人工智能（AI）在图像识别、语音处理和大规模数据分析等任务中已取得卓越的表现。然而，其在更广泛场景中的应用——尤其是在实时、数据密集或资源受限的环境中——仍受到传统计算硬件的限制。传统的冯·诺依曼架构将存储单元与处理单元分离，导致数据传输瓶颈，从而妨碍了边缘设备、可穿戴设备以及物联网（IoT）所需的并行、低功耗计算。

  神经形态电子学通过模拟生物神经网络的结构与功能，克服了这些限制。通过在单一平台上集成存储与计算功能，神经形态系统实现了更加节能、高度并行的信息处理，尤其适用于边缘端的人工智能负载。与此同时，显示行业也正经历一场由沉浸式和多功能界面需求所驱动的变革。增强与虚拟现实（AR/VR）、可折叠与可穿戴显示器、基于凝视或手势的交互系统等技术，已经将显示器的角色从静态可视化拓展为智能交互平台。这类平台越来越需要更高程度的感知集成、响应能力与实时处理，以满足新一代人机界面的需求。

  人工智能与显示技术的融合正在加速这一演进。如今，AI增强显示器已具备实时图像增强、自适应色彩调节、目标追踪以及对用户行为的智能响应等功能。这一从被动屏幕向智能交互界面的转变，体现了将感知、决策与视觉反馈直接嵌入显示硬件的广泛努力。感知型神经形态显示器（Sensory Neuromorphic Displays, SNDs）是该交叉领域的重要进展，它将神经形态计算与集成感知技术结合，构建出能实时处理刺激并调节输出的系统。与仅展示预处理数据的传统显示器不同，SNDs 模拟生物的感觉通路，直接将输入检测、记忆与视觉响应连接起来。通过在统一的硬件平台上融合感知与显示功能，SNDs 能够实现与环境的实时交互，同时降低延迟与能耗。这些特性对于可穿戴电子、医疗监测、AR/VR 以及人机交互等应用尤为关键，这些领域对连续反馈与适应性提出了更高的要求。智能显示器的价值在于其能够将数据处理与可视化统一，从而实现更直观、自适应、响应更快的人机交互方式。面对对个性化、高效与节能技术日益增长的需求，SNDs 为下一代交互式显示系统的发展提供了一条有前景的路径。本综述将概述定义 SNDs 的工作机制、材料体系与器件结构，重点介绍当前的技术创新、实际应用中的挑战以及未来发展方向，旨在推动 SNDs 成为智能交互显示系统的下一代平台。

图1

图2

  图2概述了感知型神经形态显示系统（SNDs），说明了其工作流程、神经形态计算方法以及发光机制。首先，各类人类感知刺激（如触觉、声觉、光学）以及超感知刺激（如超声、磁场、化学信号）被转换为电信号，称为突触前脉冲。这些脉冲会调制人工突触器件——如忆阻器或三端晶体管——通过调节其电导实现突触权重的变化。随后，由此产生的突触后电流调控集成的发光单元，从而控制发光的强度、颜色、频率和持续时间，实现对外部刺激的实时视觉解析。该过程中采用尖峰神经网络（Spiking Neural Networks, SNNs）进行神经形态计算：输入信号被编码为脉冲序列，在网络中传播，当累积达到激发阈值时触发“神经元放电”；输出层对这些脉冲序列进行解码，直接调制可视信号，从而实现高效的“存内计算”。最后，SNDs 可通过多种发光机制（如电致发光、电化学发光、结构色、光致发光）输出视觉信息，这些机制在器件层面实现了高度集成，具备紧凑、节能的显示性能。

图3

  图3展示了神经形态显示技术的前沿应用实例。首先，图中展示了由突触型光电晶体管（SPTr）阵列与量子点发光二极管（QLEDs）集成构成的系统，该系统可用于可视化紫外图案，具有选择性突出有效信号并滤除噪声的能力。接着，展示了一个人工传入神经系统，它通过光电发光忆阻突触构建光学神经网络，实现了灵活、高效的一对多信号传输，克服了传统有线连接的限制。另一个重要应用是基于摩擦电纳米发电机（TENG）的自供能触觉感知系统，它可将机械刺激直接转换为实时视觉反馈，为能量自主的交互显示提供了新方向。此外，还介绍了一个多模态显示系统，该系统融合了动态步频与空间位置信息，并通过多色发光同时实现复杂输入的可视化与分类处理，且无需外部计算支持。图中还包括一个神经形态生物传感器实例，它将离子选择性电化学晶体管与片上学习与分类功能结合，能够即时解析生物信号，展示出其在健康监测领域的潜力。最后，图中展示了电化学发光触觉视觉突触在医疗领域的应用，如手指康复训练中的实时光学反馈，凸显了神经形态感知显示在实际应用中的实用性与多功能性。

图4

  图4展示了感知型神经形态显示技术的发展时间轴。最初，采用硅纳米晶体的电致发光器件展示了基本的突触原理，为后续研究奠定了关键基础。随后，出现了发光晶体管（LETs）与忆阻器（LEMs）等创新器件，它们将存储与计算能力直接集成于单个器件中，显著降低了对外部处理器的依赖。随着技术演进，感知型神经形态系统实现了更高层次的集成，将感知输入、神经形态计算与可视化统一为一个协同平台，使其能够应用于更复杂的场景，如生物传感与空间模式识别等。展望未来，技术发展正朝着“多感知单器件系统”方向推进，目标是在紧凑、高能效的架构中融合多模态感知、处理与显功能，从而提升其在多样化人机交互场景中的应用潜力。

图5

  图5概述了感知型神经形态显示技术（SNDs）的未来发展方向。图中强调，SNDs 正在经历从复杂的多单元器件结构（即感知、存储和显示分离）向集成所有神经形态功能的简化单一器件平台的转变。这一融合趋势有助于简化系统设计，降低延迟，并提升整体效率。图中还指出了SNDs的关键应用领域，包括增强与虚拟现实（AR/VR）、车载交互界面、智能家电、健康监测、工业故障诊断以及医学成像等，这些场景都对实时集成的感知、处理和可视化能力提出了较高要求。最后，图中的蛛网图总结了不同应用场景在材料、器件和功能等多个维度上的性能需求，强调开发符合多元、交叉需求的定制化解决方案对于提升SNDs的实际应用价值具有重要意义。

  原文链接：https://www.cell.com/device/fulltext/S2666-9986(25)00161-9

  通讯作者简介：Cheolmin Park 教授，韩国科学院/工程院两院院士，延世大学（QS 50）杰出教授。目前担任Director of BK21 Education and Research Division for Futuristic Human-centric Materials, Director of Center for Artificial Synesthesia Materials Discovery，以及Board of Directors in Materials Research Society (MRS)。他于1992年和1995年在首尔国立大学获得学士和硕士学位， 2001年在麻省理工学院获得博士学位，2001-2002年，在哈佛大学担任博士后研究员。2002年9月起，在延世大学成立Nanopolymers课题组，研究方向涉及光电材料和器件，钙钛矿以及低维纳米材料，能量收集等并探索其在柔性传感，发电和交互显示器件的广泛应用。迄今已在Nature materials, Nature communications, Science advance, Energy & Environmental Science, Advanced materials等期刊发表270多篇SCI论文。

  课题组网站：https://yonseinpl.wixsite.com/nanopolymer