科学网—浙江大学张亦舒等综述：人工感知神经元器件的生理学基础、应用及挑战

精选

已有 478 次阅读

2024-12-13 11:51

| 系统分类: 论文交流

研究背景

人工智能(AI)的发展极大地推动了人类社会的进步，在医疗、交通、制造等多个领域产生了深远影响。然而，当前AI的实现高度依赖于传统冯·诺依曼架构的计算硬件。这种架构由于计算单元和存储单元的分离存在瓶颈，因此频繁的数据传输会导致计算速度下降和能耗增加，特别是在对能效要求高的边缘计算和物联网(IoT)应用中，亟需新型计算架构来突破这一限制。类脑计算受到生物神经网络结构和功能的启发，利用人工神经元和突触进行高效并行的数据处理，有望克服冯·诺依曼瓶颈。脉冲神经网络(SNNs)作为第三代人工神经网络，以其高能效和时空处理能力受到关注。SNN通过离散脉冲传递信息，其神经元在信号积累到一定阈值时产生脉冲并传递。因而如何将环境中模拟信号转换为脉冲信号至关重要。传统方法如模数转换器(ADCs)和环形振荡器虽具备一定优势，但其高功耗和复杂的电路限制了其在边缘端的应用。因此，开发能够高效、紧凑地实现信号转换的器件尤为重要。为此，人们对基于忆阻器、金属-绝缘体相变器件、相变存储器(PCM)、铁电场效应晶体管(FeFET)等在内的人工感觉神经元(artificial sensory neuron, ASN)开展广泛研究，以实现环境连续信息到电脉冲信号的高效转换。ASN主要由人工神经元器件和传感器组成。它结合了高扩展性、低功耗和高响应速度等优点，旨在克服传统CMOS技术的局限性，对于类脑智能系统的发展具有重要的意义。

Recent Advances in Artificial Sensory Neurons: Biological Fundamentals, Devices, Applications, and Challenges

Shuai Zhong *, Lirou Su, Mingkun Xu, Desmond Loke, Bin Yu, Yishu Zhang *, Rong Zhao

Nano-Micro Letters (2025)17: 61

https://doi.org/10.1007/s40820-024-01550-x

本文亮点

1. 综述了ASN的生物学基础和最新进展，为生物启发的类脑感知提供了 基础支撑 。

2. 总结了ASN的 基本器件 、 性能指标 和 潜在应用 ，为ASN后续的构建和发展提供了方向。

3. 讨论了ASN未来发展的 前景与挑战 。

内容简介

广东省智能科学与技术研究院钟帅/浙江大学张亦舒研究员 首先从神经科学的角度阐述了多种生物信号的转导机理，如视觉、触觉、热觉、味觉、嗅觉和听觉。随后列举了用于构建ASN的多种器件如忆阻器、基于单晶体管锁存器的场效应晶体管(Single Transistor Latch Based Field Effect Transistor ，STLFET)和二维记忆晶体管(2D memtransistor)，强调了ASN的信号转换在类脑计算系统中的重要性。紧接着分类总结了人工触觉神经元、人工热觉神经元、人工听觉神经元、人工味觉神经元、人工嗅觉神经元、人工视觉神经元、人工生物化学神经元、人工多模态神经元等各类ASN的最新研究进展。探讨了ASN在机器学习、伤害性感觉、碰撞规避和人工神经接口等方向的应用。提出了评价ASN的性能指标，主要包括能耗、灵敏度、动态范围、线性度、响应时间和分辨率等。文章最后在不同层面上探讨ASN应用的可行性，为开发下一代类脑感知系统提供了有效的参考。

图文导读

I 生物信号转导机理

人体对外部刺激的编码是通过生物感受器实现的。它们是感觉器官内的特殊细胞或结构，可以检测特定类型的刺激激励并将其转换为中枢神经系统可以识别的电脉冲尖峰信号。依据功能不同，感受器可以分为视觉感受器、触觉感受器、热感受器、味觉感受器、听觉感受器、嗅觉感受器等。这些感受器有助于感知和适应环境的变化，并产生适当的生理反应。因此，对生物受体工作机制的深入理解可能为ASN的未来发展提供一些启示。

1.1 生物视觉

人眼由角膜、瞳孔、虹膜、晶状体、睫状体、玻璃体、脉络膜、巩膜和视网膜等结构组成。其中，视网膜负责光的检测与转换，其结构包括色素上皮层、光感受器层、双极细胞层、神经节细胞层、神经纤维层，以及支持细胞和血管。

视网膜中的光感受器分为视杆细胞和视锥细胞，它们通过光感受转导完成光的检测。当环境从暗到亮时，光感受器超极化；从亮到暗时，去极化。具体来说，光被光色素吸收后发生构象变化，将光色素从非活性的视紫红质状态转变为活性的视紫红质II状态。此转变激活了绑定在光感受器细胞膜胞质表面的G蛋白(转导素)，导致鸟苷二磷酸(GDP)释放，并与鸟苷三磷酸( GTP )结合。随后，GTP与转导素活化，二者与磷酸二酯酶(PDE)相互作用，催化环鸟苷单磷酸(cGMP)分解为鸟苷单磷酸(GMP)。

其中cGMP对于维持细胞膜上cGMP门控离子通道的开放至关重要，其浓度下降会导致这些通道关闭，阻止阳离子进入细胞，从而使光感受器超极化。这种超极化抑制了光感受器细胞向双极细胞释放神经递质，降低了双极细胞的电位。在无光情况下，这一过程则相反。

图1 生物视觉系统和视觉编码的分子机制。(a)视网膜的结构；(b)光感受器的反应；(c)光转导过程。

1.2 生物触觉、热觉

触觉系统使人类能够感知和理解身体接触，为物体识别、操作和社交互动提供关键信息。皮肤具有复杂的分层结构，是检测压力、振动和温度的主要器官。最近的进展表明，机械敏感的阳离子通道 PIEZO2 在机械力转导中发挥着重要作用。在皮肤结构内，各种机械受体检测机械刺激并将其转换为电脉冲尖峰，然后传输到 CNS 进行解码(图 2a)。机械传导的发生过程如下：当外部压力、振动或张力施加到皮肤上时，它会使细胞膜变形导致机械敏感离子通道的开放，例如 PIEZO2(图 2b)。PIEZO2通道的开放允许阳离子进入细胞，引起去极化。这种去极化激活电压门控钙通道，从而导致神经递质的释放和动作电位的产生。然而，由于机械感受器的多样性，机械传导的复杂性仍未被完全理解。

热感觉是触觉感知的另一个方面，使个体能够感知温度。这种能力对于适应环境和避免温度变化造成的损害至关重要。热感受器是一类专门检测温度变化并将其转化为电尖峰信号的受体。研究表明，含有瞬时受体电位钙通道亚家族成员TRPM8的热感受器对低温(8 ~ 28 ℃)敏感，而含有TRPV1通道的受体则对高温(24 ~ 35 ℃)敏感，如图2c所示。TRPM8和TRPV1都是钙离子通透通道，当它们分别受到低温或高温激活时，其结构会发生构象变化，打开通道，钙离子流入细胞，从而产生动作电位。这些信号随后通过背根神经节(DRG)传递至大脑皮层进行处理。然而，TRPM8和TRPV1对冷和热激活的分子机制尚未完全被理解，目前相关研究仍在积极进行中。

图 2. 触觉/热感觉的信号转导：具有机械感受器的皮肤结构；(b)Merkel 细胞-神经突复合体中的触觉转导；(c)与 TRPM 8 和 TRPV 1 相关的分子水平热传导。

1.3 生物味觉

味觉是人类的一种感官功能，在食物评价、饮食偏好形成和避免潜在毒素方面发挥着关键作用。通过味觉，人们可以辨别和区分甜、咸、酸、苦和鲜味，有助于评估食物和饮料的营养价值、新鲜度和质量。味觉主要通过舌上的味蕾感知，味蕾分布在舌的受体上，包括蘑菇状受体、叶状受体和轮廓受体，这些受体含有大量能够感知五种基本味道的味觉受体细胞。根据功能和形态，这些受体细胞可分为三种类型：I型细胞调节神经递质(如ATP)，可能与咸味相关；II型细胞感知甜、苦和鲜味，并通过G蛋白偶联受体(GPCRs)激活信号通路；III型细胞检测酸性刺激，并表现为“突触前”细胞特性，与传入神经相连。甜、苦和鲜味共用相似的信号传导途径，涉及 GPCR 的配体结合、钙离子释放以及TRPM5通道的激活。咸味的感知主要通过上皮钠离子通道(ENaCs)介导，而酸味的检测则依赖OTOP1通道对酸性刺激的响应，通过钠离子和钾离子通道的协同作用产生动作电位。尽管咸味和酸味的具体分子机制尚未完全阐明，但近年来的研究对酸味感知机制提供了新的见解。

图 3. 味觉感知和编码机制：(b)味觉感受细胞介导味觉；(c)I型、II型和III型味觉感受细胞；(d)甜味、鲜味、苦味和咸味的传导过程；(e)酸味的传导过程。

1.4 生物嗅觉

嗅觉系统负责感知气味，对人类和动物都至关重要。它不仅可以检测和识别环境中的挥发性气味，还执行着识别食物、避免威胁和促进社交互动等关键任务，为人类和动物提供了重要的生存保证。例如，通过气味检测变质食物可以预防食物中毒。此外，嗅觉系统与记忆和情绪密切相关，某些气味能够唤起回忆并影响情绪，对认知和情感过程有重要影响。

嗅觉感知的核心是嗅觉感受神经元(OSNs)，这些神经元包含轴突、细胞体、树突和树突结，结上覆盖着带有气味受体的纤毛。当气味分子与受体结合时，激活特定的嗅觉G蛋白(Golf)，从而促进腺苷酸环化酶(ACIII)将ATP转化为cAMP。cAMP水平的升高激活环核苷酸门控通道( CNGC )，引发钠离子和钙离子内流，导致去极化。钙离子的增加推动了钙依赖性氯离子通道(CaCC)打开，进一步去极化并生成动作电位。此外，钙离子浓度的升高会促进嗅觉信号的适应和恢复。当钙离子与钙调蛋白(CaM)结合后，将激活钙/钙调蛋白依赖性蛋白激酶II(CaMKII)。CaMKII 的激活会降低 cAMP 与 CNGC 的结合能力，并通过磷酸化抑制 ACIII 的活性。同时，磷酸二酯酶1C(PDE1C)也被激活，加速 cAMP 的降解。通过这些机制，嗅觉信号被调节和终止，从而完成嗅觉信号转导的适应和恢复过程，如图4所示。

图 4. 嗅觉受体的转导级联。

1.5 生物听觉

听觉在沟通交流、认知功能、社交互动以及保障安全方面都扮演着至关重要的角色。它能够感知声波引起的细微振动，并将其有效地放大并转换为电信号。听觉系统具有较大的动态范围，可以捕捉较广强度和频率范围内的声音。声波引起空气压力的变化，导致耳蜗导管内液体运动，从而在感觉上皮产生机械振动。耳蜗的基底膜具有特殊的物理特性，这使得不同频率的振动集中在不同的区域，其中外毛细胞增强振动信号，内毛细胞将机械信号传递给传入神经。听觉机械感受转换的关键过程是通过毛束实现的。毛束由按梯度排列的纤毛(立体纤毛)组成，纤毛通过顶部连接丝相连。毛束向最长纤毛方向偏转时，顶部连接丝的转换通道开启，钙离子和钾离子进入纤毛引起去极化。当钙离子进入纤毛时，负责调节张力的肌球蛋白从F-actin上释放关闭通道；钙离子浓度下降后，肌球蛋白重新产生张力。

图5. 听觉受体的转导级联。

II 用于构建ASN的新型器件

ASN依靠复杂的分子/离子运动实现外部感知的尖峰编码，从而实现类脑的高能效信号处理，是用于模仿生物感觉神经元行为的器件或相关系统。它主要由两部分构成：一部分是各种传感器，用于捕捉外界刺激；另一部分是人工神经元器件，它们负责产生尖峰信号来编码感觉信息。为了克服基于CMOS的人工神经元器件的面积和能耗劣势，迄今为止，研究人员已经开发了各种用于人工神经元器件的新型存储器件，包括单晶体管、2D忆组晶体管、忆阻器、相变存储器、磁隧道结，和铁电存储器。下面我们将重点介绍用于构建 ASN 的新型器件。

2.1 忆阻器

扩散型忆阻器的工作原理是通过电场作用，使得内部的离子或空位发生迁移，从而实现其电阻值的可逆性改变。这种方式使得忆阻器能够在不同的电阻状态之间切换。典型的活性层材料包括金属氧化物、导电聚合物和固体电解质，电极通常为活性金属。它具有超低功耗(电流小)，但存在着一致性较差的问题。莫特忆阻器是一种基于莫特相变(Mott Transition)的忆阻器，其在高电场或温度下可以实现从半导体态(高电阻)到金属态(低电阻)的可逆转变。这种转变依赖电子从局域态到非局域态的量子力学效应，表现出快速、可逆的开关特性。莫特忆阻器在优化后具有高均匀性，但是存在电流大(毫安级)、能耗较高的问题，如图6(a)所示。两者在ASN中通过串联电阻、传感器和并联电容实现振荡或者积分发放特性，用于脉冲生成。在生物机理上，扩散型忆阻器通常采用漏积分触发(LIF)策略，适合低频脉冲(1-1000 Hz)，能耗低。莫特忆阻器采用振荡方法，频率可达kHz或MHz，适合快速编码和处理，但能耗相对较高。

图 6. (a)忆阻器；(b) STLFET 的结构、电气特性和 ASN 实现电路 (c) 二维忆阻晶体管。

2.2 基于单晶体管锁存器的场效应晶体管(Single Transistor Latch Based Field Effect Transistor, STLFET)

近期基于单晶体管锁存(STL)现象的ASN受到广泛关注，这种器件的结构为平面或垂直n-p-n型，其中包含一个浮置的p区。STL效应是硅绝缘体金属氧化物半导体场效应晶体管(silicon-on-insulator metal–oxide–semiconductor field-effect transistors，SOI MOSFET)在较高漏极偏压下的一种极端浮体效应。当漏极偏压较高时，漏极附近的冲击电离电流会使体区-源极二极管正偏，从而提升体区电势。这种增强的体偏压降低了SOI MOSFET的阈值电压，增加漏-源电流，并进一步增强冲击电离电流，形成正反馈效应。当冲击电离电流超过体区-漏极二极管的泄漏电流时，阈值电流和体区电势骤增。

电离电流超过体区-漏极二极管的泄漏电流时，阈值电流和体区电势骤增。STL现象可以通过电路设计用于尖峰信号的产生。当恒定输入电流(Iin)施加到集电极时，STLFET在低电压下处于高电阻状态(HRS)，寄生电容中的正电荷逐渐累积，导致集电极输出电压(Vout)增加。当Vout超过锁存电压(Vlatch)时，累积电荷流向发射极以降低Vout，这一过程即为“发放”过程，STLFET切换至低电阻状态(LRS)。发放后，器件自动恢复至HRS，实现重复积分。

基于STL的ASN具有多项优点：与CMOS工艺兼容，可与其他电路元件集成，且具有高均匀性和稳定性，适合大规模制造；驱动电流极低(约纳安培级)，适合低功耗应用；但其充放电时间约为毫秒级，因此产生的脉冲频率小于1kHz。

2.3 二维忆阻晶体管(2D memtransistor)

忆阻晶体管结合了晶体管和忆阻器的功能，具有源极、漏极和栅极三个端口。常见的机制包括通过金属-半导体界面调节肖特基势垒(如空位/离子迁移、电荷捕获或铁电畴切换)。栅极电压通过调节二维材料的载流子密度控制通道电导(晶体管功能)。在源漏间施加适当的偏压可引起材料的非易失性电阻变化(类似忆阻器功能)，这种变化源于缺陷或离子的运动，或晶格结构的改变。这种动态电阻在去掉电压后可被“记忆”，实现非易失性存储。

忆阻晶体管的电流-电压特性表现为栅极电压增大时电流显著上升，并在超过阈值电流时产生尖峰电流。在类脑感知的应用中，忆阻晶体管可单独作为ASN使用，或与其他传感器连接实现ASN。外部刺激可以直接或通过调节栅极电压影响电流行为，从而控制脉冲频率。其脉冲频率通常在kHz范围，较扩散型忆阻器和STLFET更高。

图 7. 扩散忆阻器、莫特忆阻器、STLFET 和二维忆阻晶体管在面积、CMOS兼容性、均匀性、功耗和尖峰频率方面的性能比较。

II I ASN 的各种类型

3.1 人工触觉神经元 (Artificial Tactile Neuron, ATTN)

人工触觉系统旨在模拟或增强机器人或人工环境中的人类触觉感知，广泛应用于机器人技术、假肢、虚拟现实和医疗设备等领域。这些系统需满足对能效和小型化的严格要求，而传统传感器往往难以达到这一标准。人工触觉神经元(ATTNs)通过模仿生物触觉系统，提供了一种将压力转换为尖峰信号进行处理的潜在解决方案。目前，基于NbO x 忆阻器和压电器件的集成系统在触觉编码方面表现优异，其输出尖峰频率与压力幅值呈正相关，且其还能模拟生物的“保护性抑制”机制。然而，当前的系统尚不能完全复制如慢适应型受体等机械感受器的行为，因而无法持续响应静态压力。

图 8. 人工触觉神经元：(a)带有莫特忆阻器的 ATTN；(b)ATTN 具有扩散忆阻器和排序编码算法；(c)ATTN 具有生物神经元适应能力。

3.2 人工热觉神经元(Artificial Thermal Neuron ，ATMN)

ATMN模拟触觉感知中的温度感知，是人工感知系统的重要组成部分。一些已有的类脑计算器件也可以完成ATMN的特性模拟，其电路实现相对比较简单。基于STLFET的ATMNs工作范围为30~110℃，适用于物联网应用。而基于扩散型忆阻器的ATMNs机理是通过受温度影响的Ag⁺离子迁移活化能影响导电丝形成。对与Mott忆阻器的ATMNs来说，采用VO₂材料，其工作范围为25~40℃，具有快速响应能力；采用NbO x 材料则具有更高的IMT温度(800°C)，工作范围可扩展至40~120℃。ATMN目前依然存在着诸多问题，如能耗较高，稳定性较差等问题，通过材料与器件优化，可望解决上述问题。

图 9. 具有各种新型器件的人工热觉神经元：(a)STLFET；(b)扩散忆阻器；(c) 莫特忆阻器。

3.3 人工听觉神经元 (Artificial Acoustic Neuron，AAN)

人工听觉系统旨在探测或增强声音，可用于各种应用，例如人工耳蜗和机器人导航、感知、定位和交互。然而，由于电路实现复杂，这些系统体积较大且功耗较高。AAN 通过模仿人类听觉系统将声波转换为尖峰脉冲，提供了一种更有效的替代方案。AAN 通过将响应声压的 TENG 与 STLFET 合并来实现 AAN。TENG 的结构包括顶部铜电极、粘合到基底铜电极 (FEP/Cu) 的氟化乙烯丙烯 (FEP) 薄膜以及用于将顶部电极和 FEP 薄膜分开的八个垫片。通过作用在 FEP/Cu 上的声波压力使其振动，并通过摩擦起电产生交流电(图 10a)。利用该电流可以驱动 STLFET 产生振荡脉冲。基于此，作者还开发了一种用于音频分类的人工声学模块(图 10b)。这是受生物听觉神经通路启发制备 AAN 的首次尝试。

图 10. 人工声觉神经元：(a)声传感器的工作机制；(b)声区分的硬件实现。

3.4 人工味觉神经元 (Artificial Gustatory Neuron ，AGN)

AGN利用化学传感器阵列探测和分类味道信息，通过模式识别算法解读输出信号，区分并量化各种味觉。该系统模仿生物味觉受体，由pH传感器/钠离子传感器与STLFET组成。当pH降低时，Al₂O₃表面氢离子增加，使得电荷和表面电势增大，降低STLFET的阈值电压，提高尖峰频率。此外利用钠离子载体(sodium ionophore X)可以通过浓度梯度生成膜电势，因此钠离子的高浓度对应低尖峰频率。基于输出节点尖峰频率的不同，AGN实现了对不同味道(如醋、盐水)的区分，在能效和硬件成本上优于传统系统，但尚未完全实现甜、苦、鲜味的编码。完成多味觉编码，需要整合所有味觉编码能力，构建类似人类舌的系统。当系统同时检测多种味道时，正确分离输出尖峰信号以避免误判或遗漏至关重要。通过分析尖峰振幅和频率或通过算法建立尖峰频率与味道的一一对应关系可以提高分离的准确率。

图 11. 人工味觉神经元：(a)用于 pH 传感的 AAN；(b)AAN 用于钠离子浓度编码

3.5 人工嗅觉神经元 (Artificial Olfactory Neuron，AON)

AON模拟人类嗅觉系统的功能，能够检测空气中的挥发性有机化合物(VOCs)及其他化学物质，在食品质量检测、环境监测和医学诊断等领域具有广泛应用。然而，传统嗅觉系统架构面临高传输带宽和计算资源需求的问题。针对这一问题，研究人员开发出一种新型人工嗅觉系统。该系统集成气体传感、数据存储与处理等功能，利用商用气体传感器和扩散型忆阻器作为编码单元，基于非易失性忆阻器的人工突触通过尖峰频率依赖可塑性(SRDP)进行训练并传递信号，中继神经元负责处理突触信号并对气体种类进行分类。系统的处理单元则由FPGA和ASIC组成，负责信号处理和控制分配。该系统能够通过尖峰模式识别甲醛、乙醇、丙酮和甲苯四种气体，但无法对气体浓度进行编码。

此外，Han等人提出了一种基于半导体-金属-氧化物(SMO)传感器和STLFET集成系统，能够同时编码气体种类和浓度。通过SnO₂和WO₃传感器，该系统实现了对NH₃、CO、丙酮和NO₂等气体及其不同浓度的尖峰编码。然而，其识别性能仍存在局限性，例如在区分2 ppm的NH₃与20 ppm的CO时可能生成相似的尖峰频率，影响识别准确性。此外，微型加热器的使用加剧了功耗提高。未来，开发新型气体传感器或人工嗅觉系统(AONs)需要在编码精度和能耗优化等方面取得突破。

图 12. 人工嗅觉神经元：(a)基于 AON 的气体识别神经网络；(b)用于气体类型和浓度检测的 AON。

3.6 人工生物化学神经元(Artificial Biochemical Neuron ，ABCN)

在生物系统中，细胞膜中的生物离子通道通常维持在平衡状态，以保持阳离子和阴离子的分布平衡。在外部刺激下，离子通道打开，产生电信号并将其传递至中枢神经系统(CNS)。因此，神经活动易受神经递质浓度影响。然而，目前的离子传感器尚无法生成尖峰信号来很好地模拟这一功能，因此开发对生物分子浓度敏感的人工生物神经元(ABCN)极为重要。

基于此，研究人员开发了一种人工有机神经元(OAN)，其通过两个串联的有机电化学晶体管(OECTs)组成非线性装置(OEND)，采用混合离子-电子导体材料制成。OEND因其负微分电阻特性，在电压偏置下能够产生稳定且可重复的电流尖峰，且尖峰频率受Na⁺浓度调控。这种特性源于离子与混合材料间的相互作用，可以改变晶体管的掺杂水平和漏极电流。

该器件也对多巴胺等生物分子浓度敏感，表现出类似生物神经元的脉冲尖峰行为。利用这一特性，通过使用离子载体选择性膜，可增强对K⁺的选择性，从而模拟生物离子通道的功能。引入仿生膜后，可通过离子交换控制尖峰行为。然而，有机材料存在一些问题，包括材料稳定性差(易受温度和紫外线等环境因素影响导致性能下降)，器件工作产生的热量可能破坏材料结构，大规模生产中难以实现高均匀性，加工技术和材料兼容性差增加了集成难度，有机材料的尖峰能耗更高等等。

图 13. 人工生化神经元：(a)ABCN 的结构；(b)用于 ABCN 的装置和材料；(c)不同氯化钠浓度下的尖峰脉冲；(d)不同多巴胺浓度下的尖峰脉冲；(e)ABCN 的选择性；(f) 基于 ABCN 的生物混合神经元。

3.7 人工视觉神经元(Artificial Visual Neuron， AVN)

AVN模拟生物光感受器编码视觉信息，以高效和节能的方式捕捉和处理视觉数据。它应用于自动驾驶、机器人、监控和医学成像等领域，特别适合资源受限环境。

基于忆阻器的AVN使用MoS₂忆阻器将光强转化为脉冲频率，编码不同亮度的图像。例如Lee等人开发的基于Ag掺杂GeSe₂的AVN，可识别从“亮”到“暗”的变化，用于胸部X光分类。Wang等人利用b-AsP/MoTe₂二维异质结构开发中红外(MIR)AVN，结合光伏效应和光热电效应，实现了高效光信号处理。Zhao等人基于NdNiO₃开发了紧凑型AVN，通过集成光电探测器和忆阻器提升分辨率。Han等人通过将NdNiO₃替换为为多晶硅和InGaAs，将探测范围扩展至可见光和红外波段，并降低了功耗。Chen等人开发的AVN模仿人眼双目视差，根据物体距离调整脉冲频率，实现了深度信息编码。

对于AVN而言，未来方向是进一步降低功耗和提升稳定性，开发广谱覆盖的AVN，且兼顾高分辨率。除此之外，需要深化仿生设计，提高AVNs对复杂视觉任务的适应性。AVNs在节能高效编码视觉信息方面表现出巨大的潜力，但仍需在器件优化、功能扩展和仿生能力上持续突破。

图 14. 人工视觉神经元：(a)基于ASN的MoS₂记忆晶体管的结构；(b)基于 ASN 的 MoS2 记忆晶体管的尖峰生成；(c)尖峰速率编码和尖峰行为的可调性；(d)MIR 响应式 ASN 的结构；(e)MIR 响应式 ASN 的工作机制和(f)尖峰编码；(g)深度感知；(h)颜色选择性；(i)采用 ASN 的尖峰时序编码。

IV ASN的性能评价指标

降低功耗对提升能效、减少热效应及延长器件寿命具有关键意义。功耗可以通过公式 V×I×t/N来进行粗略评估，其中 V 为输入电压，I 为输出电流，t 为刺激时间，N 为尖峰数。现有优化策略主要包括纳米点引入、掺杂、多层氧化物设计及扩散层引入等方法。另外，将传感与编码功能集成到单一器件(如“传感-编码一体化”)也是提高能效的有效手段。

灵敏度(Δf/Δx)是衡量器件对输入刺激变化的响应能力；动态范围则反映器件可检测输入值的范围。如今的挑战是高灵敏度通常会缩小动态范围，而宽动态范围会降低灵敏度。这一方面新材料(如铁电材料和多孔复合材料)的开发有助于实现高灵敏度和宽动态范围的结合，并可以根据具体应用需求优化性能。

线性度是指输出尖峰频率与输入变化的比例关系，是精确测量和数据一致性的重要指标。传感器线性度可通过微结构和材料设计进行优化，但ASN响应的线性度仍需突破。

响应时间指从刺激检测时间到准确输出尖峰的时间间隔，对实时应用至关重要。振荡型ASN的响应时间为微秒级，而积分发放型(LIF)ASN由于积分过程耗时，响应时间为毫秒级。改进传感器的特性(如材料的可压缩性和弹性)可进一步缩短响应时间。

分辨率指ASN可检测和编码的最小输入变化，是高精度测量的关键指标。

需要注意的是，高分辨率会增加数据量并提高处理需求，而低分辨率适用于趋势分析或非精确应用。通过传感器制造工艺改进和微结构设计可显著提升ASN的分辨率。

稳定性指ASN在运行寿命内对环境变化(如温度、湿度)保持一致输出的能力。高稳定性确保器件输出可靠，减少维护和校准频率；对于短寿命设备(如可降解植入式电子器件)，则要求具备特定环境的适应性。采用热稳定的设计和针对应用优化的寿命策略(如可溶解设备)是当前研究重点。

V ASN的应用

5.1 机器学习

脉冲神经网络(SNN)是一种受生物神经网络功能启发的人工神经网络模型。与使用连续信号的传统神经网络(ANN)不同，SNN通过离散的脉冲信号处理信息，这种信号与生物神经元之间靠动作电位通信的方式相同。SNN在处理时间信息和事件相关动态方面表现出色，因此在认知科学和神经科学领域备受关注。由于(ASN)可以将外界信息转化为脉冲信号，它们非常适合与SNN结合，用于实现节能的处理系统。例如，Yuan等人开发了一种可校准的ASN，用于手势识别，如图15(a)所示。该系统可以检测曲率并将其转换为脉冲信号，曲率越大，脉冲频率越低。当ASN附着在手指上时，分析脉冲频率即可检测不同的手势，并通过对不同手势的脉冲频率进行统计分析，展示了基于脉冲的类脑感知系统在手势识别中的有效性。

储备池计算(Reservoir Computing)受人脑自适应学习能力的启发，是计算神经科学和机器学习中的新兴领域，其采用递归神经网络(RNN)来实现。该方法包括三个主要部分：储备池、输入层和输出层。储备池是系统核心，由具有递归连接的神经元组成，可以处理和存储时间数据。输入层接收外部信号并将其传递至储备池，输出层生成基于储备池状态的最终输出。储备池的非线性动态使其能够执行复杂计算，并通过储备计算训练程序从数据中学习。通过ASN获取的脉冲信号可以用作训练储备网络的输入信号。例如，Lee等人开发了一种ATTN传感器并用储备池计算对脉冲信号进行处理，能够识别和分类肿瘤，如图15(d)所示。该传感器的输出脉冲频率与材料的弹性刚度相关，使其适用于识别不同病理状态下生物体的模量分布模式。

脉冲耦合神经网络(PCNN)是一种模拟哺乳动物视觉皮层中神经活动的神经网络模型。在PCNN中，神经元通过脉冲或信号进行通信，每个神经元对特定的输入刺激作出反应。PCNN的关键概念是神经元活动的同步性，邻近神经元根据接收到的脉冲时间同步它们的发生模式。如图15(e)所示，这种同步性使PCNN能够通过分析空间和时间关系识别数据中的模式和特征。ASN生成的脉冲信号可以作为PCNN的输入信号。例如，Wu等人利用Mott忆阻器和IGZO4光传感器开发了一种用于图像分割的AVN器件。该器件感受系统高度灵敏，可响应低至0.2 mW/cm²的紫外线强度。实验表明，在存在噪声背景的情况下混合紫外光的蝴蝶图像(600 × 600像素)可以被成功提取。

图 15. 带有神经网络的 ASN：(a)手指曲线编码；(b)SNN分类；(c)使用 ASN 对肿瘤硬度进行编码；(d)通过储备池计算对肿瘤进行分类；(e)图像分割的工作流程；(f)利用 ASN 和 PCNN 实现图像分割。

5.2 人工伤害感受器

与其他感受器相比，伤害感受器的激活阈值较高，仅对强烈或潜在有害的刺激作出反应。刺激移除后，伤害感受器的活动或敏感性减弱，这是防止过度痛苦和功能丧失的保护机制。伤害感受器对持续的痛觉刺激不会降低敏感性，这对慢性疼痛的形成和维持有重要作用。

利用ASN可以很好地模拟伤害感受器的特性。研究人员通过压敏传感器和Mott忆阻器实现了阈值、弛豫和无适应性等特性。例如，当压力超过临界值时才生成脉冲，移除压力后脉冲活动停止，长期压力下脉冲频率保持稳定。在实验中，通过楔形物施加压力引发局部损伤，显示出压力阈值降低(触觉痛)和更高的脉冲频率(痛觉过敏)。研究人员还开发出了基于CsPbBr₃@graphdiyne纳米晶的热伤害感受系统，可检测温度刺激并生成脉冲信号，用于控制机器人手臂远离热源。不同温度条件下，响应速度和脉冲频率变化模拟了生物感受器的预警和保护机制。

人工伤害感受器有助于智能感知系统的发展，推动仿人机器人、神经假肢和神经接口的构建。这些应用的实现依赖于多种疼痛刺激的检测与区分、生物相容性，以及类脑芯片的进一步开发。

图 16. 带有 ASN 的伤害感受系统：(a)伤害感受器的阈值属性；(b)伤害感受器松弛；(c) 伤害性感觉；(d)使用 ASN.1 进行阈值仿真；(e)损伤状态示意图和伤害感觉模拟；(f) 忆阻器的结构；(g)基于 ASN 的伤害性系统电路；(h) 机器人手臂的伤害性反应。

5.3 碰撞规避

碰撞规避的基本机制包括感知系统(如视觉系统)检测潜在碰撞、数据整合和处理以及运动响应。其中视觉信息尤为重要，如人类依赖双眼视差估算距离，而昆虫利用运动检测神经元感知逼近的物体。运动检测神经元响应物体的角速度和逼近物体的大小，通过兴奋性和抑制性输入，生成具有峰值的脉冲信号以预测碰撞时间。

传统视觉芯片(如硅视网膜和FPGA电路)面临着功耗和面积效率挑战，而人工视觉神经元(AVN)模仿运动检测神经元的脉冲发放动力学，可用于自动驾驶汽车夜间避撞。这是因为AVN对光强变化敏感，其输出脉冲频率随车辆距离减小而增加，可以实现安全减速。基于AVN阵列的仿生复眼系统，利用异质结构(如FLBP-CsPbBr₃)实现光强度驱动的脉冲频率调节。将其应用于机器人平台，可通过脉冲频率阈值控制机器人转向，避免碰撞。

目前这一方向依然存在着诸多挑战例如人工神经系统响应时间以秒为单位，远慢于生物系统的毫秒级响应。除此之外单一视觉信息不足以应对复杂环境，需结合距离传感器等多模态感知技术，构建更加全面的碰撞检测系统。

图 17. 使用 ASN 避免碰撞：(a)蝗虫避碰的工作机制；(b)AVN 的尖峰响应；(c) AVN 控制系统；(d)不同光强下的尖峰产生；(e)AVN 用于实时碰撞检测。

5.4 人工神经接口

人工神经接口可以在生物神经系统与电子器件之间建立连接，或者模仿生物神经通路。这种技术可以应用于恢复失效的感知或运动功能，例如帮助截肢者控制假肢或帮助瘫痪患者通过脑机接口与计算机互动。ASN作为实现人工神经接口的理想组件，能够对外部刺激进行脉冲编码。

近期研究人员开发出基于VO₂忆阻器的柔性多模态ASN。它模仿人类的神经反射系统，精确控制机械臂进行抓取和释放操作。然而，目前人工神经接口的功能仍然有限，远未达到生物系统的复杂性。若能通过与神经科学家合作，从分子层面复现生物神经元的动态行为，模仿电化学信号的传递，则可以逐步开发出更接近生物神经通路的人工神经接口。

图18. 与 ASN 有关的人工神经接口：(a)生物和人工神经反射系统；(b)ASN 的尖峰响应；(c)对不同条件下 ASN 的尖峰性能的系统研究；(d)灵活的传感器内编码和触觉反馈系统平台；(e)机械臂在不同刺激下的实时反应。

VI 总结与展望

ASN在硬件成本和功耗上较传统模数转换器(ADC)更具优势。它通过模拟生物的感官神经元，能够高效地将外部信息转换成尖峰信号。这一特性使得ASN在人工智能、智能传感技术、仿生假肢以及类人机器人等领域具有广阔的应用前景。目前ASN的构建采用了忆阻器、STLFET和二维忆阻晶体管等器件，但这些器件还面临热稳定性不足、工艺兼容性差、功耗较高以及制备过程复杂等挑战。为了克服这些瓶颈，研究者们需要通过材料设计、界面优化和开发新型工艺技术，逐步予以解决。

ASN需要进一步提高其紧凑性，比如开发集感知与编码于一体的设备。同时，动态范围和响应时间也需要进一步优化，以更好地匹配人类的感知能力，并提升其稳定性和可靠性。目前，不同类型的ASN(如热、声、嗅觉)发展存在不平衡，因此迫切需要拓展研究的范围。

阵列级应用的瓶颈在于，虽然小规模的ASN阵列已经实现了触觉和视觉编码，但还需要克服邻近信号的干扰和热效应问题，以提升密度和分辨率。此外，多模态功能的实现尚待进一步探索，这或许可以通过整合多单元传感器或采用单传感器进行多刺激检测的方法来解决。

在系统性集成与应用方面，ASN需要与神经网络和执行器相结合，以完成数据处理和反馈回路的搭建。接口电路也需要优化，以便适配不同的场景，减少硬件占用和功耗。针对脉冲神经网络的高效算法开发仍然是研究的重点，而软件支持是系统实用化的关键。

ASN在资源受限的自主系统中具有重要的应用前景，特别是在要求高能效的环境下，它能够实现实时信号处理和多模态融合。目前，ASN的研究仍处于初期阶段，跨学科的深入合作可以加速其在神经形态硬件与系统领域的发展，并为智能自主系统提供新的解决方案。

作者简介

钟帅

本文通讯作者

广东省智能科学与技术研究院 青年研究员

▍ 主要研究 领域

神经形态器件，类脑计算。

▍ 个人简介

钟帅，广东省智能科学与技术研究院青年研究员，主要研究方向为神经形态器件，类脑计算。先后在西北工业大学，北京航空航天大学，新加坡科技设计大学获得学士，硕士和博士学位。目前发表学术论文20余篇，包括《Nano-Micro Letters》《International Journal of Extreme Manufacturing》《ACS Applied Materials&Interfaces》《Advanced Intelligent Systems》《Applied Physics Letters》等，担任《Frontier in neuroscience》客座编辑，《Brain-X》青年编委。

▍ E-mail ： zhongshuai@gdiist.cn

张亦舒

本文通讯作者

浙江大学 研究员

▍ 主要研究 领域

新型存储器(RRAM, FeRAM等)实现的存算一体和神经形态计算研究。

▍ 个人简介

张亦舒，浙江大学集成电路学院科创百人研究员，浙江省集成电路创新平台兼聘研究员，浙江省海外高层次人才。先后在吉林大学和新加坡科技设计大学获学士、博士学位。长期从事围绕新型存储器(RRAM, FeRAM等)实现的存算一体和神经形态计算研究，在相关领域发表学术论文50余篇，其中第一作者/通讯作者论文25篇，包括《Nature Communications》、《Advanced Materials》、《Advanced Functional Materials》、《 ACS Nano 》、《InfoMat》、《Nano Letters》、《Physics Review Applied》和《Applied Physics Letters》等；以第一发明人申请发明专利16项，授权6项，其中2项美国专利。受邀担任International Journal of Extreme Manufacturing、Brain-X、Progress in Natural Science-Materials International和CMC-Computers Materials & Continua等杂志青年编委。获得包括第二届全国博士后创新创业大赛银奖、HICOOL2024全球创业大赛三等奖和国家优秀自费留学生奖学金等奖项。

▍ E-mail ： zhangyishu@zju.edu.cn

撰稿 ：原文作者

编辑： 《纳微快报(英文)》编辑部

关于我们

Nano-Micro Letters《纳微快报(英文)》是上海交通大学主办、在Springer Nature开放获取(open-access)出版的学术期刊，主要报道纳米/微米尺度相关的高水平文章(research article, review, communication, perspective, highlight, etc)，包括微纳米材料与结构的合成表征与性能及其在能源、催化、环境、传感、电磁波吸收与屏蔽、生物医学等领域的应用研究。已被SCI、EI、PubMed、SCOPUS等数据库收录，2022JCR影响因子为 26.6，学科排名Q1区前5%，中国科学院期刊分区1区TOP期刊。多次荣获“中国最具国际影响力学术期刊”、“中国高校杰出科技期刊”、“上海市精品科技期刊”等荣誉，2021年荣获“中国出版政府奖期刊奖提名奖”。欢迎关注和投稿。

Web: https://springer.com/4082

转载本文请联系原作者获取授权，同时请注明本文来自纳微快报科学网博客。 链接地址： https://blog.sciencenet.cn/blog-3411509-1463993.html

上一篇： 吉大杨春成、蒋青等：铋基复合材料用于超低温快充钠离子电池

主题：浙江大学张亦舒等综述