KAIST于4日宣布,电气与电子工程学院教授崔养奎与机械工程系教授朴仁圭的联合研究团队开发出“模仿人类嗅觉神经元的神经形态半导体模块”。
此前曾分别成功开发模仿人脑、视觉神经元、触觉神经元的神经形态半导体模块的研究团队,首次证明通过能够像人类嗅觉神经元一样识别气体成分并输出脉冲信号的神经形态半导体模块,可以实现基于神经形态的电子鼻(eletronic nose)。
KAIST电气与电子工程学院博士生韩俊圭与康民九作为共同第一作者参与的此项研究,已发表于知名国际学术期刊《先进科学》(Advanced Science)2022年4月网络版,并被选为封底论文(Back Cover)。
利用人工智能的嗅觉识别系统能够以高精度识别气体,在环境监测、食品监测、健康护理等多个领域得到广泛应用。但此类系统大多基于需要CPU与内存分离结构的冯·诺依曼计算机的软件,因此数据在CPU与内存之间移动时会消耗大量电力。此外,数据从传感器传输至CPU时所需的转换电路也会产生额外电力消耗。因此难以应用于移动或物联网(IoT)设备。
相反,生物嗅觉系统在感觉细胞自身即以脉冲形式传递感觉信息,并由大脑并行处理,仅需极低电力消耗即可辨别气体。因此,为构建低功耗嗅觉系统,模仿生物嗅觉系统、在传感器端以脉冲形式传递信息的“传感器内计算(In-Sensor Computing)”式神经形态嗅觉系统正受到关注。
要实现此类神经形态嗅觉系统,需要像人类嗅觉神经元那样将化学信号转换为脉冲形式电信号的构成要素。但一般的气体传感器无法执行这一功能。
研究团队利用半导体式金属氧化物基气体传感器与单晶体管基神经元器件,开发出能够识别气体并输出脉冲信号的神经形态半导体模块。
研究团队以所制作的神经形态半导体模块为基础,构建了可区分有害气体的气体识别系统,以及可区分葡萄酒的电子侍酒师系统。尤其是证明了能够利用神经形态系统区分因多种气体分子混合而难以辨别的葡萄酒,意义重大。
主导此项研究的博士生韩俊圭在说明研究意义时表示:“此次开发的神经形态半导体模块有望应用于电子鼻,在物联网(IoT)领域、环境监测、食品监测、健康护理等方面得到有效使用”,“这将成为提前开启‘传感器内计算(In-Sensor Computing)’时代的基石”。






