福州大学，最新Nature大子刊！

首个“会发光、能存储、可计算”的本体异质结存算有机发光二极管 （BHJ-MCOLED）

长期以来，OLED一直被视为“信息输出器件”——负责发光与显示，而信息的存储与计算则需要依赖外部GPU、存储器与处理器完成。这样的分离式架构不仅带来了巨大的数据传输开销，也导致系统功耗高、延迟大、集成度受限。随着人工智能与智能终端的发展，传统“存储—计算—显示”彼此独立的体系，已经越来越难以满足未来低功耗、高集成智能硬件的发展需求。

近日，福州大学陈惠鹏研究团队在 Nature Photonics 发表研究成果《Circularly polarized bulk-heterojunction memory-computing organic light-emitting diodes for a neural radiance field-based 3D display》，首次提出并构建了一种兼具“存储—计算—发光显示”功能的本体异质结存算有机发光二极管（Bulk-Heterojunction Memory-Computing OLED, BHJ-MCOLED），实现了OLED从“单纯发光器件”向“兼具存算功能的发光器件”的重要跨越。这项工作不仅突破了OLED领域 “发光”与“存算”性能难以协同提升的核心瓶颈，也为未来 智能显示、边缘人工智能与类脑光电子系统提供了全新的器件架构与研究方向。

长期以来，神经形态忆阻器与OLED器件的发展路径几乎彼此独立。传统忆阻器通常依赖绝缘陷阱层、离子迁移层或复杂异质结构实现电导调控与突触行为，但这些结构往往会严重破坏OLED所需的高效载流子输运与辐射复合过程，从而导致发光效率下降、亮度降低甚至器件失效。因此，如何在不牺牲OLED发光性能的前提下，引入稳定的存储与计算能力，一直被认为是该领域最困难的问题之一。

针对这一挑战，该工作提出了一种全新的 本体异质结构筑策略。研究团队将手性小分子R-/S-5011引入经典发光聚合物F8BT中，在发光层内部构建出兼具电荷输运、存储与发光功能的BHJ结构。其中，手性小分子不仅能够调控聚合物链排列与薄膜形貌，提高载流子输运能力与发光效率，同时其匹配的能级结构还能够作为稳定的电荷俘获中心，实现电荷的存储与释放，从而赋予器件忆阻与类突触行为。与传统依赖绝缘陷阱层或复杂多层结构的忆阻器不同，该策略无需额外引入会破坏发光性能的功能层，而是通过BHJ内部电荷输运与俘获/去俘获行为的协同调控，实现了发光性能与存算性能的协同提升。换句话说，该研究在不改变传统OLED基本结构的前提下，让一个原本只负责“发光”的OLED器件同时具备了“记忆”和“计算”能力。

在最佳33%的双组份混合比例下，器件实现了高达22,306 cd m-2的亮度以及0.92的圆偏振电致发光不对称因子，器件单脉冲能耗仅为1.78 pJ。为了验证器件在智能显示中的应用潜力，研究团队构建了基于64×64 BHJ-MCOLED阵列的硬件神经网络系统，证明了BHJ-MCOLED可直接参与神经网络推理计算。该器件阵列展示出稳定可区分的5-bit电导状态，单器件单次计算能耗仅为0.046 nJ，而单像素计算能耗仅17.472 nJ，展现出优异的低功耗存算能力。最终，研究团队基于BHJ-MCOLED阵列实现了双目视差灰度图像的硬件级立体显示。

该研究首次实现了三个研究方向的深度融合：有机光电器件中的本体异质结（BHJ）物理机制、OLED中的高效发光与激子调控，以及神经形态器件中的存算一体功能。这一成果意味着，OLED未来或许不再只是“显示器”， “像素本身”具备信息存储、计算与发光输出功能，这有望极大简化外部光学和电路系统。它不仅为下一代智能显示、边缘人工智能和类脑视觉系统提供了新的技术路径，也有望重新定义OLED领域未来的发展方向。

图1 BHJ-MCOLED辅助NeRF灰度立体显示原理。a. 集存储–计算–显示于一体的智能3D显示架构示意图。b. 通过调控BHJ-MCOLED中手性组分含量，实现存储/计算性能与圆偏振显示性能协同优化的原理。c. 基于圆偏振BHJ-MCOLED构建NeRF网络，实现灰度双目视差图像的生成与立体显示。

图2 手性BHJ薄膜的分子结构、手性光学性质及堆积结构。a. F8BT及R/S-5011分子结构。b–d. CPL性能及其随掺杂比例和退火温度的变化。e–g. 薄膜吸收与发光特性。h–j. AFM、GIWAXS及聚合物有序π–π堆积结构表征。

图3 圆偏振BHJ-MCOLED的光电性能。a. 器件结构示意图。b–e. 器件电学、发光及圆偏振发光性能。f. 与已报道CP-OLED性能比较。g–i. 器件的突触发光行为。

图4 BHJ-MCOLED的突触特性。a–b. 不同配比器件的电流响应及电流增益。c–g. 器件在连续扫描和脉冲刺激下的电流、亮度及记忆行为。h. 器件能耗与已有（非）发光忆阻器对比。

图5 手性诱导BHJ-MCOLED的工作机理。a–c. 电荷注入、俘获及释放过程示意。d–f. 器件能级分析及单/多脉冲下发光机理。g–h. 手性组分对超分子组装、圆偏振发光及电导态线性的调控机制。

图6 基于NeRF的灰度立体显示。a–d. NeRF网络架构、权重映射、器件一致性及计算能耗。e–g. 网络训练性能。h–i. NeRF生成的双目视差图像及基于100 × 180 BHJ-MCOLED阵列实现的灰度显示。

https://www.nature.com/articles/s41566-026-01966-4