王童 溫娟 呂康 陳健中 汪亮 郭新

(華中科技大學(xué)材料科學(xué)與工程學(xué)院,材料成形與模具技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室,武漢 430074)

生物感官集感知、存儲(chǔ)與運(yùn)算為一體的架構(gòu)使其可以高效并且實(shí)時(shí)地采集和處理外界信息,這樣的感存算一體化架構(gòu)可為物聯(lián)網(wǎng)時(shí)代面臨的傳感器數(shù)據(jù)爆炸問(wèn)題提供很好的解決方案.為此,本文提出仿生生物感官的感存算一體化系統(tǒng),采用不同的傳感器模擬生物感受器的功能,以獲取環(huán)境信息,傳感器輸出的模擬信號(hào)輸入到模擬信號(hào)處理系統(tǒng)進(jìn)行預(yù)處理,這樣信號(hào)不需要在模擬域與數(shù)字域之間轉(zhuǎn)換,可極大降低功耗和延時(shí);預(yù)處理后的信號(hào)輸入類(lèi)腦運(yùn)算芯片中進(jìn)行分析和決策,該芯片由基于憶阻器的人工突觸及人工神經(jīng)元組成,通過(guò)控制突觸與神經(jīng)元的連接方式,可以實(shí)現(xiàn)不同的算法架構(gòu),如全連接脈沖神經(jīng)網(wǎng)絡(luò)、卷積脈沖神經(jīng)網(wǎng)絡(luò)以及循環(huán)脈沖神經(jīng)網(wǎng)絡(luò)等;通過(guò)運(yùn)行不同的神經(jīng)網(wǎng)絡(luò),類(lèi)腦運(yùn)算芯片可以實(shí)現(xiàn)對(duì)不同傳感器信號(hào)的識(shí)別、預(yù)測(cè)以及分類(lèi)等任務(wù);更進(jìn)一步,將多種仿生感覺(jué)系統(tǒng)的識(shí)別或預(yù)測(cè)結(jié)果結(jié)合起來(lái),就可以實(shí)現(xiàn)多感官融合,這樣的系統(tǒng)架構(gòu)可以用于自動(dòng)駕駛及智能機(jī)器人等復(fù)雜的場(chǎng)景中.

1 引言

人類(lèi)的感覺(jué)主要有8 種:視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)、嗅覺(jué)、味覺(jué)、痛覺(jué)、溫覺(jué)和本體感覺(jué).David Julius 和Ardem Patapoutian 發(fā)現(xiàn)了溫度感受器和壓力感受器,為溫度感知和機(jī)械感知提供了分子和神經(jīng)學(xué)基礎(chǔ),為此,他們榮獲了2021 年諾貝爾生理學(xué)或醫(yī)學(xué)獎(jiǎng).生物的感覺(jué)過(guò)程可以大致概括為“接受刺激-傳遞信號(hào)-大腦接收”3 個(gè)步驟,感覺(jué)神經(jīng)元的感受器接受刺激,將環(huán)境信息轉(zhuǎn)換為神經(jīng)脈沖,神經(jīng)脈沖再通過(guò)突觸傳輸?shù)侥X內(nèi)的中樞神經(jīng)系統(tǒng),中樞神經(jīng)系統(tǒng)由復(fù)雜的神經(jīng)網(wǎng)絡(luò)組成,負(fù)責(zé)對(duì)神經(jīng)脈沖進(jìn)行分析與計(jì)算.生物感官把感知、存儲(chǔ)以及運(yùn)算3 個(gè)功能集成于一體,從而可以高效并且實(shí)時(shí)地采集和處理外界信息[1].因此,生物感官在處理很多復(fù)雜任務(wù)時(shí)表現(xiàn)出低功耗、高效率等優(yōu)勢(shì)[2].

單一的感官會(huì)造成感覺(jué)的局限與偏差,人體通過(guò)不同感官中的感受器來(lái)感受不同的刺激,并將各種感知信號(hào)融合在一起,從而獲得對(duì)環(huán)境的多方面體驗(yàn),例如,在品嘗美食時(shí),至少需要同時(shí)使用視覺(jué)、嗅覺(jué)和味覺(jué)來(lái)感受食物的“色、香、味”.對(duì)于一個(gè)特定的場(chǎng)景,通過(guò)不同的維度感知不同特性的模態(tài)(如圖像-語(yǔ)音所對(duì)應(yīng)的視覺(jué)-聽(tīng)覺(jué)),并進(jìn)行數(shù)據(jù)樣本的收集和耦合,這就是多模態(tài)傳感融合[3].多模態(tài)傳感融合可以獲得更全面準(zhǔn)確的信息,增強(qiáng)感知的可靠性與容錯(cuò)性.

相比于生物感官,現(xiàn)有的人工感覺(jué)和計(jì)算系統(tǒng)采用了完全不同的架構(gòu),其中傳感器、存儲(chǔ)器和運(yùn)算單元是相互分離的,但是,這樣的架構(gòu)已經(jīng)不再適合萬(wàn)物互聯(lián)的物聯(lián)網(wǎng)時(shí)代[4].一方面,隨著物聯(lián)網(wǎng)的發(fā)展,越來(lái)越多的傳感器被應(yīng)用到生活的方方面面,這些傳感器會(huì)產(chǎn)生巨大的、未經(jīng)處理的原始數(shù)據(jù)[4].但是由于傳感器與信號(hào)處理系統(tǒng)的分離,這些由傳感器產(chǎn)生的原始數(shù)據(jù)都需要首先轉(zhuǎn)換為數(shù)字信號(hào),然后傳遞至本地或者云端的信息處理系統(tǒng).這樣的架構(gòu)會(huì)帶來(lái)額外的功耗、較長(zhǎng)的響應(yīng)時(shí)間、大量的數(shù)據(jù)存儲(chǔ)、帶寬以及數(shù)據(jù)安全等問(wèn)題[5].另一方面,存儲(chǔ)與運(yùn)算單元分離的馮·諾依曼架構(gòu),不再適應(yīng)大數(shù)據(jù)、智能化時(shí)代的計(jì)算要求.數(shù)據(jù)在內(nèi)存和數(shù)據(jù)處理單元之間的頻繁存取操作帶來(lái)了高功耗、高延時(shí)等問(wèn)題,使得基于馮·諾依曼架構(gòu)的計(jì)算系統(tǒng)運(yùn)算效率遠(yuǎn)低于人腦[6].因此,需要探索新的神經(jīng)形態(tài)計(jì)算方式來(lái)幫助神經(jīng)網(wǎng)絡(luò)應(yīng)用到有功耗限制的場(chǎng)景中去,如用于邊緣計(jì)算的終端設(shè)備[7].

為了模擬生物存儲(chǔ)與運(yùn)算一體的架構(gòu),研究人員探索了多種新型存儲(chǔ)器件,如憶阻器、鐵電存儲(chǔ)器、磁存儲(chǔ)器等.其中,憶阻器具有并行計(jì)算的能力,而且其性能與生物神經(jīng)元和突觸相類(lèi)似,是構(gòu)建存算一體化系統(tǒng)的有力之選,這樣的新型存算一體化系統(tǒng)可以用來(lái)構(gòu)建脈沖神經(jīng)網(wǎng)絡(luò)(spiking neural network,SNN)[8,9].為了模擬生物感知與運(yùn)算一體的架構(gòu),將模擬信號(hào)處理單元集成到傳感器系統(tǒng)中,使其可以處理簡(jiǎn)單的任務(wù),如降噪、特征提取或特征增強(qiáng)等.模擬信號(hào)處理單元可以有效地減少數(shù)據(jù)的傳輸,降低功耗和延時(shí),簡(jiǎn)化后續(xù)信號(hào)處理過(guò)程[1].此外,為了實(shí)現(xiàn)實(shí)時(shí)環(huán)境檢測(cè)與識(shí)別,研究人員嘗試將感知、存儲(chǔ)與運(yùn)算系統(tǒng)集成于一體,使得終端設(shè)備可以具有類(lèi)似生物感官系統(tǒng)的環(huán)境感知能力[10],目前,這樣的處理系統(tǒng)還處于起步階段,對(duì)信息的處理能力也比較有限.

本文提出一種仿生生物感官的通用架構(gòu).如圖1(a)所示,在生物感官中,感受器接受外界環(huán)境刺激,引起感覺(jué)神經(jīng)元膜電位變化,當(dāng)外界刺激達(dá)到閾值后,感覺(jué)神經(jīng)元發(fā)出神經(jīng)脈沖;感覺(jué)神經(jīng)元發(fā)出的神經(jīng)脈沖經(jīng)過(guò)突觸傳遞至中樞神經(jīng)網(wǎng)絡(luò)進(jìn)行信息提取、識(shí)別等工作.圖1(b)給出了仿生生物感官的感存算一體化系統(tǒng),該系統(tǒng)模擬了生物感官的工作方式,首先由不同的傳感器來(lái)模擬生物感受器,檢測(cè)環(huán)境中的氣體、光、震動(dòng)、壓力等信號(hào);傳感器信號(hào)經(jīng)模擬信號(hào)處理單元處理及編碼后直接輸入類(lèi)腦芯片,類(lèi)腦芯片為通用人工智能架構(gòu),由人工突觸和人工神經(jīng)元組成,通過(guò)不同的神經(jīng)元與突觸連接方式,可以運(yùn)行不同的神經(jīng)網(wǎng)絡(luò)模型,如全連接脈沖神經(jīng)網(wǎng)絡(luò)、卷積脈沖神經(jīng)網(wǎng)絡(luò)和循環(huán)脈沖神經(jīng)網(wǎng)絡(luò)等.在復(fù)雜的環(huán)境中運(yùn)行時(shí),需要綜合考慮多種感官的輸入信號(hào)之后做出決策,通過(guò)對(duì)各種感官信號(hào)進(jìn)行識(shí)別以及對(duì)預(yù)測(cè)結(jié)果進(jìn)行綜合處理,可以模擬生物感官的信息融合,這樣的系統(tǒng)可用于自動(dòng)駕駛、智能機(jī)器人、生物醫(yī)療等領(lǐng)域.

圖1 生物感官及仿生感覺(jué)系統(tǒng) (a) 生物感官包括感覺(jué)神經(jīng)元、突觸及生物神經(jīng)網(wǎng)絡(luò).感覺(jué)神經(jīng)元的感受器感知環(huán)境刺激,并引起神經(jīng)元膜電位變化,當(dāng)神經(jīng)元膜電位達(dá)到閾值后,產(chǎn)生神經(jīng)脈沖,神經(jīng)脈沖信號(hào)通過(guò)突觸傳遞至神經(jīng)網(wǎng)絡(luò)進(jìn)行處理.(b) 仿生感覺(jué)系統(tǒng)包含了傳感器、模擬信號(hào)處理單元以及類(lèi)腦運(yùn)算芯片.傳感器負(fù)責(zé)感知環(huán)境信息,模擬信號(hào)處理單元負(fù)責(zé)對(duì)傳感器信號(hào)進(jìn)行預(yù)處理,類(lèi)腦芯片負(fù)責(zé)特征提取、分類(lèi)以及預(yù)測(cè)等高級(jí)任務(wù)Fig.1.Biological sensory organ and bio-inspired sensory system.(a) Biological sensory organ includes sensory neurons,synapses and neural network.The receptors of the sensory neurons capture the environmental information and cause the increase of the neuron potential.The neurons generate neural spikes when the neuron potential exceeds its threshold.The neural spikes are then transmitted to the neural network through synapses.(b) Bio-inspired sensory system includes sensors,analogue signal processing units and the brain-inspired chip.Sensors acquire the environmental information and convert the information into analogue electrical signals,which are then directly processed by the analogue signal processing units.Finally,the brain-inspired chip receives the pre-processed signals,and performs advanced tasks,such as feature extraction,classification and prediction.

此外,有研究人員[1]提出使用憶阻器本身的感知能力,如視覺(jué)(光信號(hào))、嗅覺(jué)(氣體)等,來(lái)實(shí)現(xiàn)傳感器內(nèi)計(jì)算(in-sensor computing),但目前還沒(méi)有取得明顯的進(jìn)展.“傳感器內(nèi)計(jì)算”對(duì)材料和器件結(jié)構(gòu)有非常大的限制,這是因?yàn)閼涀杵骱蛡鞲衅鲗?duì)材料和器件結(jié)構(gòu)有不同、甚至是矛盾的要求.以嗅覺(jué)模擬為例,器件必須同時(shí)具有氣敏性能和憶阻性能,那么可選的材料只有WO3,ZnO 等極少數(shù)幾種,憶阻器要求氧化物薄膜致密,且厚度＜100 nm,而傳感器則要求氧化物薄膜疏松多孔,以提供更多的氣體接觸位點(diǎn)來(lái)進(jìn)行氣敏反應(yīng),厚度為數(shù)百微米,甚至更厚[11].考慮這些因素,只有在某些特定的條件下才可能實(shí)現(xiàn)“傳感器內(nèi)計(jì)算”.當(dāng)然,“傳感器內(nèi)計(jì)算”具有極高的集成度,在功耗和器件體積等方面具有無(wú)與倫比的優(yōu)勢(shì),也是研究人員積極探索的方向.

2 傳感器及模擬信號(hào)處理單元

如圖2 所示,生物體中分布著不同的感覺(jué)系統(tǒng),這些系統(tǒng)幫助生物獲取和處理信息、尋找食物、規(guī)避風(fēng)險(xiǎn)等.生物個(gè)體通過(guò)分布在各器官中的感覺(jué)神經(jīng)元將外界信號(hào)轉(zhuǎn)變?yōu)樯窠?jīng)脈沖信號(hào),并通過(guò)突觸將神經(jīng)脈沖信號(hào)傳遞至大腦皮層中的神經(jīng)中樞進(jìn)行運(yùn)算和處理.不同的感官擁有不同的感受器來(lái)感知環(huán)境信息,在嗅覺(jué)系統(tǒng)中,分布在鼻腔內(nèi)的嗅覺(jué)感覺(jué)神經(jīng)元的嗅感受器可以與不同的氣體分子相結(jié)合,將化學(xué)信號(hào)轉(zhuǎn)變?yōu)榧?xì)胞膜電位變化,當(dāng)刺激達(dá)到閾值之后,該嗅覺(jué)神經(jīng)元產(chǎn)生神經(jīng)脈沖并通過(guò)突觸傳遞至嗅球細(xì)胞[12];在視覺(jué)系統(tǒng)中,視網(wǎng)膜起到視覺(jué)感受器的作用,將光信號(hào)轉(zhuǎn)變?yōu)殡娦盘?hào),隨后通過(guò)視神經(jīng)傳遞至大腦皮層,此外,人類(lèi)視網(wǎng)膜還具備預(yù)處理功能,可以提取輸入視覺(jué)信息的關(guān)鍵特征,消除無(wú)用的輸入信息,加速后續(xù)神經(jīng)網(wǎng)絡(luò)的信息處理進(jìn)程[13];在聽(tīng)覺(jué)系統(tǒng)中,耳蝸基底膜上的柯蒂斯感受器可以將震動(dòng)轉(zhuǎn)化為電信號(hào)傳遞到人的聽(tīng)覺(jué)神經(jīng)中[14];在觸覺(jué)系統(tǒng)中,皮膚上分布著不同的觸覺(jué)感受器,它們對(duì)機(jī)械能某些特定的特征敏感,從而將施加于皮膚上不同類(lèi)型的機(jī)械能轉(zhuǎn)化為不同頻率的神經(jīng)脈沖[15],由于傳入到大腦皮層的脈沖頻率不同,生物可感知到物體的軟硬程度、大小、形狀等信息[10].

圖2 傳感器及模擬信號(hào)處理單元.用不同的傳感器陣列來(lái)模擬不同生物感官的感受器,來(lái)實(shí)現(xiàn)對(duì)氣體、光、聲音、壓力等信號(hào)的感知,隨后,傳感器信號(hào)直接輸入到模擬信號(hào)處理單元中進(jìn)行處理Fig.2.Sensors and analogue signal processing units.Sensors work like the receptors in a biological sensory organ,detecting the environmental information such as gases,light,audio and pressure,and convert them to electrical sensory signals.The sensory signals are then directly processed by the analogue signal processing units.

隨著材料科學(xué)的進(jìn)步,不同種類(lèi)的傳感器被開(kāi)發(fā)出來(lái),用于檢測(cè)環(huán)境信息,也可以用于模擬生物感受器的功能.然而,傳感器信號(hào)處理系統(tǒng)需要將模擬信號(hào)轉(zhuǎn)變?yōu)閿?shù)字信號(hào),再傳輸至信號(hào)處理系統(tǒng)中進(jìn)行處理及運(yùn)算,這個(gè)過(guò)程需要采用模數(shù)轉(zhuǎn)換器(analogue-digital convertor,ADC)[1].這種將模擬信號(hào)轉(zhuǎn)變?yōu)閿?shù)字信號(hào)再處理的方式會(huì)帶來(lái)較大的功耗及延時(shí).而在生物感官中,感受器感受到環(huán)境信息之后,產(chǎn)生動(dòng)作電位直接引起細(xì)胞膜電位變化,不需要將信息進(jìn)行轉(zhuǎn)化,而是直接被神經(jīng)元處理.因此,借鑒生物系統(tǒng),可以設(shè)計(jì)模擬信號(hào)處理單元,直接與傳感器相連,在模擬域?qū)π盘?hào)進(jìn)行預(yù)處理,再由通用的類(lèi)腦運(yùn)算芯片完成信號(hào)識(shí)別及預(yù)測(cè)等高級(jí)任務(wù).

下面通過(guò)對(duì)嗅覺(jué)的模擬來(lái)解釋環(huán)境信號(hào)的獲得與處理過(guò)程.用氣體傳感器陣列來(lái)模擬嗅覺(jué)感受器的功能,將氣體分子的化學(xué)信號(hào)轉(zhuǎn)換為模擬型的電信號(hào).為了獲得氣體傳感器對(duì)不同氣體的響應(yīng)信號(hào),采用不同的材料制備氣體傳感器以增加輸入信號(hào)的區(qū)別,因此,氣體傳感器往往有著不同的基線電阻,且不同器件對(duì)不同氣體的響應(yīng)呈現(xiàn)出數(shù)量級(jí)的差別,此外,在工作過(guò)程中,氣體傳感器的基線電阻會(huì)隨時(shí)間漂移[16].為此,可采用氣體傳感器基線動(dòng)態(tài)校準(zhǔn)電路在模擬域中高效地處理氣體傳感器信號(hào)[17].針對(duì)光學(xué)傳感器的信號(hào)處理,可采用模擬電路實(shí)現(xiàn)類(lèi)似視網(wǎng)膜的圖像邊緣提取及特征增強(qiáng)功能,相比于傳統(tǒng)的數(shù)字信號(hào)處理方式,這樣的模擬電路集成度更高,還可以把功耗降低至毫瓦級(jí)[18].針對(duì)語(yǔ)音傳感器的信號(hào)處理方法,研究人員模仿耳蝸的柯蒂斯感受器設(shè)計(jì)了帶通濾波器來(lái)處理聲音傳感器信號(hào),不需要將傳感器信號(hào)轉(zhuǎn)變?yōu)閿?shù)字信號(hào),再用傅里葉變換進(jìn)行處理,這樣的設(shè)計(jì)既降低了功耗,又減小了電路面積[14].采用壓力傳感器可以模擬人的觸覺(jué),感受環(huán)境中的壓力信息,壓力傳感器的信號(hào)一般需要采用半波整流的方式進(jìn)行預(yù)處理.另外,傳感器信號(hào)還要進(jìn)行統(tǒng)一的降噪、濾波、放大和編碼等預(yù)處理后再輸入到類(lèi)腦運(yùn)算芯片中[1].

信號(hào)預(yù)處理也廣泛地應(yīng)用于現(xiàn)有的傳感器信號(hào)處理模塊中,首先也需要對(duì)模擬信號(hào)進(jìn)行降噪、濾波、放大等預(yù)處理,經(jīng)預(yù)處理的模擬信號(hào)經(jīng)過(guò)模數(shù)轉(zhuǎn)換后,輸入到中央處理器或者傳輸?shù)皆贫嗽O(shè)備.在這個(gè)過(guò)程中,模數(shù)轉(zhuǎn)換器需要消耗大量的功耗和芯片面積.此外,大量的數(shù)據(jù)傳輸也會(huì)產(chǎn)生功耗和延時(shí).因此,本文提出一個(gè)完全工作在模擬域的模擬信號(hào)處理單元,與現(xiàn)有的傳感器信號(hào)處理系統(tǒng)相比,模擬信號(hào)處理單元在功耗與延時(shí)等方面均有優(yōu)勢(shì).

3 可重構(gòu)類(lèi)腦芯片

人腦中有大量的神經(jīng)元(約1011量級(jí))及突觸(約1015量級(jí)),這些神經(jīng)元與突觸連接起來(lái)組成龐大的神經(jīng)網(wǎng)絡(luò)[7].相比于基于現(xiàn)有計(jì)算平臺(tái)(central processing unit,CPU;graphic processing unit,GPU)的人工神經(jīng)網(wǎng)絡(luò),人腦中的生物神經(jīng)網(wǎng)絡(luò)可以完成各種感官信號(hào)的處理、復(fù)雜的記憶及快速的決策,且僅消耗較少的能量[19].因此,人們提出了脈沖神經(jīng)網(wǎng)絡(luò),也被稱(chēng)為第三代人工神經(jīng)網(wǎng)絡(luò).它模擬生物神經(jīng)網(wǎng)絡(luò)的信息傳遞及處理方式,采用神經(jīng)元來(lái)接收并處理脈沖信號(hào),采用突觸來(lái)存儲(chǔ)、處理和傳遞脈沖信息,突觸的權(quán)重可由前后神經(jīng)元發(fā)放的脈沖進(jìn)行調(diào)制[20].脈沖神經(jīng)網(wǎng)絡(luò)是基于事件來(lái)運(yùn)算的,當(dāng)有事件發(fā)生的時(shí)候,神經(jīng)元才發(fā)出脈沖,而沒(méi)有事件的時(shí)候神經(jīng)元?jiǎng)t處于靜息狀態(tài).這樣的工作方式更加適合處理傳感器相關(guān)的信號(hào),因采用離散的脈沖信號(hào)進(jìn)行運(yùn)算,會(huì)極大地降低功耗[21].

通過(guò)傳統(tǒng)的CMOS (complementary metal oxide semiconductor)電路可以實(shí)現(xiàn)大規(guī)模的人工突觸及人工神經(jīng)元,進(jìn)而實(shí)現(xiàn)脈沖神經(jīng)網(wǎng)絡(luò),例如,IBM 設(shè)計(jì)并研制了TrueNorth 芯片,Intel 設(shè)計(jì)并研制了Loihi 芯片,它們模擬了神經(jīng)元和突觸對(duì)脈沖的響應(yīng),并且具備并行運(yùn)算的能力,可以降低推理及訓(xùn)練所需的功耗[22].但是,在這些芯片中,每個(gè)神經(jīng)元或者突觸都需要采用數(shù)十個(gè)CMOS 器件來(lái)實(shí)現(xiàn)[23],因此,人們嘗試采用憶阻器來(lái)實(shí)現(xiàn)神經(jīng)元和突觸的功能.憶阻器的電導(dǎo)可以隨著施加的激勵(lì)而連續(xù)變化,可以用來(lái)模擬突觸可塑性及神經(jīng)元膜電位的連續(xù)變化[24].

3.1 基于憶阻器的人工神經(jīng)元

在神經(jīng)科學(xué)中,神經(jīng)元接受上級(jí)神經(jīng)元經(jīng)突觸傳入的興奮性或抑制性突觸電位,脂質(zhì)雙分子層細(xì)胞膜的電位則會(huì)發(fā)生相應(yīng)變化,當(dāng)累積超過(guò)閾值時(shí)產(chǎn)生動(dòng)作電位,再經(jīng)突觸傳向下一級(jí)神經(jīng)元,這是神經(jīng)元處理和傳遞信息的過(guò)程.為了解釋生物神經(jīng)元的工作模式,科學(xué)家們相繼提出了Hodgkin-Huxley(HH)模型和漏電整合發(fā)放(leaky integrate-andfire,LIF)模型等[25].憶阻器電導(dǎo)的變化與神經(jīng)元細(xì)胞膜上離子通道的電導(dǎo)類(lèi)似,因此,可以基于這些數(shù)學(xué)模型來(lái)模擬神經(jīng)元功能.美國(guó)HRL Laboratories[26]利用憶阻器、電容器和電阻搭建了簡(jiǎn)單的憶阻神經(jīng)元電路,其中憶阻器模擬離子通道,電容器兩端的電壓模擬神經(jīng)元細(xì)胞膜上的電位,他們利用該電路成功地模擬了神經(jīng)元中動(dòng)作電位產(chǎn)生的過(guò)程.美國(guó)南加州大學(xué)楊建華教授課題組[23]利用擴(kuò)散型憶阻器(diffusive memristor)和電容器并聯(lián)后再串聯(lián)一個(gè)電阻組成了神經(jīng)元電路(圖3(a)),并聯(lián)電容器上的電壓表示細(xì)胞的膜電位,有脈沖時(shí),電荷在電容器中累積,發(fā)生整合;沒(méi)有脈沖時(shí),電容器發(fā)生自發(fā)的漏電.一旦電容器電壓高于憶阻器的閾值,該憶阻器切換到高電導(dǎo)態(tài),此時(shí)電容器的電壓無(wú)法保持,開(kāi)始發(fā)放電流脈沖,這成功模擬了神經(jīng)元漏電整合發(fā)放功能.此外,楊建華課題組[27]還實(shí)現(xiàn)了一種基于擴(kuò)散型憶阻器的人工痛覺(jué)感覺(jué)神經(jīng)元,不僅模仿了生物處理信號(hào)的方式來(lái)處理傳感器傳來(lái)的信號(hào),還成功地模擬了神經(jīng)元的關(guān)鍵功能,包括閾值、弛豫和自適應(yīng)等.神經(jīng)元閾值調(diào)節(jié)的高級(jí)功能有助于實(shí)現(xiàn)深度脈沖神經(jīng)網(wǎng)絡(luò),Zhang等[28]不僅采用閾值轉(zhuǎn)變憶阻器實(shí)現(xiàn)了LIF 神經(jīng)元的功能,還設(shè)計(jì)了結(jié)構(gòu)復(fù)雜的電路實(shí)現(xiàn)了閾值可調(diào)功能;Shaban 等[29]采用了更加簡(jiǎn)潔的方式實(shí)現(xiàn)了閾值調(diào)節(jié)功能并完成了單層脈沖神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)驗(yàn)證.

3.2 基于憶阻器的人工突觸

如圖3(b)所示,突觸是神經(jīng)元之間的連接節(jié)點(diǎn),每個(gè)突觸具有一定的連接權(quán)值,根據(jù)權(quán)值的大小確定兩個(gè)神經(jīng)元之間的信號(hào)傳輸效率,突觸連接權(quán)值可以根據(jù)突觸前/后神經(jīng)元的活動(dòng)進(jìn)行調(diào)節(jié),這被稱(chēng)為突觸可塑性(synaptic plasticity)[7],是大腦學(xué)習(xí)的基礎(chǔ).單個(gè)憶阻器在結(jié)構(gòu)和功能上都表現(xiàn)出與生物突觸的相似性.在結(jié)構(gòu)上,具有金屬/絕緣體/金屬三明治結(jié)構(gòu)的憶阻器是典型的兩端子器件,而突觸和相應(yīng)的前后神經(jīng)元也同樣形成兩端子結(jié)構(gòu);在功能上,憶阻器的電導(dǎo)變化可代表突觸連接強(qiáng)度的變化,在持續(xù)的外部電刺激下,器件電導(dǎo)表現(xiàn)出連續(xù)增加或降低,這類(lèi)似于突觸之間連接強(qiáng)度的增強(qiáng)或減弱.通過(guò)對(duì)憶阻器材料與結(jié)構(gòu)的設(shè)計(jì)可以實(shí)現(xiàn)憶阻器電導(dǎo)態(tài)的連續(xù)可調(diào),即器件電導(dǎo)在外加電脈沖的作用下連續(xù)可調(diào).基于多種材料如金屬氧化物、二維材料和高分子材料的憶阻器都成功模擬了突觸的可塑性[19,30].如圖3(b)所示,將憶阻器制成陣列后,不僅可以模擬單個(gè)突觸的性能,還可以實(shí)現(xiàn)存內(nèi)運(yùn)算.根據(jù)歐姆定律和基爾霍夫定律,輸入的電壓信號(hào)(V1,V2,V3,···,Vn)與陣列中憶阻器的電導(dǎo)(G)相乘,得到輸出的電流信號(hào)(I1,I2,I3,···,In),因此,這種交叉陣列的結(jié)構(gòu)可以在一個(gè)時(shí)間周期內(nèi)完成矩陣運(yùn)算,從而提高人工神經(jīng)網(wǎng)絡(luò)的運(yùn)算速度[31].

圖3 類(lèi)腦芯片 (a) 人工神經(jīng)元:采用憶阻器與電容并聯(lián)的結(jié)構(gòu)模擬神經(jīng)元膜電位連續(xù)變化的特性,實(shí)現(xiàn)神經(jīng)元漏電流積分點(diǎn)火的功能;(b) 人工突觸:非易失性憶阻器電導(dǎo)的連續(xù)變化可以模擬生物突觸權(quán)重的連續(xù)變化及突觸可塑性,此 外,憶阻器陣列還可以實(shí)現(xiàn)存內(nèi)運(yùn)算;(c) 類(lèi)腦芯片架構(gòu):由多個(gè)神經(jīng)元-突觸核心組成,每個(gè)核心由基于憶阻器的人工神經(jīng)元及人工突觸組成,每個(gè)核心通過(guò)總線連接Fig.3.Brain-inspired chip.(a) Artificial neuron,consisting of a memristor and a parallel capacitor,emulates the continuous change of the neuron potential and realize the leaky integrate-and-fire function of a biological neuron.(b) Artificial synapses.Non-volatile memristors emulate the continuous change of the synaptic plasticity,in addition,the crossbar array based on memristors can realize the in-memory computing.(c) Architecture of the brain-inspired chip.A brain-inspired chip consists of many neuron-synapse cores based on memristors,and the cores are connected by bus lines.

3.3 基于憶阻器的類(lèi)腦芯片及其計(jì)算架構(gòu)

類(lèi)腦芯片架構(gòu)如圖3(c)所示,芯片采用了多分布式人工神經(jīng)元-人工突觸核心的設(shè)計(jì),這些通用的人工神經(jīng)元-人工突觸核心可以通過(guò)重構(gòu)來(lái)處理不同的任務(wù),核心之間通過(guò)可重構(gòu)的片上網(wǎng)絡(luò)方式進(jìn)行連接,經(jīng)過(guò)模擬信號(hào)處理單元預(yù)處理之后的信號(hào)可以通過(guò)I/O 口輸入到芯片中,并分配對(duì)應(yīng)的核心進(jìn)行運(yùn)算.神經(jīng)元-突觸核心由基于憶阻器的人工神經(jīng)元、憶阻突觸陣列、數(shù)據(jù)選擇器(multiplexer,MUX)、緩沖區(qū)、特殊功能單元和控制器構(gòu)成.人工神經(jīng)元根據(jù)漏電流積分點(diǎn)火的功能處理來(lái)自傳感器或突觸陣列的模擬信號(hào),并將模擬信號(hào)轉(zhuǎn)變?yōu)槊}沖信號(hào)輸出.憶阻突觸陣列根據(jù)自身權(quán)重傳遞人工神經(jīng)元發(fā)出的脈沖信號(hào),其突觸權(quán)重則根據(jù)突觸可塑性由前后神經(jīng)元脈沖發(fā)放情況進(jìn)行調(diào)節(jié).為了提高芯片的容錯(cuò)率,突觸陣列及人工神經(jīng)元應(yīng)增加冗余.數(shù)據(jù)選擇器用來(lái)選擇固定區(qū)域的突觸陣列及人工神經(jīng)元來(lái)完成某項(xiàng)任務(wù).特殊功能單元(special function unit,SFU)則提供突觸訓(xùn)練所需要的計(jì)算、神經(jīng)元閾值調(diào)節(jié)、神經(jīng)元特殊互連結(jié)構(gòu)等功能.這種基于人工神經(jīng)元-人工突觸內(nèi)核的計(jì)算架構(gòu)將存儲(chǔ)和計(jì)算集為一體,消除了由存儲(chǔ)器(memory)和中央處理單元(CPU)之間的性能差異帶來(lái)的效率損失,且基于脈沖的信息編碼方式也能夠大大減少運(yùn)算過(guò)程中的能量損耗.

4 脈沖神經(jīng)網(wǎng)絡(luò)算法

傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)所具備的神經(jīng)元連接方式也可以在脈沖神經(jīng)網(wǎng)絡(luò)中實(shí)現(xiàn),將這些網(wǎng)絡(luò)架構(gòu)應(yīng)用到類(lèi)腦運(yùn)算芯片上,最終可以實(shí)現(xiàn)對(duì)不同傳感器信號(hào)的識(shí)別、分類(lèi)、預(yù)測(cè)等任務(wù),例如,采用全連接脈沖神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)氣體分類(lèi)等任務(wù),而采用卷積脈沖神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)圖片特征提取和分類(lèi)等任務(wù)[32].

圖4(a)給出了雙層的全連接脈沖神經(jīng)網(wǎng)絡(luò),其中輸入層為簡(jiǎn)單的LIF 神經(jīng)元,它可以對(duì)輸入脈沖信號(hào)進(jìn)行運(yùn)算并產(chǎn)生新的脈沖信號(hào);突觸根據(jù)自身權(quán)重傳遞脈沖信號(hào)到后級(jí)神經(jīng)元;輸出層的神經(jīng)元是閾值可調(diào)的LIF 神經(jīng)元,它不僅具備LIF神經(jīng)元的基本功能,還具備神經(jīng)元不應(yīng)期和側(cè)向抑制的高級(jí)功能,這些高級(jí)功能可以通過(guò)神經(jīng)元-突觸核心中的特殊功能單元來(lái)實(shí)現(xiàn).如圖4(a)所示,神經(jīng)元不應(yīng)期是指當(dāng)輸出層第一個(gè)神經(jīng)元被激發(fā)之后,它會(huì)傳遞給自己一個(gè)信號(hào),在短時(shí)間內(nèi)即使有較大的輸入信號(hào),也不會(huì)被再次激發(fā).神經(jīng)元不應(yīng)期可以給該層其他神經(jīng)元提供公平的競(jìng)爭(zhēng)機(jī)會(huì),使神經(jīng)元盡可能學(xué)習(xí)到更多的特征.側(cè)向抑制功能指的則是當(dāng)神經(jīng)元激發(fā)后,會(huì)給當(dāng)前層其他神經(jīng)元一個(gè)抑制信號(hào),短時(shí)間內(nèi)調(diào)高其他神經(jīng)元的閾值[28].采用神經(jīng)元側(cè)向抑制功能可以實(shí)現(xiàn)無(wú)監(jiān)督學(xué)習(xí)算法,例如,“贏者通吃(winner-takes-all)”法則[21].通過(guò)讀取輸出層神經(jīng)元的脈沖發(fā)放情況,就可以判斷分類(lèi)和識(shí)別結(jié)果.

可以用脈沖時(shí)間依賴可塑性(spike-timing dependent plasticity,STDP)或者脈沖頻率依賴可塑性(spike-rate dependent plasticity,SRDP)來(lái)訓(xùn)練全連接脈沖神經(jīng)網(wǎng)絡(luò).如圖4(b)所示,STDP指的是根據(jù)突觸連接前后神經(jīng)元的脈沖發(fā)放時(shí)間來(lái)更改突觸權(quán)重,如果突觸前神經(jīng)元發(fā)放脈沖早于突觸后神經(jīng)元,則增強(qiáng)突觸連接權(quán)重,反之則降低突觸連接權(quán)重.SRDP 則是指根據(jù)突觸前后神經(jīng)元脈沖發(fā)放頻率來(lái)對(duì)突觸連接權(quán)重進(jìn)行修改,如果突觸前后神經(jīng)元脈沖發(fā)放頻率較高,則增強(qiáng)突觸的連接權(quán)重;如果僅有突觸前神經(jīng)元或突觸后神經(jīng)元發(fā)放脈沖的頻率較高,則降低突觸的連接權(quán)重;如果突觸前后神經(jīng)元發(fā)放脈沖的頻率都較低,則不對(duì)突觸權(quán)重進(jìn)行修改.相比于傳統(tǒng)的反向傳播訓(xùn)練法則,這種通過(guò)突觸可塑性對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練的學(xué)習(xí)法則在硬件電路中更容易實(shí)現(xiàn),可以降低硬件電路的復(fù)雜度[20].

圖4 脈沖神經(jīng)網(wǎng)絡(luò) (a) 全連接脈沖神經(jīng)網(wǎng)絡(luò);(b) 基于突觸可塑性(脈沖時(shí)間依賴可塑性(STDP)和脈沖頻率依賴可塑性(SRDP))來(lái)訓(xùn)練網(wǎng)絡(luò),修改突觸權(quán)重;c)卷積脈沖神經(jīng)網(wǎng)絡(luò),由卷積層、池化層和全連接層組成Fig.4.Spiking neural network (SNN):(a) Fully connected SNN;(b) learning rules of SNN.The synaptic weights in SNN are updated according to STDP and SRDP;(c) convolutional SNN consisting of convolutional layers,pooling layers and fully connect layers.

脈沖神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)在線(online)和離線(offline)的兩種訓(xùn)練方式.離線學(xué)習(xí)的具體實(shí)施方式如下:首先通過(guò)仿真計(jì)算得到該脈沖神經(jīng)網(wǎng)絡(luò)所需的突觸權(quán)重,再通過(guò)施加脈沖將突觸權(quán)重調(diào)節(jié)至計(jì)算所需的狀態(tài).在此,該脈沖神經(jīng)網(wǎng)絡(luò)可以采用STDP 或SRDP 等兼容硬件的學(xué)習(xí)規(guī)則進(jìn)行訓(xùn)練,也可以采用反向傳播等更加精確的訓(xùn)練算法獲得突觸權(quán)重.盡管離線學(xué)習(xí)可以獲得更加精準(zhǔn)的突觸權(quán)重,但是這種方式無(wú)法使用憶阻突觸陣列來(lái)為訓(xùn)練過(guò)程加速.因此,我們更期望使用該系統(tǒng)去完成online 的訓(xùn)練,并提出采用與硬件兼容的STDP和SRDP 學(xué)習(xí)規(guī)則.以SRDP 為例,采用兩個(gè)計(jì)數(shù)器分別記錄輸入神經(jīng)元和輸出神經(jīng)元的脈沖發(fā)放次數(shù),進(jìn)而計(jì)算脈沖發(fā)放頻率.如果輸出神經(jīng)元計(jì)數(shù)器達(dá)到閾值,則根據(jù)輸入神經(jīng)元的脈沖頻率來(lái)修改突觸權(quán)重;如果輸入神經(jīng)元脈沖高于閾值,則施加正向脈沖到突觸器件上,反之則施加負(fù)向脈沖到突觸器件.經(jīng)過(guò)學(xué)習(xí)后,每個(gè)神經(jīng)元會(huì)學(xué)到對(duì)應(yīng)的輸入樣本的特征.

對(duì)于比較復(fù)雜的問(wèn)題,如圖片特征提取及識(shí)別,可以采用卷積脈沖神經(jīng)網(wǎng)絡(luò).如圖4(c)所示,卷積脈沖神經(jīng)網(wǎng)絡(luò)包括卷積層、池化層及全連接層[33].傳感器信號(hào)經(jīng)過(guò)編碼后變?yōu)槊}沖信號(hào)輸入到卷積層,在卷積層中,突觸陣列根據(jù)自身權(quán)值傳遞輸入的脈沖信號(hào)至閾值可調(diào)的神經(jīng)元,該神經(jīng)元負(fù)責(zé)對(duì)接收到的信息進(jìn)行處理并發(fā)放新的動(dòng)作電位.池化層模仿人的視覺(jué)系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行降維,用更高層次的特征表示輸入的圖像,常用的有最大值池化、均值池化等.在卷積脈沖神經(jīng)網(wǎng)絡(luò)中可以對(duì)卷積層神經(jīng)元發(fā)放脈沖頻率進(jìn)行記錄并進(jìn)行池化操作,因此,這里可以采用簡(jiǎn)單的數(shù)字電路來(lái)實(shí)現(xiàn)池化操作.卷積層及池化層可以進(jìn)行多層的堆疊以實(shí)現(xiàn)深度神經(jīng)網(wǎng)絡(luò),輸入信號(hào)經(jīng)過(guò)卷積層及池化層提取特征之后,可以輸入到全連接層進(jìn)行識(shí)別和分類(lèi),得到最終的結(jié)果.卷積脈沖神經(jīng)網(wǎng)絡(luò)也可以采用STDP及SRDP 的訓(xùn)練方式逐層進(jìn)行訓(xùn)練.

此外,在處理語(yǔ)音信號(hào)時(shí),目前常用的網(wǎng)絡(luò)算法是循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network,RNN).相比于前饋式的神經(jīng)網(wǎng)絡(luò)(全連接神經(jīng)網(wǎng)絡(luò)以及卷積神經(jīng)網(wǎng)絡(luò)),神經(jīng)元節(jié)點(diǎn)之間的循環(huán)連接可以有效地處理不同時(shí)間節(jié)點(diǎn)的信息,并將時(shí)間上的邏輯關(guān)系展現(xiàn)出來(lái).在脈沖神經(jīng)網(wǎng)絡(luò)中,也可以借鑒循環(huán)神經(jīng)網(wǎng)絡(luò)的連接方式,對(duì)時(shí)間信息進(jìn)行處理[34].除了采用神經(jīng)元之間循環(huán)連接的架構(gòu),還有學(xué)者提出采用神經(jīng)元自身的時(shí)域動(dòng)態(tài)特性來(lái)對(duì)時(shí)間信號(hào)進(jìn)行處理,這也驗(yàn)證了神經(jīng)元的LIF 功能可以等價(jià)替代神經(jīng)元的循環(huán)連接結(jié)構(gòu)[35].但是,采用神經(jīng)元自身動(dòng)態(tài)特性來(lái)處理時(shí)間信號(hào)的方式依然處于理論驗(yàn)證階段,神經(jīng)元對(duì)時(shí)序信息的處理仍然需要更多的研究.

在算法層對(duì)硬件系統(tǒng)進(jìn)行調(diào)用可以實(shí)現(xiàn)多感官的融合.針對(duì)本文提出的仿生生物感官系統(tǒng)有兩種實(shí)現(xiàn)多感官融合的可能方式:第一種是將多種感官的信號(hào)經(jīng)過(guò)模擬信號(hào)處理單元預(yù)處理及編碼后一起輸入到脈沖神經(jīng)網(wǎng)絡(luò)中,在這種情況下,多種感官的信號(hào)增加了輸入信息的維度,也極大地增加了神經(jīng)網(wǎng)絡(luò)的復(fù)雜度.例如,在機(jī)器人控制系統(tǒng)中,可以將壓力傳感器信號(hào)與視覺(jué)傳感器信號(hào)一起輸入到脈沖神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,從而得到?jīng)Q策結(jié)果.第二種處理方式是將不同的傳感器信號(hào)分別輸入到對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)中,這些神經(jīng)網(wǎng)絡(luò)已經(jīng)針對(duì)各自對(duì)應(yīng)的傳感器信號(hào)類(lèi)型做了優(yōu)化,處理后的信號(hào)再輸入到一個(gè)新的決策系統(tǒng)中,由決策系統(tǒng)綜合不同的感官信號(hào)給出最終的結(jié)果.比較這兩種實(shí)現(xiàn)多感官融合的方式,第一種方式處理信息的能力更強(qiáng),但需要考慮信號(hào)同步、延時(shí)等問(wèn)題,因此,所需的脈沖神經(jīng)網(wǎng)絡(luò)規(guī)模會(huì)較大;而第二種方式需要新的決策系統(tǒng),比如中央處理器(CPU)或者云端設(shè)備來(lái)實(shí)現(xiàn).

5 仿生嗅覺(jué)系統(tǒng)

作為實(shí)例,圖5 展示了我們近期研發(fā)的一個(gè)仿生嗅覺(jué)系統(tǒng)[36].具體來(lái)講,首先采用氣體傳感器檢測(cè)環(huán)境中的氣體分子,傳感器中的敏感材料可以吸附氣體分子,從而電阻發(fā)生變化,并在一定時(shí)間后達(dá)到穩(wěn)態(tài).因此,氣體傳感器可以將環(huán)境中氣體分子的化學(xué)信息轉(zhuǎn)變?yōu)槟M型的電信號(hào).模擬信號(hào)處理系統(tǒng)負(fù)責(zé)對(duì)傳感器信號(hào)進(jìn)行預(yù)處理,首先需要采用氣體傳感器基線動(dòng)態(tài)校準(zhǔn)電路來(lái)解決傳感器基線漂移的問(wèn)題;然后采用運(yùn)算放大電路對(duì)傳感器信號(hào)進(jìn)行放大.經(jīng)過(guò)預(yù)處理的傳感器信號(hào)最終傳輸至類(lèi)腦芯片中的神經(jīng)元-突觸核心中進(jìn)行識(shí)別.我們采用雙層全連接脈沖神經(jīng)網(wǎng)絡(luò)來(lái)處理傳感器采集到的信號(hào),并識(shí)別出不同的氣體.在類(lèi)腦芯片中,傳感器信號(hào)(電壓信號(hào))首先輸入到輸入層神經(jīng)元中,輸入層神經(jīng)元為簡(jiǎn)單的LIF 神經(jīng)元,可以將輸入的電壓信號(hào)轉(zhuǎn)變?yōu)椴煌l率的脈沖信號(hào).LIF 神經(jīng)元的輸出信號(hào)經(jīng)過(guò)放大后輸入至突觸陣列中,突觸陣列根據(jù)自身權(quán)值對(duì)輸入信號(hào)進(jìn)行計(jì)算,根據(jù)歐姆定律,在一個(gè)時(shí)間步長(zhǎng)內(nèi),就可以得到輸出電流.電流信號(hào)首先被轉(zhuǎn)變?yōu)殡妷盒盘?hào),再經(jīng)過(guò)放大后被輸入至輸出層神經(jīng)元中,輸出層神經(jīng)元為具有閾值調(diào)節(jié)功能的LIF 神經(jīng)元,可以處理輸入的脈沖信號(hào)并得到識(shí)別結(jié)果.采用閾值可調(diào)的LIF 神經(jīng)元可以實(shí)現(xiàn)無(wú)監(jiān)督的學(xué)習(xí)算法,采用STDP 或SRDP的方式來(lái)對(duì)突觸陣列進(jìn)行訓(xùn)練.在突觸權(quán)重更新過(guò)程中,突觸陣列與神經(jīng)元之間的連接斷開(kāi),由特殊功能單元來(lái)完成突觸訓(xùn)練脈沖的發(fā)放.

圖5 仿生嗅覺(jué)系統(tǒng).氣體傳感器感知環(huán)境中的氣體分子,并將氣體分子的化學(xué)信息轉(zhuǎn)變?yōu)槟M型電信號(hào);傳感信號(hào)由模擬信號(hào)處理單元作進(jìn)一步處理,該單元主要包含氣體傳感器基線動(dòng)態(tài)校準(zhǔn)電路以及運(yùn)算放大電路;經(jīng)過(guò)預(yù)處理的傳感信號(hào)傳輸至類(lèi)腦芯片的神經(jīng)元-突觸核心中完成氣體識(shí)別的任務(wù)Fig.5.Bio-inspired olfactory system.In the system,sensor array detects the gas molecules in environment,converts the chemical information of gas molecules into electrical sensory signals,which are analogue.The sensory signals are directly processed by the analogue signal processing units which include baseline cancellation and amplifier circuits.After pre-processing,the sensory signals are sent to a neuron-synapse core of the brain-inspired chip to classify the gases.

該仿生嗅覺(jué)系統(tǒng)展現(xiàn)出了強(qiáng)大的魯棒性和泛化能力,能夠完全識(shí)別4 種待測(cè)揮發(fā)性有機(jī)化合物(甲醛、乙醇、丙酮和甲苯).僅采用24 個(gè)氣體訓(xùn)練樣本訓(xùn)練該網(wǎng)絡(luò),就能夠完全識(shí)別4 種氣體的64 個(gè)測(cè)試樣本.盡管傳感器在獲得信號(hào)的時(shí)候,基線值存在漂移現(xiàn)象并且受到環(huán)境噪聲的影響,該脈沖神經(jīng)網(wǎng)絡(luò)依然獲得了完美的識(shí)別結(jié)果[36].采用這樣架構(gòu)的感存算一體化的嗅覺(jué)系統(tǒng)可以高效地完成對(duì)不同氣體的檢測(cè)與識(shí)別.由于采用事件驅(qū)使的脈沖神經(jīng)網(wǎng)絡(luò),因此,該系統(tǒng)具備低功耗的特點(diǎn),可以集成到終端系統(tǒng)之中.

6 總結(jié)

對(duì)生物感官的模擬可以幫助我們構(gòu)建集感知、存儲(chǔ)與運(yùn)算為一體的系統(tǒng),從而高效地處理傳感器信號(hào),解決物聯(lián)網(wǎng)時(shí)代傳感器數(shù)據(jù)爆炸的問(wèn)題.首先采用不同的傳感器模擬生物的鼻子、眼睛、耳朵及皮膚中的感受器,感知環(huán)境中的氣體、光、聲音震動(dòng)及壓力等信息.然后采用模擬信號(hào)處理單元直接對(duì)傳感器信號(hào)進(jìn)行處理和編碼,以獲得類(lèi)腦運(yùn)算芯片的輸入信號(hào).類(lèi)腦運(yùn)算芯片通過(guò)人工神經(jīng)元與人工突觸不同的連接方式來(lái)實(shí)現(xiàn)不同的脈沖神經(jīng)網(wǎng)絡(luò)算法,用于完成信號(hào)識(shí)別及預(yù)測(cè)等高級(jí)任務(wù),最終通過(guò)對(duì)各個(gè)仿生生物感官信號(hào)的綜合處理,完成多種感官信息的融合.多感官融合的仿生感覺(jué)系統(tǒng)可以用于自動(dòng)駕駛、智能機(jī)器人等需要多種感官協(xié)調(diào)工作來(lái)處理復(fù)雜信號(hào)的環(huán)境中,且仿生感覺(jué)系統(tǒng)的功耗可得到極大的降低.