在自動駕駛和無人機等移動系統中，傳統視覺傳感器產生的高達40 Gb/s數據流給邊緣計算帶來巨大壓力。雖然云計算能處理這些數據，但數據傳輸延遲嚴重制約實時決策。當前解決方案面臨兩難困境：直接傳輸原始圖像耗能巨大，而軟件壓縮又增加處理負擔。更棘手的是，多變光照條件（如強光/陰天）會導致圖像質量波動，使常規輪廓提取方法難以穩定工作。

為解決這些挑戰，某研究團隊受生物神經系統中多巴胺（dopamine）調控突觸可塑性的啟發，開發出基于二硫化鉬（MoS₂）的可調諧突觸光晶體管。該器件通過模擬D1/D2樣多巴胺受體的興奮/抑制機制，實現了類似生物神經元的動態響應特性。研究人員采用化學氣相沉積法制備單層MoS₂通道，與石墨烯電極和pV3D3介電層構成三明治結構。通過精確調控靜電門電壓（V_el），器件可分別在抑制模式（V_el=-5V）和興奮模式（V_el=2V）下工作，模擬了生物突觸的神經調節功能。研究使用劍橋駕駛視頻數據庫（CamVid）進行驗證，并采用DeepLab v3+模型評估語義分割效果。

【In-sensor multilevel image adjustment for high-clarity contour extraction】
研究發現，器件的雙模式運作機制源于光門效應（photogating）與靜電門效應的協同作用。在抑制模式下，器件選擇性增強亮區對比度（圖像對比度從102提升至168.5）；興奮模式則強化暗區細節（對比度從51升至137.1）。這種非線性光電轉換特性（線性系數α=0.5-1.8）使單次曝光即可獲得兩種優化圖像。

【Characterization of adjustable synaptic phototransistors】
透射電鏡分析顯示MoS₂-pV3D3異質結具有清晰的界面結構。開爾文探針力顯微鏡證實V_el可調制MoS₂費米能級。時間分辨光電流測量表明，器件在250ms曝光下可實現激活閾值（I_th=0.10nA）的精確調控，且具有優異的循環穩定性。

【Evaluation of in-sensor multilevel image adjustment】
3×3陣列測試顯示，在模擬晴/陰天光照條件下，器件能自適應調整響應特性。與原始圖像相比，傳感器內處理使道路標志的輪廓提取清晰度顯著提升，且無需額外的軟件增強步驟。

【Evaluation on high-clarity contour extraction】
語義分割測試表明，經自適應閾值處理的雙模式輪廓合并圖像，使全局準確率達86.7%（原始圖像83.2%），加權交并比（IoU）達0.79。盡管數據體積壓縮91.8%，其識別精度仍接近高分辨率原圖。

這項研究開創性地將神經調節機制引入光電傳感器設計，解決了移動視覺系統的能效與精度矛盾。通過硬件級圖像優化，不僅減少90%以上的數據傳輸量，還提升了復雜光照下的識別魯棒性。雖然器件均勻性和陣列集成仍需突破，但該技術為新一代仿生視覺傳感器指明了方向，在自動駕駛、移動機器人等領域具有重要應用前景。論文提出的"傳感器內計算"范式，可能重塑未來邊緣智能設備的架構設計。