传感与信息技术的集成对生物电子学的发展至关重要。然而，随着传感器收集数据量的激增，传统信号处理方法面临效率和能耗方面的挑战，这推动了感知数字化技术的兴起。感知数字化是指将感官输入转换为数字信号，使数字系统能够处理、分析并利用这些数据，从而实现信息技术与物理对象、生物系统和环境的无缝融合。在生物体中，大量多模态感官输入信号通过神经网络的整合与处理，最终转化为我们的感知体验。同时，这些感官信号通过突触权重的调整逐步重塑神经网络，影响我们的认知和记忆。研究人员从生物系统的特征中汲取灵感，致力于将电导可调电子设备与柔性传感技术相结合以实现感知数字化，开发了各类模拟人类触觉和视觉的功能性感官—记忆系统。除物理信息外，化学信息如神经递质也在调节神经突触可塑性中起关键作用，理解并提取这些化学信使所传递的信息有助于更深入地了解大脑的工作原理与智能行为。因此，化学响应类神经形态系统的发展也正在快速兴起。这类系统有望赋予智能机器人类似人类的情感能力与心理特征以革新人机交互领域，实现人类与机器之间更加复杂和智能的交互。

图1：神经形态生物电子设备配置及其用于感知数字化的系统模拟

2024年6月27日， 南京邮电大学化学与生命科学学院 的 汪联辉教授、王婷教授 和 新加坡南洋理工大学 的 陈晓东 教授 在 Advanced Materials 期刊上发表了一篇名为：Conformal neuromorphic bioelectronics for sense digitalization的综述。 该综述聚焦用于感知数字化的神经形态生物电子学的最新进展，特别是从物理信号向生化类信号神经形态感知的发展趋势，介绍了神经形态系统的生物学基础与实现神经可塑性的设备基础、将神经形态模块与刺激响应模块集成的各类策略、多感官神经形态系统与人工反射弧的最新进展。最后，该综述讨论了神经形态系统在系统性能、与生物体集成过程、标准化等关键方面的潜在问题与解决方案。

【文章要点】

一、神经形态生物电子学中的突触器件

生物系统的突触可塑性可以通过电路中的电导变化过程来模拟。为了在器件层面实现神经形态行为，研究人员开发了两种类型的电导可调器件，即双端忆阻器和三端晶体管。文中介绍了不同种类的典型忆阻器和晶体管的工作原理，并综述了突触器件的最新进展。

图2：用于模拟神经可塑性行为的突触设备

二、物理/化学刺激的神经形态感知系统

基于上述神经形态突触器件，许多研究试图模拟人类对诸如触觉、视觉和伤害（温度）等刺激的感知。通过传感元件与突触器件的集成，这类神经形态系统能够响应感官刺激并自主更新突触权重以实现感知数字化能力，完成模式识别、图像识别和动作识别等复杂任务。除物理信号外，对生化信号的感知与适应也是人类适应环境的必要过程，例如嗅觉感受器对不同气体分子的感知和辨别，神经细胞对离子流与神经递质的感知和响应等，为了模拟生物突触中的化学信使传递模式，促进脑机接口、智能假肢和智能机器人等应用的发展，已经有一些用于检测生化分子的神经拟态装置被开发。在文中对上述物理/化学刺激的神经形态感知系统的最新进展进行了报道与讨论。

图3 物理刺激的神经形态感知系统（触觉）

图4：化学刺激的神经形态感知系统（神经递质）

三、多感官神经形态系统

在生物系统中，单一感官在获取环境信息时具有局限性，例如，光学错觉可能会因视觉系统的缺陷而扭曲我们的感知。结合多种感官能够大大提高从环境中收集准确和全面信息的能力。受生物体启发，科学家们也正通过为智能机器人配备更多类型的传感器来增强其感知与交互能力，其挑战在于如何处理来自各种传感器的数据，并像生物体的传出神经一样提供由多种感官输入协调的综合响应。为了解决这一问题，采用多感官融合策略的神经形态系统应运而生，例如触觉-视觉系统和触觉-嗅觉系统。文中系统报道了该领域最新进展，这些创新有望使机器人能够更好地感知和理解环境，提高其在复杂环境中的操作能力。

图5：多感官神经形态系统

四、人工反射弧

快速反馈对于生物体的环境适应至关重要，一个经典的例子是膝跳反射，其中大腿肌肉梭对机械拉伸刺激做出反应，通过股传入神经向脊髓发送神经冲动，最终导致腿向前踢。受生物体反馈系统的启发，研究人员致力于使用自主控制系统将神经形态系统连接到生物/人工传出神经，文中对这类系统的最新进展进行了报道与讨论，其在智能机器人、神经修复和智能假肢方面具有潜在的应用。

图6：人工反射弧

图7：传感设备的演变与生物神经形态智能的发展趋势

【结论与展望】

纵观生物传感器的发展历程，起初，传感器只是被动地反映外部刺激信息，主要追求高灵敏度、选择性和稳定性。随着检测生物信号的需求增加，柔性传感器应运而生，重点转向实现可拉伸性、可降解性、自愈合和生物相容性等特性。近年来，具备自适应性的神经形态生物电子学设备开始出现，其将被动传感模式转向具备生物神经智能的主动感知模式。然而，尽管已经取得了显著进展，这些设备在响应时间、设备尺寸和能耗等方面仍难以与生物系统媲美。

未来，神经形态电子学的发展方向在于将电子和生化元素与先进的机器学习算法结合，以模拟复杂的生物突触行为，提高系统的准确性、反馈速度和一致性。同时，开发可编程的软界面、可降解和自愈合的设备，以适应不同应用场景也是关键。此外，解决生物体内生物分子与神经形态系统之间信息编码方式的差异，对实现真正的电子—生物体连接至关重要。目前的神经形态设备在处理化学或生物刺激方面仍存在局限，需要进一步扩展对生物化学刺激（如核酸）的感知能力。标准化问题也是制约其应用的重要瓶颈，缺乏统一的测试协议和参数，使得不同设备的集成和高密度系统的制造面临挑战。因此，建立类似于传统硅基电子设备的通用测试协议、制造工艺和输出格式，对于推动神经形态生物电子学的工业应用至关重要。

总的来说，感知数字化的神经形态生物电子学仍处于早期阶段，需要电子学、材料科学、化学、生物学、医学工程和计算机科学等不同领域的研究人员之间的跨学科合作以推进该领域发展。

撰稿：王婷，邹昊宸  编辑：彭芃  审核：罗志敏