鑽石舞台

創新點：華中科技大學郭新教授團隊設計了一種感存算一體化的仿生嗅覺系統，該系統由傳感器陣列、基於憶阻器的仿生神經元以及仿生突觸組成，可以模仿生物嗅覺系統的工作方式，完全工作在模擬域中，避免了頻繁的數據轉換與傳輸，使得基於憶阻器的人工智能感知系統更加高效。

關鍵詞：憶阻器，仿生嗅覺系統，脈衝神經網絡，類腦運算，人工智能。

生物體中分布着不同的感覺系統，這些系統幫助生物獲取和處理信息，尋找食物，規避風險等。生物個體通過分布在各感官中的感覺神經元將外界信號轉變為神經脈衝信號，並通過突觸與中繼神經元將神經脈衝信號傳遞至大腦皮層中的神經中樞進行運算和處理。在大腦皮層中有大量的神經元以及突觸，這些神經元與突觸連接起來組成龐大的神經網絡。生物神經網絡超強的運算能力來源於存儲-計算一體的架構和並行運算的能力，可以實時並且高效地採集和處理外界信息，在處理很多複雜任務的時候表現出低功耗、高效率等優勢。

為了方便生產製造與芯片功能定義，現有的人工感知系統採用了傳感器、存儲器和運算單元相互分離的結構，但是這樣的傳統架構已經不再適合萬物互聯的物聯網時代。隨着物聯網的發展，越來越多的傳感器被應用到生活中，而這些傳感器會產生大量的、未經處理的原始數據。但由於傳感器、存儲單元以及運算單元的相互分離，傳感器信號頻繁地在三個模塊中傳輸，因此，帶來額外的功耗，較長的響應時間，大量的數據存儲以及數據安全等問題，不再適應大數據、智能化時代的計算要求。

通過模仿生物嗅覺系統，郭新團隊設計了基於憶阻器的感存算一體化的仿生生物嗅覺系統。基於Pt/Ag/TaOx/Pt憶阻器的易失性，首先設計了漏電整合發放（Leaky integrate-and-fire, LIF）神經元，其可以將模擬信號轉變為頻率信號。然後，將LIF神經元與傳感器陣列相連，可以獲得感覺神經元。具體來講，環境信息被傳感器採集，並轉變為傳感器信號，然後被與傳感器相連的LIF神經元直接處理，轉變為頻率信號。隨後，採用感覺神經元、非易失性憶阻器（Pt/Ta/TaOx/Pt）陣列與中繼神經元（LIF神經元）組成脈衝神經網絡，並利用一種有監督的SRDP（Spiking-rate dependent plasticity）學習法則成功地訓練了該脈衝神經網絡，並識別出測試集中所有的氣體樣本。該仿生生物嗅覺系統工作在模擬域，避免了信號的數模轉換，為感存算一體化智能感知系統提供了解決方案。

相關工作以「A Bio-inspired Neuromorphic Sensory System」為題，發表在Advanced Intelligent System上，華中科技大學固態離子學實驗室碩士研究生王童，博士後研究員王曉雪為文章共同第一作者，郭新教授為該文的通訊作者。