目前，以忆阻器为代表的人工突触器件已经被广泛的应用于神经形态计算，并构建多种类型的神经网络。然而，传统的人工突触器件存储的权重固定，重新部署费时费力，无法根据输入变化进行自适应调整。

与突触类似，基于电荷的半导体储能设备可以在低能量条件下实现存储权重的调节和保持。离子迁移的独特特性使其可以用于构建模拟突触间隙信息传输的人工突触器件。

相关的研究结果也证明类似电池的储能装置可以用作人工突触器件进行低能量计算。因此，利用半导体储能器件设计新型感算系统解决高写入噪声、非线性差和零偏压下的扩散等问题将是类脑计算领域的重要研究方向。

中科院半导体所半导体超晶格国家重点实验室组、北京理工大和香港科技大学合作研究组利用微纳加工设计了一种基于可调柔性能量存储装置（FMES）系统的新型感算集成系统。

该系统实现了在不改变外部刺激条件下，通过系统中阻值的调控来控制离子的积累和消散，从而有望实现传感信号和存储权重W的耦合。FMES系统可以用于构建神经网络，实现多种神经形态计算任务，使得手写数字集的识别准确度达到了95%。

此外，FMES系统可以模拟人大脑的自适应性，实现对相似目标数据集的自适应识别，经过训练后的自适应识别准确率可达80%左右，避免重新计算造成的时间和能量损失。

数字识别的自适应仿真。a、Dataset1和dataset2，b、人工神经网络的权重映射图像，c、dataset1和dataset2的识别精度，d、人工神经网络权重的自适应调整，e、自适应后权重映射图像，f、识别精度与映射图像数量的关系，g、适应前后的分类识别，h-i、每个样本的概率。

因此，未来在这项研究的基础上可以结合不同类型传感器片上集成，进一步实现多模态感算一体架构。