范德华异质结的神经形态浮栅晶体管（NFT），在单一器件内同时集成电学与光学非易失存储功能，可在同一单元中模拟视觉与听觉突触行为，从而实现视-听信号的存内双模处理。

　　在电学方面，器件展现出优异的非易失存储特性：开关速度14 µs、开关比106、循环耐久性超过104次、数据保持时间超过106s。借助超快编程速度与高开关比，单个NFT单元即可区分16个离散电流态，实现4-bit多级存储。进一步结合人工神经网络处理声呐回波信号，实现海底矿物与岩石的高精度分类（88%）。

　　在光学方面，器件在405-808 nm激光脉冲下实现从短Kaiyun时程到长时程可塑性的连续调控，呈现双脉冲易化（PPF）等典型突触功能。利用海水中低衰减的绿光窗口，该系统结合RGB去噪与绿色通道增强预处理，在23类海洋生物图像识别中达到80%的准确率，与理想软件模型相当。

　　该工作提出了一种跨模态的光电协同存内计算架构，为复杂水下环境中的智能感知提供了一种高能效、低功耗且紧凑的硬件解决方案。以上研究工作获得国家自然科学基金、广东省自然科学基金等项目的持续支持。