综述：从智能感知到神经电子学的仿生神经形态感知系统
2024-11-17 14:58:44 来源：麦姆斯咨询 评论：0 点击：
这篇综述深入探讨了突触器件技术与神经网络处理算法之间的复杂关系，强调了它们对人工智能（AI）能力的相互影响。这项研究探讨了由各种刺激（包括光、声、机械和化学输入）触发的人工突触特性的最新进展，以及通过人工神经网络对其进行后续处理。
受人类神经系统强大信号处理能力的启发，神经形态人工感知（NAS）系统已成为推进类脑计算发展的一项关键技术，可以应用于类人机器人、假肢以及可穿戴设备等领域。这些系统通过集成感知突触器件和神经网络算法来模拟中枢神经系统和周围神经系统的功能，使外部刺激能够转化为可操作的电信号。
据麦姆斯咨询报道，近日，韩国汉阳大学（Hanyang University）的研究人员在Advanced Science期刊上发表了题为“Bio-Inspired Neuromorphic Sensory Systems from Intelligent Perception to Nervetronics”的综述文章。这篇综述深入探讨了突触器件技术与神经网络处理算法之间的复杂关系，强调了它们对人工智能（AI）能力的相互影响。这项研究探讨了由各种刺激（包括光、声、机械和化学输入）触发的人工突触特性的最新进展，以及通过人工神经网络对其进行后续处理，以应用于图像识别和多模态模式识别。本文讨论还延伸到通过人工突触模拟生物感知，并总结了神经形态系统发展的未来前景和挑战，强调需要更深入地了解神经网络处理以创新和完善这些复杂的系统。
获得各种感官输入的人类和人工信号处理途径的可视化示意图
人工感知神经网络处理算法
人工神经网络（ANN）是模仿生物神经网络，由通过权重相互连接的节点（神经元）层组成。每个神经元使用激活函数来处理输入并产生输出。由于ANN能够模拟非线性连接，因此它适用于涉及信号处理和传感器融合的应用。
脉冲神经网络（SNN）模拟神经元的脉冲行为，其中信息随时间通过离散的脉冲进行传递。它更适用于神经形态计算平台，并提供高效的事件驱动计算，使其非常适合节能和实时的传感数据处理。
深度神经网络（DNN）是一种多层ANN结构，它使用深层抽象来提取复杂特征。在感知系统中，DNN采用无监督学习技术，由于其处理高维感知输入的能力，对于基于感知数据识别和提取特征特别有效。
光学神经网络（ONN）是一种专门的神经网络算法，它采用独特的方法，利用光学信号进行高速数据处理计算，以及从输入数据中进行大规模模式识别。该网络将光学传感能力与神经处理相结合，在涉及光学输入的模式识别任务中提供高精度。
k-最近邻（KNN）是一种非参数算法，通过识别与查询点最接近的相邻样本的相似性，使用接近度对数据进行分类。它对于分类和回归分析特别有用。
根据感知应用的复杂性和效率需求，每种网络算法都具有不同的优势。因此，通过这些神经网络算法，NAS系统可以促进感知信息的组织、识别和解释，使人工智能（AI）和机器人具有高效和准确的复杂识别和决策能力。
用于智能感知的神经形态感知系统
1. 人工视觉感知系统
模拟人类视觉感知过程的人工视觉系统的发展是类人机器人和计算机视觉领域的一个重要进步。这种仿生人工视觉感官系统可以通过集成由光响应半导体制成的光电晶体管来实现，以将光转换为电信号。对光刺激做出反应的光电突触是复制视觉感知功能的基本组成部分。通过密切模拟人类的视觉和认知过程，这些技术为未来构建智能传感器、机器人和先进的神经形态计算系统提供了基础，这些系统集成了光学传感和突触功能，可用于高度集成的复杂模式识别任务。
基于突触器件的人工视觉感觉系统
2. 人工触觉感知系统
人类通过由皮肤上的时空机械变化引起的压力信号和振动的相互作用来感知触觉刺激，促进了对形状、质地、重量和其它环境物理特征的识别。模拟生物触觉感知神经系统的感觉和信号处理功能的人工触觉感知系统的发展在机器人、医疗设备、假肢和电子皮肤（e-skin）等领域有着巨大的应用潜力。这种仿生触觉感知系统可以通过将压力传感器与离子电子突触晶体管集成来实现。文中所讨论的人工触觉感知系统已经成功地实现了类人的触觉感知和计算。
基于突触器件的人工触觉感知系统
3. 人工听觉感知系统
基于听觉感知系统，人类通过外部刺激和大脑之间的相互作用来识别声音，以获得重要的功能，例如在危险情况下的警告和与周围环境的有效交流。然而，听觉感知系统受损的人会因信息丢失而遇到沟通困难。为了解决这个问题，模拟生物听觉系统的人工声学传感器已经被不断报道，声音检测精度、感测范围（频率和振幅）、与皮肤的顺应性以及功耗等特性是关键要求。在已报道的器件中，压电材料已广泛应用于声学传感器，因为它们能够像生物系统那样直接将机械信号转换为电信号，并且具有能耗低的特点。此外，还开发了一种人工听觉系统，用于捕获、处理和记忆大规模的声学信息。该人工听觉系统的结构由一个自适应、自供电的人工听觉通路组成，分别由摩擦纳米发电机（TENG）和场效应突触晶体管（FEST）作为声音感受器和突触。
基于突触器件的人工听觉感官系统
4. 人工嗅觉和味觉感知系统
人类嗅觉系统为基于场效应晶体管（FET）、忆阻器和电化学装置的人工嗅觉系统的开发提供了一种模型。一些被称为电子鼻（e-noses）的系统能够识别化学刺激物，例如硫化氢、二氧化氮（NO₂）和挥发性有机化合物（VOCs），从而能够监测空气质量水平和检测癌症等呼吸系统疾病。
模仿人类味觉感知系统，已经报道了几种能够检测和区分各种味道的人工舌。值得注意的是，一种创新的基于MOSFET的人工味觉神经元已被开发成电子舌（e-tongue），用于识别化学物质的浓度。
基于突触器件的人工化学感知系统
由于信号处理范围有限，依赖单一感知输入进行决策的NAS系统经常会遇到不可避免的歧义。为了解决这些限制，一个可行的解决方案是开发集成的多感知计算融合。能够同时集成和处理两个或多个刺激的多感知神经网络系统是准确感知和更好地理解多模态世界的基础。
多模态NAS系统
人工触觉神经在机器人系统中的成功应用证明了其在提高机器人灵巧性和感官感知方面的实用性和潜力，为神经启发机器人技术和人工触觉传感技术的未来发展铺平了道路。
NAS系统在感知机器人中的应用
值得注意的是，神经形态人工接口的发展突出了将感觉反馈整合到人工神经系统中以恢复复杂运动功能的重要性，在生物工程、机器人和神经修复领域取得了重大进展。
NAS在神经接口系统中的应用
机器人技术和人工智能的进步大大加快了NAS系统的设计和开发。这些系统模拟了生物突触和神经系统的功能和结构。具备像神经通路那样感知和处理感官信息能力的NAS系统，不仅可以检测各种外部刺激，还可以通过突触装置将这些信号转化为瞬时通道电流，从而模仿生物感觉神经中的体感机制。这些突触信号与神经网络的集成，由监督或无监督机器学习算法控制，有助于直接处理来自各种感官输入的信号，例如视觉、触觉、听觉、嗅觉和味觉，使人工智能和机器人能够执行复杂的识别和决策任务。正如这篇综述所强调的，在具有多种器件结构和工作原理，能有效模拟若干突触功能的NAS系统的开发方面，已经取得了重大进展。
论文信息：https://onlinelibrary.wiley.com/doi/10.1002/advs.202409568
延伸阅读：
上一篇：综述：基于石墨烯的MEMS和NEMS器件及其应用研究
下一篇：最后一页