展，这类系统将电子学的高密度、低噪声逻辑与存储优势，同光子学的超快、大规模并行数据传输与处理优势相结合。通过将这些能力集成到芯片上，此类架构有望超越纯电子硬件的性能和能效天花板，并实现计算与通信、感知在硬件层面的协同集成。然而，单片集成仍然难以实现，其核心瓶颈在于：信息在电-光界面上传输的低效和高功耗。
低效的主要来源之一在于将电学存储中的数据转换为光信号的过程。在传统架构中，数据首先由专用电子读出电路从存储器中取出，然后传输到单独的光调制器进行电光转换，这种两步工作流程带来了巨大的能量开销和额外的延迟。这种架构上的不连续性削弱了光子学的固有优势，也阻碍了真正高密度集成，因为高性能调制器所依赖的材料堆栈（如铌酸锂、III-V族、相变材料或等离子体激元平台）及其相应的制造工艺流程，往往与大规模片上集成制造不兼容。
在单片芯片上实现直接电光转换的尝试引入了新的权衡。例如，掺杂方案通过电学调控载流子浓度来调节光发射或透射，但这种效应缺乏非易失性。相变材料通过电致相变提供了一条有吸引力的非易失光子调制路径，但其开关速度通常太慢，无法匹配高带宽光子系统的吞吐量。铁电平台原则上可通过极化翻转实现非易失功能，但它们的材料和集成流程往往与标准CMOS制造不兼容，因此难以规模化。
在本工作中，我们介绍了一种超快且非易失的光电存储器，它基于半导体光致发光，单片集成了存储和发光功能。本文展示的LuminoMem采用浮栅架构，其中半导体碲同时作为电荷存储层和光发射介质。该设计实现了超快（纳秒级）电学编程，可精确且持久地调控PL强度。通过省去分离的读出电路和外部光调制器，LuminoMem实现了对非易失电学状态的直接光学读出。此外，Te-LuminoMem工作在中红外区域（~3.4 μm），利用了Te的窄带隙（~365 meV）。该波长处于特别重要的光谱区间，具有强分子“指纹”和良好的大气透射窗口。因此，LuminoMem有潜力作为未来集成系统的基础构建单元，用于自由空间光通信、气体传感、环境监测、工业过程控制以及安全/国土防御等在中红外波段更具优势的应用场景。这些能力在先前的器件通常工作的可见-近红外范围内远难以实现。本文展示的LuminoMem具有稳健的多级存储特性，在其光学读出中实现了4比特（16级）精度。我们进一步通过模拟LuminoMem器件阵列在人工神经网络中的存内计算潜力，成功在Fashion-MNIST数据集上执行了图像分类任务。本工作通过策略性地利用电子和光子的各自优势，克服了关键瓶颈，形成了一种高速非易失存储-光发射器。这一性能突破为大幅提升当前计算硬件的效率以及片上集成存储、计算和感知能力铺平了道路。
