《Frontiers in Computational Neuroscience》：Orientation detection for self-calibrating neuromorphic systems
编辑推荐：
中文摘要翻译：生物启发的感知架构有助于构建具有高效硬件实现的适应性触觉系统。方向检测是现实场景中物体操作的基本能力，在机器人操作和制造评估过程中具有广泛应用。在本工作中，研究人员构建了尖峰神经网络（Spiking Neural Networks, SNNs），
中文摘要翻译：生物启发的感知架构有助于构建具有高效硬件实现的适应性触觉系统。方向检测是现实场景中物体操作的基本能力，在机器人操作和制造评估过程中具有广泛应用。在本工作中，研究人员构建了尖峰神经网络（Spiking Neural Networks, SNNs），将生物启发的感受野（Receptive Fields, RFs）与无监督、局部、尖峰驱动的学习规则以及自调节网络动力学相结合，以实现方向检测。该系统完全兼容当前支持在线学习条件的神经形态硬件。感受野基于体感系统中的生物学发现，采用预定义连接构建，并在边缘方向判别任务上与人工系统的标准方法进行了评估。该系统产生稀疏、压缩的神经表征，支持高能效的神经形态实现。结果表明，随机且无结构的感受野（将输入分散分布于皮肤表面）在此空间判别任务上优于常规核感受野。该优势在精细角度分辨率和较小刺激偏移下最为显著。这些发现表明，感受野设计是性能的关键决定因素，并为构建自校准、低功耗触觉感知系统提供了一个生物启发的框架。
论文解读文章
一、研究背景与问题
触觉是生物系统的基本感觉模态，对于在非结构化环境中导航和灵巧操作至关重要。尽管电子和传感器技术的进步实现了系统小型化并增加了触觉传感器数量，但传统基于帧的传感架构仍存在固有局限：固定速率采样在信号缓慢变化时产生冗余数据，却可能无法充分捕捉极快信号的演化；传统系统的传感读出延迟约为100毫秒，无法满足灵巧物体操作中快速感觉运动控制回路的需求，例如对抗滑动、动态重新抓握或跟踪物体轮廓。神经形态事件驱动传感技术以其异步自适应采样策略成为解决这些挑战的理想方案，可与模拟生物体感系统效率的神经形态尖峰处理硬件耦合，实现超低延迟和功耗。若赋予在线学习能力，神经形态尖峰神经网络与神经形态传感器结合可产生高效边缘处理系统。本研究受外周神经系统发现启发——一阶神经元中已出现方向选择性，传入神经结合无毛皮肤机械感受器输入表现出方向选择性，其感受野具有斑块状高敏感区域簇、异质性大小、重叠分布和稀疏激活等特征。研究旨在利用这些生物学洞见和神经形态芯片设计进展，开发稳健、自校准、高效的触觉边缘处理系统。
二、研究内容与主要结论
研究人员构建了由感知层（皮肤贴片）、编码层（将模拟触觉传感器激活转化为尖峰序列）和两层尖峰神经网络组成的完整系统。第一层神经元具有固定感受野，整合皮肤贴片上多个触觉传感元件（taxels）的活动；第一层与第二层之间的连接通过无监督尖峰驱动突触可塑性学习，在输出层产生方向调谐。系统在边缘方向判别任务上评估，结果显示随机和无结构感受野优于常规核感受野，尤其在精细角度分辨率和较小刺激偏移条件下优势最大。研究证明感受野设计是性能的关键决定因素，并提出了构建自校准、低功耗触觉感知系统的生物启发框架。
三、关键技术方法
研究人员采用了以下关键技术方法：第一，基于电流型漏电整合发放（CuBa-LIF）神经元模型，包含突触电流动力学，与当前神经形态硬件兼容；第二，三种感受野生成方法——无结构感受野（模拟生物学发现，随机分布相邻taxel簇）、核感受野（方形局部连接窗口平铺输入表面）、随机感受野（无空间约束的taxel随机分布），每种条件下每个神经元激活16个权重；第三，基于钙迹的尖峰驱动突触可塑性学习规则，突触为二元双稳态，通过突触前尖峰触发的电位增强或抑制更新内部迹线，结合自激发和侧向抑制实现无监督自调节学习；第四，使用Optuna贝叶斯优化框架对网络超参数进行自动调优，确保各感受野条件公平比较；第五，无监督标签与群体投票解码机制，根据神经元最大响应分配类别标签，以群体平均发放率推断输入类别。
四、研究结果
网络调节机制：研究人员通过示例展示了网络的自调节机制。在呈现样本刺激时，输出层神经元竞争学习新模式。首先达到钙电位增强区间的神经元，其突触被增强，随后通过侧向抑制降低其他神经元活动，防止所有突触学习相同激活模式。这一自调节特性使网络能够学习多种输入模式。
性能精度：研究人员对三种感受野条件（无结构、核、随机）在不同方向类别数和刺激偏移条件下进行了系统评估。每个数据点代表15次随机初始化的平均测试精度及置信区间。左侧结果显示，随机感受野在所有类别数条件下平均表现最佳，无结构感受野优于核感受野；分类精度随类别数增加和判别角度减小而下降。右侧结果显示，在固定最小判别角度25.7°（14类）条件下，分类精度随偏移增加而下降；在低于5个taxel偏移时，随机和无结构感受野表现出更高精度。
五、讨论与结论
研究结果表明，感受野的空间结构对无监督尖峰驱动的方向调谐学习具有决定性影响。随机和无结构感受野将输入分散分布于皮肤表面，在此空间判别任务上优于常规核感受野，优势在精细角度分辨率和较小刺激偏移时最为显著。该系统产生稀疏、压缩的神经表征，支持高能效神经形态实现，完全兼容当前支持在线学习条件的神经形态硬件。研究提出了一个生物启发的框架，用于构建自校准、低功耗触觉感知系统，为机器人操作、假肢设备和自主控制等领域提供了高效解决方案。研究结论为：感受野设计是性能的关键决定因素，生物启发的无结构感受野结合无监督局部学习规则，能够在神经形态硬件上实现高效、稳健的触觉方向检测。
