人类可以通过视觉、触觉、听觉、嗅觉和味觉等不同感官，高效、灵活地感知外部的物理世界。我们脑中的神经网络会汇集并处理这些感官收集的信息，使我们能够探索，认知和学习。具体来说，人类多感知神经网络中的感觉神经元（如味觉感觉神经元）会在接收到外界的物理刺激后，将物理信息转化为脉冲信号，并在随后被传输到大脑皮层进行进一步处理。
在生物感知系统中，一些特定类型的感受器（光感受器、热感受器、机械感受器等）和神经元会将外部的环境刺激转化为脉冲信号。随后，大脑皮层会接收这些脉冲信号，并对外界刺激做出反应。
近年来，随着可穿戴设备和物联网的发展，传感器结点的类型和数量急剧增加，进而产生了大量需要高效、实时处理的传感数据。然而，与人类高效的感知系统有所不同的是，传统传感系统在采集和处理数据的过程中存在高能耗和低效率的问题。因此，越来越多的研究在尝试通过效仿人类感知世界的方法，在硬件中创建出能高效处理各种物理信号的系统。
在生物学的启发下，科学家们发展出了有望有效处理来自物理世界的多感官信号的神经形态感知系统。这种系统的实现，需要将传感器与人工突触和神经元结合。但到目前为止，我们仍然缺乏一种能够高效对多种物理信号进行传感和脉冲编码的硬件。
在新兴的器件中，忆阻器凭借其丰富的离子动力学，而被用于模拟突触和神经元的功能。通过将忆阻器和传感器结合，研究人员已经证明了这样的神经形态感知系统能够处理感觉信息，如触觉、视觉、伤害性信息等。然而，这些人工神经元目前只能处理单一的物理信号，而且其中大多数存在显著的周期间（C2C）和神经元间（D2D）的差异，这对应用构成了极大的挑战。因此，我们迫切需要一种具有良好一致性的神经形态感知系统。
7月8日，黄如院士、北京大学教授，2019年“科学探索奖”信息电子领域获奖人杨玉超课题组在《自然-通讯》发表了一篇新的论文，报告了一种基于外延VO₂忆阻器的可校准人工感觉神经元，扩展了目前感觉神经元有限的感觉模式，并解决了感觉神经元的C2C和D2D的一致性问题。
追求一致性
忆阻器是一种具有固有内存的器件，它的理论概念在50多年前就已经提出，但直到2008年才真正实现。自那之后，这类器件便取得了快速的发展。
忆阻器有着非常简单的三层结构——顶电极、底电极，以及一个位于二者之间的阻变层。从外部看，忆阻器与电阻器很像，但与电阻器不同的是，它的阻变层可以在电的刺激下发生变化。这种变化会导致记忆效应。所以，这种具有固有记忆效应的电阻器件就被称为忆阻器。
新研究所使用的忆阻器是用外延生长的二氧化钒（VO₂）制作而成，这种材料具有非常好的晶体品质，这对于获得具有高度一致性的忆阻器来说至关重要。外延是是一种让晶体薄膜在衬底上定向结晶生长的技术，这种技术能以非常精确的方式控制晶体薄膜的结构。
通过使用准分子激光器，研究人员在氧化铝（Al₂O₃）衬底上外延生长了20纳米厚的VO₂薄膜。
在新研究中，通过测量VO₂忆阻器的I-V曲线，研究人员发现当施加的电压超过阈值电压（Vth，约±1.35V）时，仪器可以从高电阻状态变为低电阻状态；而当施加的电压低于保持电压（Vhold，约±0.85V）时，器件又可以立即恢复成高电阻状态。
在电子学中，通过电子仪器的直流电电流和通过仪器的直流电电压之间的关系，被称为电流-电压特性曲线，也被称为I-V曲线。科学家们常常通过测量I-V曲线来确定仪器的一些基本参数。图中显示了VO₂忆阻器在重复了1000个周期后的I-V曲线。
接着，研究人员在0到2V、0到-2V的电压范围内，重复进行了1000次I-V曲线测量。可以看出，即便重复了上千次，所呈现的结果仍然非常稳定，这表明周期与周期间的差异（即C2C差异）非常小。如此低的C2C差异可以归因于外延VO₂的高晶体特质。
这样的外延VO₂忆阻器可被用来实现脉冲神经元。具体来说，研究人员将外延VO₂忆阻器与一个电容并联（Cparallel），然后再与负载电阻RL串联。当施加电压时，电容器开始充电，一旦电容器上的电压超过Vth，VO₂忆阻器就会切换成低电阻状态。这时，人工神经元就会产生一个脉冲，电容器会放电。在这之后，电容器上的电压会下降到Vhold以下，VO₂忆阻器便又会返回到高电阻状态。如此一来，电容器上的电压呈周期性的变化，从Vhold到Vth的变化为充电周期，从Vth到Vhold的变化为放电周期。
基于外延VO₂忆阻器实现的脉冲神经元的电路图。
现在，我们已经知道外延VO₂的高晶体品质能够极大地降低周期间的差异。但是，一些出现在器件制备过程中的不完美，仍有可能使神经元与神经元之间（D2D）出现不容忽视的差异。的确，在对不同的人工神经元进行测试之后，研究人员发现了这样的D2D差异。为了进一步减少存在于神经元之间的这些差异，研究人员在神经元电路中加入了一个校准电阻，Rc（如下图），很好地调控了神经元的发放频率曲线，从而进一步提高了不同神经元之间D2D的一致性。
可校准的人工脉冲神经元的电路图。
实验结果表明，通过使用外延VO₂和引入校准电阻，研究人员很好地降低了C2C和D2D的差异，极大地增强了脉冲神经元的一致性。
感知多种物理信号
为了探索这种基于外延VO2的可校准脉冲神经元是否可以被用于感知压力、光照、温度等外部刺激，研究人员将多种不同的传感器与可校准神经元进行了结合，构建了多种感知神经元。
他们首先制作了一种压力传感器，并将它与脉冲神经元集成在一起，实现了触觉感知。这种压力传感器是采用石墨烯气凝胶制备而成的，它的制作方法很简单，只需将石墨烯气凝胶层夹在两个薄薄的铜电极之间，再将整个“三明治”结构包裹在聚乙烯醇保护膜中。在不同的压力下，这种传感器会有着不同的稳定电阻值，这是因为石墨烯气凝胶的表面粗糙，当它在压力的作用下与几乎平坦的铜电极表面接触时，石墨烯气凝胶会变形，导致更多的石墨烯薄片末端接触电极，从而使得电阻变小。
为了让脉冲神经元能与不同类型的传感器相匹配，研究人员还加入了一个缩放电阻（Rscaling），从而可以将传感器的工作电阻范围调控到神经元所需的范围。
一个石墨烯气凝胶压力传感器与可校准的人工感觉神经元相结合，形成了人工脉冲触觉神经元。
在此基础上，通过运用一个光传感器，研究人员获得了视觉神经元。通过观察人工视觉神经元的脉冲频率随亮度的变化，发现当光的亮度持续增加时，光传感器的电阻会随之减小，导致更高的脉冲发放频率。这个过程成功地将光照转化为了脉冲频率值。利用相似的方法，研究人员还构建了温度感觉神经元。随着温度升高，温度传感器的电阻会降低，会导致神经元脉冲发放频率的增加。
研究人员用模拟仿真进一步表明，通过将脉冲触觉神经元与一个三层的脉冲神经网络相结合，可以成功地对压力图像进行模式分类，且分类准确率超过90.33%。
实验将手写的数字图像中的每个像素的值作为压力值。784个脉冲触觉神经元被用来感知压力，并被编码为不同频率的脉冲。编码后的脉冲序列由一个由784个输入神经元、196个隐藏神经元和10个输出神经元组成的三层脉冲神经网络处理。
此外，研究人员还利用这套系统实现了对手势的感知。无论是在医疗保健，亦或是认知神经科学研究领域，人类的手势识别都具有重要价值。因此，我们迫切地需要一种能够像生物系统一样运作的手势感知系统。
在这项研究里，研究人员成功实现了一种可感知不同手势的神经形态感知系统。他们首先设计了一种能够将曲率转化为脉冲的曲率感知神经元。曲率感知神经元由一个曲率传感器和一个脉冲神经元组合而成。当曲率增大时，曲率传感器的电阻就会随之增大，从而导致神经元的脉冲频率降低。如果将这样一个曲率感知神经元装在手指上，就能感知到手指的弯曲，手指弯曲程度越大，感觉神经元的脉冲频率就会越低。
实验中，研究人员将拇指、食指、中指、无名指、小指与5个曲率感觉神经元配对，对8种不同手势的脉冲序列进行监测。观测结果显示，每个手势对应的脉冲频率可以被很容易地识别出来，这表明基于脉冲的神经形态手势感知系统可以有效地识别手势。
促进神经形态感知系统的发展
对于现有的感觉神经元的有限感知模式来说，这种基于外延VO2的可校准人工感觉神经元是一项令人欣喜的突破。它解决了感觉神经元所面临的难以攻克的周期间的一致性问题，并对神经元之间的一致性进行了优化。不仅如此，研究人员还利用这套系统，成功而高效地将光、热、压力和曲率信号编码成了脉冲信号，展示出了它模拟生物的视觉、温度、触觉和机械感觉能力的功能。这对于促进神经机器人学、感知和神经形态计算的发展，将起到重要作用。