单脉冲TTFS编码器：基于Pt/TaOx/V器件的超低电压超快神经形态傅里叶变换方案

《Advanced Science》：A Compact and Fast Single-Spike TTFS Encoder With Ultralow Operating Voltage for Efficient Neuromorphic Fourier Transform

　　

傅里叶变换（Fourier transform, FT）是现代信号处理中频域分析不可或缺的数学基础。然而，传统FT硬件依赖复杂数字逻辑电路，导致高功耗与适应性差。脉冲神经网络（spiking neural networks, SNNs）采用时间至首spike（time-to-first-spike, TTFS）编码，在能效上具有优势，但现有TTFS编码器存在工作电压高、编码速度慢、外围电路复杂与spike输出冗余等问题。研究人员提出一种基于Pt/TaOx/V器件的紧凑、超低电压、超快单spike TTFS编码器。该器件呈现可靠阈值开关（threshold switching, TS）行为，实验与计算结果表明其机制源于TaOx中氧空位辅助导电与类VO2界面区热驱动电导变化的耦合。该编码器在简化电路下以约0.35 V超低电压、亚微秒（约100 ns）速度实现单spike TTFS编码。对多音信号、数字化语音段与线性调频非平稳信号的系统表征显示，SNN-FFT系统在谱保真度上与标准FFT高度一致，同时保持强稀疏性与低功耗。该工作不仅开发了高性能TTFS spike编码器，也为低功耗、实时、微型化神经形态FT硬件提供了高效可行方案。

研究背景方面，傅里叶变换（Fourier transform, FT）是信号处理中把时域信号转为频域分量的基础工具，快速傅里叶变换（fast Fourier transform, FFT）将离散傅里叶变换（discrete Fourier transform, DFT）复杂度由O(n²)降至O(nlogn)，但传统FT硬件依赖复杂数字电路，功耗高、面积大，难以用于边缘计算与可穿戴设备。人工神经网络（artificial neural networks, ANNs）仍需大量乘加操作，能效有限。脉冲神经网络（spiking neural networks, SNNs）具有事件驱动特性，其中spike编码器是把连续信号转为spike的关键接口。现有编码方法中，速率编码（rate coding）靠固定时间窗内spike数量表示强度，需多spike；时间至首spike编码（time-to-first-spike, TTFS）用首spike时刻表示强度，更高强度对应更早首spike，具有无限分辨率、低能耗、低延迟优势。已有挥发性忆阻器（volatile memristors）方案或多spike输出，或单spike但需复杂外围、工作电压大于1 V、编码速度约毫秒级，因此亟需紧凑、超低电压、超快的单spike TTFS编码器。研究人员开展基于Pt/TaO_x/V器件的高效神经形态FT研究，结论是该器件可实现约0.35 V、约100 ns的单spike TTFS编码，并构建SNN-FFT框架，在多音、语音、线性调频（linear frequency-modulated, LFM）信号上取得与标准FFT高度一致的谱保真度，意义在于为低功耗、实时、微型化神经形态信号处理提供可扩展路线。该论文发表在《Advanced Science》。

主要关键技术方法上，研究人员采用磁控溅射制备Pt/TaO_x/V堆叠器件，用X射线光电子能谱（XPS）分析Ta 4f与O 1s价态，用透射电子显微镜（TEM）与电子能量损失谱（EELS）表征界面；用半导体参数分析仪测试双极性I-V与阈值开关（threshold switching, TS）循环；用密度泛函理论（density functional theory, DFT）第一性原理与从头分子动力学（ab initio molecular dynamics, AIMD）模拟Ta₂O₅/V界面电荷转移、V-O簇形成与VO₂样化学环境；用1M1R电路以串联电阻精确控制焦耳热，提取电压依赖spike时延与抖动；再以实验标定器件特性构建双极性非均匀TTFS映射与S-DFT神经元模型，做系统级SNN-FFT仿真验证多音、数字化语音段与非平稳LFM信号。

研究结果方面，Materials characterization and electrical testing of the memristor中，TEM确认Pt/TaO_x/V层状结构，TaO_x层约10 nm、V层约60 nm；XPS显示Ta⁵⁺、Ta^4+/3+及晶格氧O_L、非晶格氧O_V，非晶格氧占比27.12%，证明氧空位与缺陷存在；600次I-V循环呈现双极性TS，阈值电压V_th约0.23 V、保持电压V_hold约0.17 V，循环间变异系数低，高低阻态分离稳定。

TTFS coding with a single spike based on a Pt/TaO_x/V device中，1M1R电路仅串联1786 Ω电阻并利用寄生电容，0.3 V下10 μs刺激只产生单电流spike，每spike能耗约0.72 nJ；电压升高则首spike时刻缩短，因焦耳热Q=V²t/R使达到切换阈值更快；统计显示低电压时序随机性大、高电压标准差小；本工作以0.3 V、1×10^-4 s速度优于已有TMS/TSS编码器。

Framework and implementation breakdown of the data-driven SNN-FFT encoding system中，常规TTFS-FFT在归一化幅度约0.34附近出现非线性时序抖动，会引入杂散谐波与频谱泄漏；研究人员提出双极性非均匀TTFS编码，把-1到1实值信号经时间扩展非线性映射转为spike延迟轨迹，使归一化抖动与输入幅度呈强线性负相关；S-DFT神经元分沉默积分阶段与spike发放阶段，用双向阈值u_th与-u_th把DFT加权空间信息转为振幅到时延映射。

Comparative performance analysis between standard FFT and the proposed SNN-FFT on synthetic and real-world signals中，多音信号在0-150 Hz内SNN-FFT与标准FFT吻合、无谐波失真；数字化语音段主谱峰与音高包络保留，仅背景噪声略高；LFM信号的标准FFT三角时频轨迹被SNN-FFT忠实恢复，量化指标上多音信号RMSE约0.03、Δf为0 Hz（SNR≥10 dB），语音与chirp信号RMSE 0.024-0.08、SFDR约11 dB，即便30%时序抖动下峰值频率仍不偏移。

讨论部分总结为，该单spike TTFS编码器把TaO_x氧空位丝与界面VO₂类绝缘体到金属转变（insulator-to-metal transition, IMT）耦合，以低电压焦耳热控制实现亚微秒、稀疏、低能耗编码；双极性非均匀映射与S-DFT神经元弥补了硬件抖动带来的非线性失真，使SNN-FFT在平稳、真实语音与非平稳雷达回波上均保持标准FFT级保真度，证明事件驱动神经形态FT可从器件物理直达系统算法闭环。

结论部分译为：总之，研究人员成功研制出具备超低工作电压、亚微秒编码速度与紧凑电路结构的高性能单spike TTFS编码器。Pt/TaO_x/V器件呈现由TaO_x层氧空位丝与界面VO₂的IMT共同主导的均匀阈值开关行为。通过低压精确控制焦耳热，编码器在紧凑电路中实现快速单spike编码。基于此器件，研究人员进一步提出含双极性非均匀TTFS映射与S-DFT神经元模型的SNN-FFT框架，以实现精准稳健的神经形态FT。系统评估表明，该SNN-FFT在处理平稳多音信号、真实语音段与非平稳LFM信号时，谱保真度与标准FFT高度一致，同时保留SNN固有的事件驱动稀疏性与超低功耗优势。该工作为低功耗、实时、微型化神经形态信号处理系统提供可扩展且实用的实现路径。