综述:触觉和视觉人工突触装置:进展与挑战 陈志峰、 陈成英、 黄玉飞

《Electronic Materials》:Tactile and Visual Artificial Synaptic Devices: Progress and Challenges Zhifeng Chen, Chengying Chen and Yufei Huang

【字体: 大 中 小 】 时间:2026年04月16日 来源:Electronic Materials CS3.9

编辑推荐:

  摘要:冯·诺依曼架构由于内存和处理器在物理上的分离而面临“内存墙”问题,这在人工智能时代对能效和延迟带来了重大挑战。为了克服这些瓶颈,受生物系统启发的人造突触设备成为了一个重要的研究方向。通过在设备层面集成感知和计算功能,这些架构为高效处理自然物理信号提供了有希望的方法。得益于功

  摘要:冯·诺依曼架构由于内存和处理器在物理上的分离而面临“内存墙”问题,这在人工智能时代对能效和延迟带来了重大挑战。为了克服这些瓶颈,受生物系统启发的人造突触设备成为了一个重要的研究方向。通过在设备层面集成感知和计算功能,这些架构为高效处理自然物理信号提供了有希望的方法。得益于功能材料和人工神经网络(ANN)算法的进步,人造突触设备能够感知和处理各种外部刺激,在智能电子皮肤、机器人和边缘计算等领域展现出巨大潜力。本综述全面介绍了人造突触设备的最新进展,特别关注触觉和视觉感知应用。我们讨论了代表性的设备类型和工作原理,从材料工程和功能集成的角度分析了关键挑战,并进一步总结了向多模态传感-存储-计算系统发展的潜在解决方案和未来趋势。

1. 引言
在过去的半个世纪里,计算技术的发展一直围绕一个核心矛盾:数据需求的指数级增长与底层硬件能效提升的缓慢步伐。冯·诺依曼架构以其清晰的“存储-计算”分离逻辑为现代计算机奠定了基础,但也引发了无法克服的“内存墙”问题。随着人工智能、物联网、自动驾驶和边缘计算等应用的快速发展,传统架构的局限性已成为感知密集场景中的主要瓶颈。例如,自动驾驶摄像头每秒生成数GB的数据,其中一些信息在经过模数转换、存储和数字处理后最终被丢弃。这种“先感知后思考”的模式不仅浪费了功耗,还导致关键决策的延迟。因此,感知与计算的集成已成为一种颠覆性的范式。这一新兴范式旨在模仿生物系统的信息处理方法,在物理层面上深度整合感知和计算功能,开启了一场“感知即计算”的技术革命。这种新兴的集成感知-计算模型大大减少了数据迁移,从而在能效、速度和集成方面展现了颠覆性潜力。在不同技术中,人造突触设备是一个典型的代表[1,2,3]。
为了清晰地说明这一受生物学启发的范式,图1将生物传感神经网络与人造突触系统进行了比较。生物系统通过复杂的突触网络处理视觉和触觉输入,而人造架构则利用光学和压力传感器与突触设备(例如忆阻器和突触晶体管)高效地模拟这一过程,实现集成感知和计算。图1展示了生物传感神经网络和受生物学启发的人造突触系统的示意图。人类行为极其复杂,依赖于具有适应性、可塑性和事件驱动性的传感神经网络。该神经系统能够在感知的同时有效分析多种感官线索,从而准确描述环境。这为集成感知和计算系统的研究提供了重要的生物学结构参考。与传统的“先感知、后传输、再计算”层次模型不同,人造突触设备试图在信息产生的源头直接处理信息,允许数据在获取时就被初步计算和过滤。这种架构不仅显著降低了由数据处理引起的能耗和延迟,还使计算单元能够在高并发和低功耗条件下处理多模态信号,从而更好地满足未来智能应用的需求[4,5,6]。值得注意的是,人造突触设备的研究不是单一学科的延伸,而是材料科学、集成电路、人工智能和神经形态计算的深度交叉。近年来,研究人员通过忆阻器、二维材料和光电子混合集成等多种方法探索了如何在统一物理平台上实现感知与计算的集成。同时,随着柔性电子技术和新型神经网络算法的发展,人造突触设备的应用范围不断扩展,从传统的图像识别扩展到触觉交互、气体检测和语音处理等多模态场景。

在探讨具体应用之前,理解纳米级物理机制如何控制人造突触行为至关重要。短期可塑性(STP)和长期可塑性(LTP)的成功模拟直接映射到具体的材料动态上。为了清晰说明这些概念,图2提供了三种主要开关机制的示意图。例如,在由导电纳米纤维形成的忆阻器中,不稳定纳米纤维的自发断裂模仿了STP的快速衰减,而形成稳健的路径则实现了非易失性的LTP。在电化学晶体管中,界面处快速、可逆的离子迁移导致临时STP,而深度离子插层则确保了长期LTP。同样,在铁电设备中,铁电域的固有极化驱动STP,而在重复脉冲下翻转域的逐渐积累则实现了LTP。这些基本物理过程构成了人造突触可塑性的不可或缺的硬件基础。

2. 现状
2.1. 触觉突触设备
在人体中,触觉信号由皮肤中密集分布的各种受体捕获,然后通过神经纤维传输到脊髓和大脑进行异步、并行、事件驱动的处理,最终形成了对物体材质、形状、柔软度和滑度的精确生物感知。这一过程高效、低功耗且高度实时。如果使用传统触觉传感器进行信号采集,将会产生大量数据。这些原始数据需要持续传输到中央处理单元,这对通信带宽提出了巨大挑战。近年来,集成感知和计算功能的人造突触设备成为学术研究的热门课题。在人造触觉突触设备中,突触可塑性指的是与神经元连接的突触权重随时间和外部信号刺激频率的变化而变化的现象。通常,突触可塑性分为短期可塑性(STP)和长期可塑性(LTP)。在短期可塑性中,突触权重在毫秒级别内保持恒定,主要用于控制信号向突触后神经元的传输。在长期可塑性中,突触权重的变化会持续更长时间,负责学习和记忆功能。先进的人造触觉传感器必须同时具备STP和LTP功能,以便触觉信号处理能够模拟生物系统,从而丰富触觉传感器的功能。
在神经形态应用中,传感器或晶体管利用突触权重来响应复杂、并行和多维的刺激以进行信息处理。因此,突触权重的多值性和范围决定了神经形态系统的整体性能。以往的忆阻器(如RRAM)只能表现出有限的权重值,并且不能在外部信号刺激下生成连续变化的权重,限制了其作为突触设备的应用。为了克服传统RRAM的局限性,研究人员探索了基于离子迁移的设备。Gerasimov等人提出了一种可在混合积累/耗尽状态下运行的可进化有机电化学晶体管(OECT)[7]。该设备使用PETE-S作为通道材料,栅极作为突触前终端,漏极作为突触后终端。当接收到外部刺激时,栅极电压(VG)的幅度和极性会相应调节漏极电流(ID)。突触权重由通道特性决定,栅极的输入经过通道导电性加权后持续转换为漏极的输出电流脉冲,这与突触强度成正比。因此,通过控制栅极输入信号,可以调整OECT对刺激的响应强度几个数量级。最终,OECT被用于构建一个学习系统,实现了巴甫洛夫条件反射,证明了其效率。同样利用离子动力学,Kim等人引入了一种智能触觉感知设备(IHPD),它可以在STP和LTP模式之间切换。IHPD由基于聚合物的通道、金源/漏极电极、栅极电极、金字塔图案的离子凝胶以及氧化铟锡/聚对苯二甲酸乙二醇酯(ITO/PET)薄膜作为顶电极组成[8]。IHPD在人造电子皮肤中的应用不仅实现了外部压力信号的感应和传输,还具备了压力信号变化的学习和记忆功能,极大地丰富了其功能。这些代表性设备通常依赖离子迁移、扩散和电化学掺杂/脱掺杂过程来调节通道导电性,从而实现连续可调的突触权重和多样的可塑性行为。然而,由于其操作本质上受离子动力学控制,其响应速度和带宽通常比纯电子设备有限。此外,许多基于电解质的实现仍然面临长期稳定性、器件均匀性和大规模集成方面的挑战,这些对于实际的神经形态边缘计算系统来说仍是重要问题。
为了构建完整的感官反射系统,已经开发了混合架构。Kim等人提出了一种包含电阻性压力传感器、有机环形振荡器和突触晶体器的人工传入神经。电阻性压力传感器由导电金字塔结构弹性体组成,充当碳纳米管和Au电极之间的电阻器[9]。这种压力传感器可以感知1到80 kPa的压力信息。环形振荡器将压力信息转换为动作电位,然后通过突触晶体器转换为突触后电流。突触晶体器可以与生物传出神经接口,形成完整的单一突触反射弧。最终,人造神经与运动神经相连,构建了一个混合生物电子反射弧,可以应用于神经机器人和神经假肢领域。位于生物皮肤内的感觉神经元充当外部物理世界与内部感觉神经元之间的桥梁。Wan等人展示了一种神经形态瓷砖处理系统(NeuTap)[10]。该系统由电阻性压力传感器(感觉神经元中的受体)、柔软的离子电缆(轴突)和突触晶体器(信息处理突触)组成。压力传感器首先将外部压力刺激转换为电压信号,通过离子电缆的离子/电子耦合传输给突触晶体器。这项工作也采用了事件驱动的方法。系统仅在外部压力刺激下被激活。激活的系统能够有效地从触觉特征中提取时空信息,从而提供精确的触觉感知能力。通过结合机器学习方法训练NeuTap,该系统可以实现99.6%的触觉信息感知和识别精度。这些混合架构优雅地展示了通过协同集成不同的感觉、信号转换和突触模块来模仿复杂生物路径(如完整的反射弧和事件驱动的时空处理)的可行性。然而,这种多组件组合(例如,单独的压力传感器与离散振荡器或离子电缆)可能会引入额外的硬件复杂性和互连开销。因此,从这些概念验证的离散系统向密集集成平台的过渡仍然是可扩展人造电子皮肤的一个重要工程挑战。
为了避免离子系统的封装问题和离散电路的占用面积问题,固态铁电材料提供了一个有前途的替代方案。由有机材料制成的一维(1D)纤维具有柔软、轻便和灵活的特点,其制造工艺简单,与许多现有半导体工艺兼容。因此,它们在智能电子纺织品(e-textiles)中受到了广泛关注。Ham等人研究并实现了1D纤维形多突触。这种突触由铁电有机晶体管组成,铁电晶体器通过交错结构形成多个突触通道[11]。这种多突触设备具有良好的可扩展性,并且在承受一定机械弯曲应力下的数千次输入刺激后仍能保持良好的性能和可靠性。基于该设备,构建了一种基于NOR门的纺织阵列。在MNIST和心电图(ECG)实验中,这种一维多突触系统分别实现了高达90%和70%的识别准确率。即使在机械弯曲应力下,心电图模式的初始准确率也保持在约2%的误差范围内。这种一维突触结构为可穿戴神经形态电子应用中的电子纺织品神经网络的发展提供了一个重要方向。为了模拟触觉器官中的Merkel细胞-神经元复合体,Lee等人展示了一种灵活的、人工的、内在突触触觉感觉器官(AiS-TSO)[12]。AiS-TSO的核心是一种有机突触晶体管,使用钛酸钡纳米颗粒和聚偏二氟乙烯三氟乙烯的铁电纳米复合材料作为栅极介质。当感受到外部压力刺激时,由于铁电极化反转,可以调节突触后电流。使用AiS-TSO构建了一个2×2的传感器阵列,并通过改变栅极介质层的纳米复合材料来调整其突触权重,从而实现触觉器官的记忆功能。这些铁电驱动的架构成功地将传感和突触记忆集成到一个统一的、灵活的固态领域中,有效避免了与离子设备相关的电解质泄漏和脱水问题。通过依赖铁电极化反转,它们为可穿戴人工皮肤提供了稳健的内在可塑性。然而,将这些固态纳米复合材料和纤维网络扩大到实际应用规模引入了特殊的材料工程挑战,主要涉及长时间机械和电循环下的铁电疲劳问题,以及确保纳米颗粒均匀分布和密集阵列对齐所需的严格制造控制。

在现有的成就中,触觉-视觉突触很少应用于实时运动监测和医疗系统。基于顶栅有机电化学晶体管(OECT),Kim等人设计了一种电化学发光触觉-视觉突触(ECL-TVS)[13]。ECL-TVS结合人工神经网络输出反馈算法,可以实现手指康复监测和心电图分析。ECL-TVS采用电化学晶体管结构,包括一个作为触觉接收器的弹性顶栅和在漏极与源极电极之间形成的电突触通道。使用3V电源电压的脉冲神经网络(SNN),其功耗仅为34微瓦,为个性化医疗提供了一个便捷有效的平台。这种方法通过结合实时光发射,优雅地扩展了传统的触觉感觉范式,为现场医疗监测提供了直接直观的视觉反馈机制。进一步将这一概念推向系统集成层次,Xu等人通过将摩擦电纳米发电机(TENG)阵列与InGaZnO纳米线突触晶体管阵列集成,开发了一种自供电的视觉-触觉人机交互(VT-HMI)系统。该集成系统成功预处理了动态触觉信号,并通过LED阵列将其映射为实时直观的视觉反馈,实现了超过90%的轨迹识别准确率[14]。因此,在未来的交互式电子设备中,平衡这种直观的视觉输出与先进神经形态系统的高速、高频处理需求仍然是一个关键的优化目标。

总体而言,当前的触觉突触设备沿着几个代表性方向发展,包括离子/电化学设备、混合多组件系统、固态铁电设备和多模态触觉-视觉突触。每种方法在突触可塑性、功能整合和应用场景方面都具有独特的优势。为了更方便地比较这些代表性架构和工作原理,典型的设备配置在图3中进行了示意性总结。表1提供了这些代表性类别的总结和关键对比。

2.2. 光子突触设备
在过去的20年中,学者们使用了不同的材料,并采用了相变硫属化合物[15,16,17]、金属-绝缘体-金属结构[18,19]和铁电材料[20],以及基于纳米材料的场效应晶体管[21,22],开发了大量具有突触功能的电子设备。这些设备主要使用电信号进行通信,在信号传输和计算过程中不可避免地会产生一些损失。与电信号相比,光信号理论上具有无限带宽和无互连功耗的优势。因此,使用光通信来实现人工神经元突触是一种更有效的解决方案。根据它们的结构特性和集成策略,当前的光子突触设备主要可以分为几类。为了充分利用光信号的带宽,在光域内完全实现计算是非常理想的。基于相变材料和集成氮化硅波导,Cheng等人提出了一个光子突触结构[23]。这种光子突触可以通过调整沿波导发送的光脉冲数量来设置突触权重,从而满足神经形态计算的基本要求。通过模拟,已经证明这种突触具有均匀的电场分布,这使得通过调整电脉冲的能量和持续时间来准确设置突触权重成为可能。提出了一种基于神经元信号前后时间延迟的光学方法来调节突触权重,该方法可以模拟生物系统中的尖峰时序依赖性可塑性(STDP)规则。这项工作提出了一种结合神经形态计算和光子计算的新架构。虽然纯光子波导架构理论上提供了最高的带宽和零电互连损失,但它们通常具有较大的空间占用,难以扩展到超密集集成阵列。

将光学传感和非易失性记忆集成到单一物理平台上,可以实现传感器内的计算。在各种光子突触设备中,基于非易失性闪存的光学记忆具有较短的光编程时间、长期存储和线性可塑性等优点,使其成为实现低功耗、高并行处理人工神经元突触的强大竞争者。Chen等人研究了APbBr3钙钛矿量子点(PQDs)对衍生的聚合物(3-己基噻吩-2,5-二基)(P3HT)/PQD基光学记忆的光响应特性的影响,并构建了一种具有优异开/关电流比的光子突触[24]。该设备实现了配对脉冲促进、长期可塑性和多尖峰依赖性可塑性。它还具有良好的线性可塑性和其他功能。光响应实验表明,每次突触事件的能耗仅为3×10^(-17)焦耳。由于所有有机钙钛矿CsPbBr3量子点(QDs)具有窄激子结合能、出色的吸收性能、高载流子迁移率和高载流子寿命等优点,它已成为光子记忆的重要材料选择。Wang等人通过结合无机钙钛矿量子点和闪存结构设计了一种异质光子记忆[25]。首先,CsPbBr3 QDs对365、450、520至660纳米范围内的各种波长表现出优异的响应特性。其次,CsPbBr3 QDs与半导体层形成的异质结实现了光子记忆的编程和擦除功能。通过调整不同波长的入射光来调整突触权重,这种光子闪存还实现了光突触的功能。设备级别的实验结果表明,这种光子闪存可以执行STP、LTP、配对脉冲促进(PPF)、配对脉冲抑制(PPD)和尖峰率依赖性可塑性等人造计算功能。这些光电非易失性存储器在单设备层面成功实现了超低能耗和紧凑的传感-记忆集成。然而,它们的最终操作速度往往受到与非易失性状态保持相关的相对较慢的电荷捕获和载流子存储动态的限制。

为了处理可见光谱之外的复杂环境数据,已经广泛探索了宽带和光谱选择性的光电突触。传统的光子突触设备只能实现相对简单的光感知和计算,无法识别和处理复杂的彩色图像。基于h-BN/WSe2异质结构,Seo等人实现了一种具有线性权重更新的人工光子突触[26]。使用这种设备构建的人工神经网络(ANN)可以模拟人类视觉系统中的颜色和颜色混合模式识别能力。在低至3V的供电电压下,该设备在可用导电状态的数量和能效方面表现出优异的性能。单元光子突触事件的功耗仅为66飞焦耳。目前,大多数突触晶体管只能响应压力刺激信号,但在实际环境中,光是人工突触设备必须感知的信号。一些由二维(2D)材料如石墨烯和MoS2制成的光刺激突触晶体管仅能在狭窄的紫外(UV)到可见光谱范围内产生响应。Yin等人开发了一种使用硼(B)掺杂的硅纳米晶体(Si NCs)的新型突触光晶体管,它可以同时感知光和电信号[27]。在UV到近红外(NIR)范围内,该设备还表现出厌恶学习的神经行为。该系统用于识别修改后的国家标准与技术研究所(MNIST)数据库,准确率高达94%。为了进一步模仿复杂的生物视觉功能,Xin等人使用铟锌锡氧化物(IZTO)纳米线和钙钛矿量子点制造了异质结网络。通过仔细修改通道材料界面,他们成功地诱导了负光电导性,模拟了生物光感受器的超极化行为,从而将多余噪声降低到最低,并将图像识别准确率提高到了99%[28]。光子突触的优点在于它们可以同时感知和处理光信号。然而,当前的光子突触主要响应可见光。但在日常生活中,紫外线(波长从10到400纳米)会对人类视觉、皮肤和各种细胞造成严重损伤。因此,需要一种人工神经元突触来感知和检测紫外线。基于碳氮化物(C3N4)对紫外线的响应特性,Park等人构建了一种新型光子突触,并将其作为晶体管的浮动栅极层[29]。通过优化浮动栅极层,可以控制紫外线的透射率。同时,当用作神经突触时,该设备每次突触事件的功耗仅为18.06飞焦耳,从而实现了极低的功耗。该设备可以用作电子皮肤,选择性地控制强烈的紫外线透射,可以集成到阻挡有害紫外线的智能眼镜和智能传感器中。通过设计特定的异质结构和纳米晶体,这些设备显著扩展了光谱感知范围,并实现了专门的感官过滤。然而,将这些多样的纳米材料转化为均匀的大规模阵列仍然是一个关键的制造挑战。

从单个设备扩展到交叉阵列可以实现复杂的视觉计算。在人工视觉系统中,人们希望将传感、记忆和处理集成到同一个神经突触中,从而有效减少系统的存储空间和功耗,同时实现实时图像数据展示。光子突触设备为这一领域提供了非常有前景的研究方法。基于两端子光电子电阻式随机访问存储器(ORRAM)突触设备,Zhou等人设计了一种对可见光具有敏感响应的高效神经形态视觉系统[30]。ORRAM阵列可以利用背景去噪算法进行神经形态视觉预处理,同时实现图像感知和存储功能,以提高图像识别的处理效率和准确性。该团队基于ORRAM构建了一个原型人工神经形态视觉系统,在边缘计算和物联网应用中证明了其可行性。近年来的研究结果表明,二维半导体不仅具有强大的光-物质相互作用功能,还具有出色的光电性能。通过使用多栅电极进行静电掺杂,还提供了外部可调电位分布的可能性,从而可以调整光子突触的权重。因此,Mennel等人使用二硫化钨(WSe2)作为光敏材料,提出了一种基于光电二极管阵列的人工神经网络(ANN)[31]。这种ANN的突触权重存储在一个连续可调的光响应矩阵中。原型系统中实现了有监督和无监督学习,以及图像分类和编码的训练,每秒处理量为2000万个数据包,具有高帧率、低延迟和低功耗的特点。超越单个设备,这些阵列级别的架构成功实现了传感器内置的视觉预处理和超快机器视觉。然而,在管理复杂的读出电路和光电转换开销的同时实现高分辨率扩展,仍然是一个重大的系统级工程难题。为了解决这些硬件扩展限制,Kwak等人指出,金属氧化物半导体的单片三维(M3D)集成提供了一种非常有前途的架构路径。通过垂直堆叠传感、存储和逻辑层,M3D集成可以显著减少数据传输延迟、降低功耗,并实现高密度的传感器内置神经形态视觉系统[32]。总体而言,这些代表性研究表明,光子突触设备已经逐渐从单个设备的光学存储元件发展为具有光谱选择性的阵列级别甚至生物集成神经形态系统。目前,光子突触设备大致可以分为几个类别,包括纯光子突触、光电非易失性存储器、宽带和光谱选择性光电突触、神经形态视觉系统以及生物集成光电传感-运动系统。图4示意性地总结了这些类别的代表性架构。图4. 光子突触设备的代表性架构。(a) 基于波导集成相变调制的全光突触。(b) 基于光吸收、电荷存储和导电调节的光电非易失性突触。(c) 宽带/光谱选择性光电突触。(d) 用于生物启发光电处理的集成神经形态传感-运动系统。如表2所述,不同类别的光子突触设备在核心机制、光谱响应特性、集成级别和应用场景上有所不同,突显了带宽、能源效率、可扩展性和系统复杂性之间的权衡。表2. 代表性光子突触设备的总结和关键比较。

2.3 其他突触设备

除了视觉和触觉感知之外,生物系统还通过多种 sensing 模式与复杂环境进行交互,包括嗅觉、听觉和磁感应。模仿这些多样的 sensing 能力推动了各种专门人工突触设备的发展。一些学者对突触设备在湿度、温度、声音和磁场中的应用进行了相关研究。

突触可塑性定义为突触随时间增加或减少的能力,它是认知能力的重要神经化学基础。在设计人工神经突触时,重点在于构建能够根据环境因素模拟基本突触可塑性的生物模仿突触。Guo等人使用质子导电纳米颗粒磷硅酸盐玻璃作为栅极电介质,制备了一种铟-锡-氧化物突触晶体管[34]。该栅极能够感知环境湿度并调节晶体管电流,从而模拟突触可塑性。这种突触可塑性可以作为突触权重,为人工神经形态系统中的实现提供基础。同时,该设备可以在室温下制备,并具有大规模制造的潜力。同样关注湿度感知的 Nie 等人使用铟-锌-氧化物(IZO)和氧化石墨烯/壳聚糖复合电解质膜作为栅极电介质,构建了一种人工突触晶体管[35]。这种晶体管同样可以在室温下制备,并有效模拟突触可塑性。为了定量评估其性能,使用了兴奋性突触后电流、配对脉冲促进指数和高通滤波系数进行评估。实验表明,这种突触晶体管具有更高的湿度敏感性、更短的响应/恢复时间(30毫秒)和更低的能耗(2.2纳焦耳),在神经形态系统中很好地平衡了各种性能参数。尽管这些质子栅控氧化物晶体管成功地以低能耗和室温处理模拟了湿度依赖的可塑性,但在高度波动的环境中的长期稳定性和精确控制仍然是实际应用的关键挑战。

尽管 MoS2 已被应用于许多人工神经突触设备中,但它主要限于压力感知或光检测系统。为了扩展 sensing 范围,Sun 等人在可扩展的单层 MoS2 中提出了基于焦耳加热和多功能掺杂诱导的金属-绝缘体转变的突触计算[36]。通过设备通道的焦耳加热实现了可调的突触可塑性,将 STP 集成到单个设备中。这种突触设备具有声音强度抑制和频率依赖性,因此可以检测到达突触和实现声音定位之间的时间差。在功耗方面,单个设备的突触事件仅消耗约 10 费焦耳,这与实际生物行为相当。这一成就首次展示了其在声音领域的应用,并扩展了人工神经突触的研究方向。通过在 2D 材料中集成焦耳加热和结构相变,这种听觉突触实现了生物级能量的声音定位效率。然而,精确控制局部热力学以及在密集集成阵列中扩展这种热敏设备的规模需要进一步的热管理工程。

在自然界中,某些动物具备用于导航和定位的磁认知能力。受此启发,Kim 等人设计了一种基于铁电场效应晶体管的空气中悬浮的磁交互顶栅结构[37]。根据磁场的变化,由超顺磁颗粒和导电聚合物层叠形成的悬浮栅极会发生变形。从而改变了栅极与底层铁电层之间的接触面积,实现了通道导电性的调制。实验结果表明,导电性调制可以作为磁场脉冲幅度、数量和时间间隔的函数进行量化。这种设备首次实现了人工神经突触在磁场中的应用,并可以作为人工智能突触罗盘的基本设备。这种生物模仿方法优雅地将 sensing 范围扩展到了磁场,为人工罗盘奠定了基础。然而,对复杂的空中悬浮微机械结构和弹性复合材料的依赖引入了显著的制造复杂性和长时间操作下的潜在机械疲劳问题。

总体而言,人工突触在湿度、听觉和磁感知领域的持续扩展展示了构建全感官神经形态平台的巨大潜力。这些新兴设备打破了传统计算硬件的界限,为环境监测、声音定位和自主导航提供了专门的路径。表 3 提供了对这些代表性“其他”突触设备类别的总结和关键比较。表 3. 其他新兴突触设备类别的总结和关键比较。

3. 挑战

尽管近年来突触设备得到了学术界的足够关注并取得了显著进展,但研究内容相对分散,尚未形成主流的发展路线图。在应用层面,材料、功能和形态方面也存在许多问题。首先,人工电子皮肤是突触设备的重要应用领域之一。目前,大多数突触设备仍然采用传统的半导体设备架构,这些架构无法承受足够的机械应力和弯曲要求(例如,像硅这样的刚性无机半导体在大约 1% 的拉伸应变下容易断裂[38])。因此,它们无法真实模拟人类皮肤,这限制了它们在智能机器人和医疗健康中的应用。基于有机薄膜、二维(2D)材料和一维材料,一些学者尝试设计设备架构并取得了一定的进展。然而,柔性电子设备与传统半导体材料之间的差异需要进一步探索它们的导电性和控制机制,以便将它们与主流的人工神经网络算法集成,实现高效的信号处理和计算。其次,现有的突触设备通常只能实现某些类型的功能,如压力和光感知。然而,在人工皮肤中感知自然物理量(如温度、湿度、声音、气体和磁场)仍处于初期阶段。因此,探索新材料和设备架构,并能够将相应的神经网络算法应用于信号感知和计算,是突触设备亟需探索的新前沿。第三,报道的突触设备通常只能感知单一物理量,主要集中在压力和光学信号领域。少数研究成果开发了一些可以同时处理两种信号的双模突触设备。但对于智能机器人和边缘计算应用,同一设备或系统需要同时模拟人类皮肤并感知多种类型的自然信号。然而,目前用于突触设备的半导体薄膜具有单一功能,无法实现多模态功能。众所周知,大多数生物体具有多个感官器官,可以同时感知环境中的各种物理变化。因此,能够集成和组织各种感官信息的多感官存储计算(MSMC)是实现有效感知和认知功能的基础。尽管可以使用多种不同的感官受体和处理节点生成多感官原始数据并分别处理不同的感官信息,但后续的数据传输和感知单元数量的增加会降低整体工作速度。感知单元和处理节点的分离也会导致传输速度的差异,进一步限制了转换速度并增加了能耗。因此,探索集成 MSMC 功能的多感官设备架构是突触设备未来发展的必要路径。第四,在大规模人工神经网络(ANN)中部署人工突触面临硬件非理想性的关键挑战。与理想的基于软件的权重不同,实际突触设备在导电调整过程中经常表现出严重的非线性和不对称性。在施加相同的增强和抑制脉冲时,导电变化通常在一个方向上突然发生,在另一个方向上饱和。这种不对称的权重更新直接破坏了基于反向传播的算法的学习准确性。此外,周期间和设备间的时空变异性会在突触交叉阵列中引入不可预测的噪声。这种硬件变异性严重阻碍了预训练离线权重在物理硬件上的可靠映射,导致在执行复杂任务(如图像分类或语音识别)时推理准确性灾难性下降。

4. 解决方案

为了系统地解决第 3 节中识别的限制和瓶颈,研究人员在材料、功能和系统架构层面提出了有针对性的解决方案。这些新兴解决方案可以大致分为机械适应性灵活设备、功能集成架构、多模态感知-存储-计算系统以及硬件感知的算法协同设计策略。本节重点介绍了这些新兴路径。为了更清楚地概述本节讨论的挑战-解决方案关系,主要挑战及其相应的解决方案路径在图 5 中进行了示意性总结。图 5. 神经形态感知-计算系统的挑战-解决方案链接。如图 5 所示,当前推进人工突触设备的努力主要集中在提高机械适应性、扩展感知维度、实现高效的多模态信息处理以及通过系统级协同设计来补偿硬件非理想性。

4.1 柔性突触设备

为了解决传统刚性半导体架构无法承受足够机械应力的限制(如第 3 节所讨论的),已经开发了许多柔性突触设备。Fu 等人结合了 Au 电极、聚(3-羟基噻吩,P3HT)活性通道和离子导电膜,提出了一种基于柔性自支撑多终端有机晶体管的高度互联神经形态架构(HINA)[40]。在这种有机神经形态设备中,采用了自由站立的离子导电膜作为栅极电介质和基板。与其他只有多输入到一个输出或一个输入到多个输出的人工神经元不同,HINA 实现了多输入和多输出。此外,各种输入和输出信号之间存在高度相关性,可以执行复杂的学习和记忆功能。制备的神经形态设备在经过 1000 次弯曲后仍表现出优异的电气稳定性和机械灵活性。构建了一个 3 × 3 的后神经元阵列,以模拟人脑的神经架构。根据巴甫洛夫的学习规则,实现了记忆和遗忘的动态过程。

在人类或动物体内,皮肤和器官非常柔软,可以适应各种形式的变形。即使皮肤中的神经突触发生变形,它们仍然能够对外部刺激保持敏感响应。因此,近年来柔性人工突触也取得了显著进展。Shim 等人开发了一种基于弹性电子材料的可拉伸突触晶体管,即使在拉伸到 50% 时也能保持其原始设备性能[41]。基于这种设备,构建了一种带有图案化栅极电极、压力敏感橡胶、橡胶突触晶体管阵列的栅极电极和聚二甲基硅氧烷(PDMS)封装的阵列式人工皮肤。最后,一个软机器人完全覆盖了这种阵列式人工皮肤。机器人能够进行直线行走,并向左右方向转弯。Oh等人提出了一种柔性人工突触,该突触利用了硅-铟-氧化锌(sizo)的低温沉积过程(<150°C)和平整的聚(4-乙烯基苯酚)缓冲层。这种柔性人工突触通过凝胶中的离子运动来调节导电通道的导电性(G值),表现出优异的电学性能,使其能够快速响应外部信号刺激[42]。它还在高机械应力(弯曲)条件下表现出极稳定的突触性能,并且在经过1500次弯曲实验后仍能保持设备功能。当施加不同的电压值时,设备的突触后传导性会产生不同的响应值,使其成为神经网络算法的良好硬件载体。由于柔性人工突触具有很大的Gmax/Gmin(最小值-最大值)范围,因此可以为神经网络权重提供精确的调节。一种用于聋人手语翻译的感觉-神经形态系统已被开发出来。经过100个训练周期后,该人工神经网络(ANN)能够很好地处理手势输入,每个手势的准确率高达99.4%。此外,该系统还可以扩展并应用于其他可穿戴的感觉-神经形态系统中。Hwang等人使用LiSiOx固态电解质和半导体2D-MoS2通道,为可穿戴电子设备引入了一种超柔性人工突触阵列设备[43]。这种设备无需转移步骤即可直接在柔性玻璃基底上制造,从而避免了转移过程中的缺陷并缩短了制造时间。基于28×28像素阵列构建了三层神经网络结构,应用修改后的国家标准与技术研究院(MNIST)数据集后,识别准确率达到了98%。即使经过超过400次直径为10毫米的弯曲测试,识别准确率仍保持在95%以上。实验表明,该设备在700次折叠后仍能保持良好的神经形态性能。与其他使用IZO、IWO和IGZO的装置相比,这种柔性突触晶体管仅需要5伏电源供电,并具有低功耗的特点,支持长期待机使用。虽然这些柔性装置显著提高了人造皮肤的机械适应性,但实现大面积均匀制造以及与密集的人工神经网络(ANN)阵列的无缝兼容性仍是一个持续的挑战。

4.2. 功能集成突触装置
为了突破单一感官能力的局限并扩展人造皮肤的感知范围(如第3节所讨论的),研究人员广泛探索了功能集成突触装置。与处理多种物理刺激的多模态装置不同(如第4.3节所述),这种方法专注于将整个功能链——感知、传输、存储、计算和适应——整合到一个统一的架构中。人类神经系统具有感知、传输、存储和适应等多种能力。为了实现这些功能,Tan等人提出了一种具有感知、神经编码、感知学习和存储能力的光电子脉冲输入神经系统[44]。首先,外部信号被转换为光脉冲并输入到光电突触(OE突触)中。这种OE突触是基于ITO/ZnO/NSTO材料制造的。这种非接触式信号传输减少了系统连接产生的噪声和串扰,实现了分布式受体和突触光敏电阻之间的高质量光通信。OE突触可以同时处理多个输入,从而模拟来自前神经元轴突末梢到后神经元树突的多个动作电位。通过实现频率和时间编码这两种主要的生物神经编码原理,OE突触不仅可以检测和区分不同的输入,还可以识别摩尔斯电码、盲文字符和物体运动。结合神经网络算法,该装置还可以进行特征提取(编码)和学习,从而识别和记忆手写字母和单词。之前的人工触觉感知系统只有两个功能:感知和计算。然而,在实际应用中,信息存储可以有效提高计算效率。Xie等人基于丝绸纤维(SF)复合忆阻器和AgNWs/PDMS压力传感器构建了一种人工触觉感知系统[45]。SF复合忆阻器具有低切换电压、延长的保持时间和稳定的耐用性,并实现了完整的突触功能。同时,该装置对刺激信号也有良好的响应速度和耐用性。SF复合忆阻器将接收到的压力刺激转换为电流,同时集成感知、存储和计算功能。Hong等人通过垂直集成突触晶体管与氧化石墨烯通道、离子凝胶介质和弹性指纹状感受层,引入了一种具有内置突触功能的人工突触机械感受器阵列(ASMRs)[46]。该阵列包括八个慢适应(SA)和八个快适应(FA)机械感受器,首先实现对长时间压力、振动和冲击的响应。位于感受层和介质门之间的摩擦电-电容门对外部触觉刺激作出反应并产生感应电流。该阵列结合了机器学习算法,实现了触觉信号的实时感知和计算。最终,将ASMR集成到仿生智能皮肤中,可以实现识别书写风格、表面图案和纹理的功能。实验结果表明,ASMR不仅紧凑且具有极高的感知精度,在边缘AI场景(如神经机器人、自主系统和智能医疗保健)中具有很高的应用价值。总体而言,功能集成装置成功超越了简单的刺激-响应仿真,实现了系统级处理。然而,在单一尺寸内平衡超紧凑性、稳定的多功能性和低功耗操作仍然是一个挑战。

4.3. 多模态突触装置
为了解决物理分离的传感器节点引起的严重延迟和能量开销问题(如第3节所讨论的),前沿研究正在转向多感官记忆计算(MSMC)架构。在4.2节的功能集成基础上,MSMC强调对多种物理输入(例如视觉、触觉、热)的协同感知和计算。人工智能皮肤需要具备温度和变形的感知和存储能力,这对于监测人体生理变化和预防疾病非常重要。Wang等人首先开发了一种内置机械和热传感器的本质可拉伸神经形态晶体管[47]。基于这种晶体管构成的阵列,团队进一步开发了一种具有感知和存储功能的可拉伸温度响应多模态神经形态电子皮肤(STRM-NES)。这种智能皮肤的突触可塑性可以通过多种模式、原位温度变化和拉伸变形来调节,并具有温度响应功能、自发恢复和温度依赖的自主学习能力。STRM-NES在感知、传输、存储和从外部刺激中恢复方面表现出多模态性能。为了更真实地模拟人类皮肤对外部刺激的感知能力,Wan等人提出了一种双模态人工感觉神经元(BASE),主要包括一个电阻式压力传感器、基于钙钛矿的光电探测器、基于水凝胶的离子电缆和一个突触晶体管[48]。压力传感器和光电探测器分别感知触觉和视觉信号,并将其转换为电信号。然后,电信号通过离子电缆传输到突触晶体管,并最终整合并转换为后瞬态电流。通过同步这两个信号来确定多维空间信息,BASE可以准确控制机器人手部。研究团队还设计并模拟了一个BASE矩阵作为感知器的特征提取层,用于识别多透明度的字母图案,证明了双模态感觉的融合可以提高识别率。Fu等人基于垂直堆叠的石墨烯-锗(Gra-Ge)混合场效应光电晶体管设计了一种仿生视觉-听觉光电探测器(VAPD)[49]。作为人工神经突触,这种探测器有效地整合了视觉和听觉感知能力,实现了单一单元的“观看”和“听”。通过调整栅极的光响应电压,可以编程突触权重以实现视觉特征提取、物体分类和声音操作。同时,该装置还具有出色的响应速度和响应性,为双模态甚至多模态人工神经突触提供了新的发展方向。尽管这些多模态装置显著提高了感知丰富性和仿生逼真度,但管理复杂的信号耦合、结构硬件复杂性和同步多通道信息处理仍然限制了它们的大规模可扩展性。

4.4. 设备-算法协同设计用于硬件补偿
为了缓解由于硬件不理想性(如非线性、不对称性和变异性)导致的严重性能下降(挑战4),设备-算法协同设计已成为一个关键的系统级解决方案[50]。研究人员不再仅仅依赖材料工程来追求完美理想的突触,而是越来越多地开发考虑硬件特性的训练算法,将这些物理不理想性直接纳入软件训练循环[51]。通过使用实际的物理噪声模型和不对称导电更新对ANN进行预训练,算法可以自主适应硬件的内在缺陷,从而补偿精度损失。此外,混合精度计算架构提供了一种实用的方法,其中高精度的数字处理器处理关键的梯度误差计算,而模拟突触阵列执行重负荷的、容错的矩阵-向量乘法。这种协同设计有效地弥合了不完美物理设备与高精度算法要求之间的差距。尽管这种协同设计显著减轻了硬件不理想性的影响,但它本质上增加了整个系统的复杂性,并要求在物理硬件特性、集成电路设计和软件学习算法之间进行更加紧密的跨学科协调。

5. 结论与未来展望
尽管不同突触装置的研发路线各具特点,但它们正逐渐从实验室概念验证向系统级实现迈进,具备了更大的工程潜力。然而,突触装置的本质不仅在于单一感官模式的卓越性能,还在于多模态信息的高效融合与合作。因此,集成感知和计算的未来发展必然会从单一模态的深化发展为多模态融合和设备-算法协同设计。不过,人工突触装置不仅仅是单一感官功能的组合,而是源于人工神经系统中多模态信息的深度融合和协同解释。因此,它能够生成超越单一感官感知的场景理解。尽管前景广阔,但多模态计算的整合之路仍面临许多挑战。主要障碍在于不同感知模式的物理基础、信号特性和光谱范围的显著差异,这对材料科学和芯片技术的异构集成提出了严峻挑战。其次,不同模态数据在生成速度、数据格式和时空方面的同步挑战使得跨模态交互极为复杂。此外,现有的算法模型尚未完全发挥多模态系统的潜力。通过设备-算法协同设计定制考虑硬件的算法对于将这些系统提升到更高水平至关重要。未来,智能终端和机器人可能具备类似人类的综合感知能力,如“看、理解、闻和触摸”。人工智能将不再依赖云计算支持,真正实现物理世界中的自主成长和持续学习。突触装置的持续进步将在集成感知和计算系统的未来发展过程中发挥关键作用。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号