近日，国际期刊《Nature Communications》在线刊发了华中科技大学集成电路学院杨蕊/缪向水教授关于神经形态感内计算的最新研究成果“Crossmodal sensory neurons based on high performance flexible memristors for human-machine in-sensor computing system” 我院缪向水教授、杨蕊教授和上海硅酸盐研究所曹逊研究员为通讯作者，我校2021级博士生李志远和上海硅酸盐研究所2024级博士生李众少为共同第一作者。华中科技大学集成电路学院为论文第一完成单位。该工作得到了华中科技大学能源学院杨荣贵教授、大连化学物理研究所姜鹏研究员的大力支持。
随着可穿戴设备和人机交互技术的迅速发展，构建高能效、低延时的多模态感知处理系统，成为当下研究热点。然而，基于传统CMOS技术的感知计算系统在复杂度、延时及能效方面存在挑战，限制了其在人机交互领域的应用。我校集成电路学院缪向水/杨蕊教授与上海硅酸盐研究所曹逊研究员开展合作，受生物神经元多模态感知功能启发，在国际上首次研制出一种高性能的跨模态感知柔性忆阻神经元，为人机交互中的多模态感知与计算提供了新的解决方案。
研究团队从相变材料VO2出发，通过引入Cr2O3缓冲层，在低温下（280℃）成功研制出性能卓越的柔性忆阻神经元器件，器件展现出超高的循环寿命（>1012）、出色的良率（97%）、高均一性（C2C：0.72%和D2D：3.73%）以及超快的响应速度（<30 ns），并且在多次弯曲下，器件依然保持优异的循环稳定性。
通过将柔性VO2忆阻器与柔性压力传感器耦合，构建了柔性跨模态感知神经元（CSSN），实现了对温度和压力信号的实时感知、编码和解码。基于CSSN，与机械手联动构建了柔性跨模态处理硬件系统，该系统不仅能够实时感知外界压力和温度变化，还能实时生成反馈信号，使机械手做出及时响应。将CSSN用于储备池网络，构建了一种跨模态脉冲储备池计算系统，实现了对动态物体的高精度识别（98.1%）和实时反馈，进一步验证了该神经元在复杂环境下的感内计算的准确性和可靠性。该研究为构建高效、低功耗的可穿戴人机交互系统提供了新的思路，有望广泛应用于智能穿戴设备、机器人技术以及其他多模态感知领域。
研究工作得到了国家重点研发计划、国家自然科学基金、湖北省杰出青年基金、湖北省重点科技等项目的资助。
