《InfoMat》刊发郭新团队基于忆阻器的人工嗅觉系统的研究成果

       2021年5月4日，材料学院固态离子学实验室在《InfoMat》上发表了关于人工嗅觉的最新研究成果“An Artificial Olfactory Inference System Based on Memristive Devices”，该工作由材料学院郭新教授团队完成，材料学院2019级硕士王童为论文第一作者，郭新教授为论文的通讯作者。
       生物可以依靠嗅觉探测身边的环境，发现潜在的危险，寻找食物等；生物嗅觉系统由嗅觉细胞及推断系统组成。嗅觉细胞被特定的气体分子刺激后，会发出神经脉冲信号；推断系统通过学习，可以记忆不同嗅觉细胞发出的脉冲信号，并推断出环境中气体的类别。生物嗅觉系统是一个集感知、计算和存储于一体的系统，仅消耗较少的能量，就可以完成复杂的任务。为了模仿生物嗅觉系统，人们采用传感器阵列及推断系统来设计人工嗅觉系统，然而，人工嗅觉系统与生物嗅觉系统在识别精度、功耗、集成度等方面仍有着较大的差距。
       随着材料科学的进步，传感器的性能得到了较大的提高，将不同的传感器集成到一个阵列中，可以检测多种气体。传感器的静态指标，如响应度和响应速度，被广泛地用来训练推断系统；这样的系统可以适用于较简单的问题，如识别有着固定浓度的单一气体。然而，真实环境非常复杂，包含多种气体，每种气体的浓度也不断变化。因此，很多算法被提出以提高推断系统的识别精度，例如卷积神经网络（CNN）、循环神经网络（RNN）以及脉冲神经网络（SNN）等，其中CNN和RNN在训练和推断过程需要消耗大量的能量。模拟人脑结构的SNN虽然在功耗方面有着较大的优势，但算法还不成熟，需要设计专用芯片，还不能广泛应用。为了提高RNN的运行效率，蓄水池计算（Reservoir computing）被提出；蓄水池计算系统不需要训练就可以高效地提取输入信号的时空特征，而且使用简单的分类器就可以区分所提取的特征。
       忆阻器具有并行运算，高集成度，存算一体等优势，因此，采用忆阻器可以设计出不同的推断系统，以实现卷积神经网络、蓄水池计算系统等。基于忆阻器的推断系统接收不同传感器的信号，如连接光学传感器、声音传感器，可以完成图像处理，语音识别等任务；同样地，将基于忆阻器的蓄水池计算系统与气体传感器相连，可以完成气体识别的任务。
       华中科技大学材料学院郭新教授团队，设计了基于忆阻器的人工嗅觉系统（图1），在训练后，其成功识别了4种气体（甲烷，乙醇，乙烯，一氧化碳），其中每种气体都有十种浓度。首先将传感器信号动态编码为脉冲信号，采取了响应速度与响应度两种编码方式；然后将编码后的信号输入由易失性忆阻器组成的蓄水池计算系统中，该系统对输入信息进行时空特征提取，采用电导值代表提取得到的特征，并输出到后续的人工神经网络中；最后，由忆阻突触组成的神经网络对提取的特征进行学习和识别，得到了95%的识别精度。这项工作成功地将传感器与推断系统结合起来，有利于推动感存算一体化及终端系统的发展。文章链接：https：//doi.org/10.1002/inf2.12196

图1人工嗅觉系统的组成