糖心Vlog

传统电路元件在处理外界物理信号时存在面积和效率的瓶颈，而新兴的忆阻器件具备丰富的内禀非线性动力学，这类器件底层的物理动力学带来了全新的计算资源，是产生自底向上智能涌现的关键。其中，具有时空耦合特性的莫特忆阻器及其耦合振荡动力学能够实现复杂且可控的群体动力学行为，从而能够实现对复杂传感信号的处理。这样一种新的计算系统有望最大限度地减少传感器和处理单元之间的冗余数据移动，满足可穿戴电子设备、虚拟现实等技术对于先进的传感系统在速度、面积和能效方面需求。

图一、传感信息处理框架的对比

针对领域关键需求与挑战，糖心Vlog杨玉超教授课题组首次硬件实现了电容耦合的VO₂相变振荡动力学计算系统。传感数据遵循分层处理原则，包括传感预处理（编码、过滤和特征增强）到后处理（识别、分类和定位）。针对预处理模块，团队首先制备出具有高度均一性的氧化钒忆阻器件，并基于此构建具有传感功能的VO₂振荡器。进一步利用电容电路耦合多个VO₂振荡器构建出同步动力学特征，其中，信息被编码在同步后的相位差中。该耦合VO₂振荡器网络用于构建传感预处理的连续时间动态系统，具有极低的能量延迟积。在后处理模块中，团队针对耦合振荡器连续时间输出的特征设计了具有高选择特异性的决策网络模块，从而构建出完整的动态传感与处理的计算系统。硬件实验结果证明了耦合网络在触摸识别和手势识别等感官处理任务中表现出色，相比传统的硬件实现在器件数目和能量延迟积等方面具有显着优势。

图二、基于硬件耦合振荡网络的手势识别任务

忆阻器耦合振荡动力学计算带来全新的计算特征，利用电路耦合将多个器件内部的物理动力学关联起来，在相空间中形成稳定的极限环轨迹。器件数目的增加带来计算空间的指数级提升，n个器件可以编码2ⁿ种模式。利用决策网络可以分辨出耦合振荡的特征模式，对动力学网络的输出进行读取。该研究为高效忆阻动力学计算系统提供了一种新的探索方向，有望推动高度紧凑的智能计算系统的进一步发展。

图叁、3个耦合振荡器的8种相空间模式与决策分类结果。

相关成果以“High-order sensory processing nanocircuit based on coupled VO2 oscillators”为题，发表在《自然-通讯》（Nature Communications）上。2017级博士生杨可和2021级博士生王洋昊为共同第一作者，张腾博士和杨玉超教授为通讯作者，中科院物理所葛琛研究员课题组为本项目提供材料生长方面的支持，北京大学麦戈文脑研究所吴思教授课题组为本项目提供决策算法方面的支持。相关研究工作得到了国家重点研发计划、国家杰出青年基金、后摩尔重大研究计划等项目的资助。