大腦支撐著人類的視覺、聽覺、味覺、嗅覺、學習、記憶、情感、平衡以及其他與感知有關的功能。

在處理模式識別、風險管理或活動決策等復雜任務時，即使是當今最強大的計算機也無法與人腦競爭。

這可以歸結為以下原因：首先，傳統計算機依賴于馮·諾依曼架構，由于處理器和內存分離，發展至今遇到了內存墻的能效瓶頸以及摩爾定律失效的困境。

其次，模擬（傳感）信號和數字（計算）信號的信號域不同，隨著傳感器節點數量的增加，信號轉換和大量冗余數據逐漸成為感知系統的負擔。

受人腦和生物神經系統的啟發，設計交互式神經形態器件和芯片來整合感知、存儲和處理能力，成為突破馮·諾伊曼構架瓶頸的曙光。

據麥姆斯咨詢報道，近期，中科院北京納米能源與系統研究所孫其君研究員以及王中林院士團隊總結了生物啟發的交互式神經形態器件的研究進展，包括神經形態觸覺系統、視覺系統、聽覺系統等。

概括性的描述了用于交互式神經形態器件的基本模型，從材料特性、器件結構、工作機制、性能指標和潛在應用等幾個方面對這些交互式神經形態系統進行了詳細的討論。此外，該論文還提出了可以融合多種/混合傳感信號的交互式神經形態系統，以解決更現實和復雜的問題。

并進一步對計算神經元和整合感覺神經元的優缺點進行了比較。通過各種傳感器和突觸器件的組合，生物啟發的交互式神經形態器件可以為突破馮氏瓶頸，構建后摩爾時代新型電子器件，實現新一代交互式感知、存儲、計算提供新的解決方案。



如圖1所示，計算范式目前在經歷從馮·諾依曼架構到交互式神經形態計算的革命性轉變。由于與傳統的計算機在信號處理方式上的不同，從感存算分離到感存算一體，神經形態芯片可以模擬人腦的功能和工作模式來處理更復雜的任務（如體感、圖像和語音識別）。

神經形態器件的研究和開發被認為是通向未來人工智能時代的主要途徑之一。因此，從底層出發構建固態電子器件和系統，模擬生物感覺突觸和神經元，并開發超低功耗的類腦芯片具有重要的研究價值。



圖1 計算范式從馮·諾依曼架構到生物啟發的交互式神經形態計算的革命性轉變

交互式神經形態器件的基本模型包括以下三種形式：在器件層級模擬神經元活動，在網絡層級模擬由類神經元器件連接的神經網絡，以及在系統層級模擬與外部環境的交互感知（圖2）。早期開發的突觸器件主要使用電脈沖作為刺激信號，缺乏對各種感覺行為的模擬。

為了模擬一個更真實的神經系統，非常有必要探討感覺信號對突觸權重更新過程的影響。一個生物啟發的交互式神經形態器件通常包括一個仿生受體（傳感器）和人工突觸器件。仿生受體用于感知外部刺激（如壓力、聲音、光和熱），并將刺激轉化為電信號，從而實現進一步的信息傳遞并激活突觸器件（圖3）。



圖2 人類神經系統和仿生神經形態器件/系統的比較



圖3 仿生交互式神經形態器件的分類和示意圖

圖4顯示了生物啟發的交互式神經形態器件/系統的里程碑式時間線。依據傳感器類型，可劃分為神經形態觸覺系統、視覺系統、聽覺系統和多感官系統。此外，該綜述還詳細討論了這些交互式神經形態系統的材料特性、器件結構、工作機制、性能指標和潛在應用等。

最后分別從材料、設備、網絡和系統集成等4個層面，提出了交互式神經形態器件在未來發展中面臨的機遇和挑戰（圖5）。



圖4 生物啟發的交互式神經形態器件的發展歷程



圖5生物啟發的交互式神經形態器件的未來發展路線圖

總而言之，利用“傳感器+突觸器件”的仿生交互式神經形態器件和系統模型，實現并行感知、存儲和計算的協同融合功能，是一種突破馮氏瓶頸、構建后摩爾時代新型電子器件的有效途徑，相關研究如旭日初升，又荊棘滿路。不同類型的傳感器和突觸器件尺寸、功耗、穩定性和兼容性，多耦合信號的解耦和串擾以及片上集成等問題都亟待解決。

通過對交互式神經形態器件的未來發展路線進行的定位和展望來看，其未來發展高度需要優化對傳感器、神經形態器件和相關兼容算法的集成。

論文鏈接：

https://doi.org/10.1016/j.mattod.2022.09.012

審核編輯：劉清