触觉神经形态系统：摩擦静电聚合物传感器与铁电聚合物突触的融合

以下文章来源于Artificial Synapse ，作者pig iron

研究背景

随着物联网(loT)的出现，对能够有效处理大量非结构化数据(如图像和声音)的先进技术的需求大幅增加。例如，Merolla 等人  提出了一种基于非冯诺依曼计算机架构的HW-NN 芯片。它由 100 万个可编程尖峰神经元和 2.56 亿个可配置突触组成。该芯片在实时多目标识别方面所需的功耗降低了 100 000 倍。Burr 等人展示了一个硬件三层感知器神经网络，它具有 164 885 个基于相变存储器的突触。在包含手写数字的 MNIST 数据库中，HW-NN的训练准确率高达 82.2%。

最近，旨在复制外周神经系统的创新研究受到了广泛关注。人类的外周神经系统由感觉器官 (如眼睛、耳朵、皮肤、鼻子和嘴)、神经通路和大脑组成。感觉器官接收刺激通过感觉受体转换为电动作电位。这种电动作电位随后通过传入神经元在大脑的特定部位进行处理和解读。外周神经系统中的这种实时信号处理可通过使用由人工突触和传感器组成的HW-NN 来模拟。值得注意的是，感觉-超形态系统具有与人类外周神经系统类似的优势，如安全数据通信、容错和低功耗。Wan 等人提出了一种触觉学习系统该系统集成了基于离子锗的突触晶体管、离子电缆和压阻触摸传感器。该系统能够识别“00”“01”、“10”和“11”等触觉模式。Lee 等人推荐了一种人工触觉神经形态系统该系统使用触控激活的有机铁电场效应晶体管 (FeFET)，并用该系统演示了感觉器官的记忆过程。尽管取得了这些进展，但在 HW-NN 平台上实现感觉神经形态系统的进一步研究仍具有挑战性。

研究成果

感觉神经形态系统是一项前景广阔的技术,因为它们可以复制人类外周神经系统处理来自五个感觉器官的信号的方式。尽管具有这样的潜力，但关于如何在硬件神经网络平台上实现这些系统的研究却很有限。在该研究中，韩国Dong-Ho Kang和Jin-Hong Park教授等人提出了一种触觉神经形态系统，它使用了基于PDMS的摩擦静电传感器和基于二硫化(MoS2)/ P(VDF-TrFE)异质结构的铁电突触。摩擦静电传感器通过将触觉刺激实时转换为电信号来模拟人体触觉器官。开发的铁电突触具有出色的长期增强/抑制特性，最大动态范围为78，对称值为 4.7。为了评估该系统的实用性，作者使用莫尔斯电码字母和 MNIST手写数字进行了训练和识别模拟，取得的最高识别率为 96.17%。相关研究以“Tactile Neuromorphic System: Convergence of Triboelectric Polymer Sensor and Ferroelectric Polymer Synapse”为题发表在ACS Nano期刊上。

图文导读

Figure 1. Tactile neuromorphic system for real-time data processing.

Figure 2. Sensory receptor based on Cu/PDMS/Cu triboelectric sensor.

Figure 3. Synaptic plasticity of MoS2/P(VDF-TrFE) heterostructure-based synaptic device.

Figure 4. Tactile neuromorphic system for Morse code alphabet recognition.

总结与展望

该研究展示了一种复制人类触觉外围系统的神经形态系统。它采用了基于Cu/PDMS/Cu结构的摩擦静电传感器和基于MoS2/P(VDF-TrFE)异质结构的铁电突触装置。摩擦静电传感器有效地模仿了人体触觉器官的功能，包括将触觉刺激转化为电信号和收集按压/释放刺激的时间信息。此外，基于 MoS2/P(VDF-TrFE)异质结构的 FeFET 还能模拟生物突触的运行，这得益于P(VDF-TrFE)的双极化和非挥发性特性该器件展示了LTP和LTD的优异特性包括 78的最大动态范围和 4.7 的对称值。最后，提出了一种触觉神经形态系统，该系统集成了基于聚合物的摩擦静电传感器和基于 FeFET 的人工突触阵列。该系统能够识别从A到Z的莫尔斯电码字母以及来自 MNIST 数据集的手写数字。我们的模拟训练和识别证明了该系统的可行性，最高识别率约为 96.17% (莫尔斯电码字母，单层感知器)和 85.4% (MNIST手写数字，多层感知器)。我们认为，触觉神经形态系统的实验结果将为今后的感知神经形态系统研究奠定坚实的基础。

文献链接

Tactile Neuromorphic System: Convergence of Triboelectric Polymer Sensor and Ferroelectric Polymer Synapse

https://doi.org/10.1021/acsnano.3c05337

转自：“i学术i科研”微信公众号

如有侵权，请联系本站删除！