福州大学考研，福州大学考研分数线
在人类的运动感觉系统中，大脑皮层通过神经通路接收由运动引起的神经冲动，如视觉信号、肌肉张力或来自前庭的运动信号，从而使人体感知空间的位置和运动。研究表明，运动感觉系统中缺少前庭将导致包括平衡、自我运动感知和导航在内的困难，而缺少视觉将导致体感错觉和错误判断。因此，一个仿生的自我运动感觉系统必须有多种运动信号输入，并能通过神经网络处理和存储各种运动信号，以实现准确和多模式的信息识别。
福州大学陈惠鹏研究员等人开发了一种基于人工前庭和视觉的人工运动感觉系统（AMSS），该系统由一个可以感知旋转的摩擦纳米发电机（TENG）和作为视网膜的突触晶体管阵列组成。结果表明，多感官整合的准确性比单一感官的准确性高15%以上。此外，由于AMSS的旋转识别和视觉识别功能，作者在神经网络中实现了包括角度和数字的多模态信息识别，准确率达到89.82%。此外，在模拟游乐设施的情况下，通过AMSS成功实现了人的快速自我保护，多种运动感觉集成的反应时间仅为单一前庭的三分之一。基于模拟视觉和前庭协同作用的AMSS将在神经机器人、人工肢体和软电子学方面显示出巨大的潜力。该研究以题为“Bioinspired Artificial Motion Sensory System for Rotation Recognition and Rapid Self-Protection”的论文发表在《ACS Nano》上。
【AMSS的设计与结构】
作者首先构建了一个基于茚二酮-苯并噻二唑的混合晶体管阵列，作为视网膜受体接收外部光信号，然后接收的信号在源极和漏极之间进行整合，转化为兴奋性突触后电流（EPSC）。在这个阵列中，一个晶体管所接收的光信号对应于输入图片的一个像素。然后，TENG被用来模拟前庭，将旋转信号转换为电信号输入。受益于TENG的输出，该器件不仅可以感知旋转，还可以作为电源装置向晶体管的栅极提供脉冲信号。与传统的旋转传感器相比，大大减少了电路和功率消耗。此外，作者还测试了TENG的输出稳定性，其能在电机的驱动下连续工作80分钟，具有连续稳定的输出。最后将TENG产生的电位施加到突触晶体管的栅极上，以实现电子捕获和半导体通道的电导率变化。
图1 AMSS的设计
图2 TENG的设计与表征
【多运动感知能力】
在生物系统中，接收感觉信号的时间顺序也会影响突触的权重，这被定义为 “时间一致性”。为了模拟多传感器的整合，作者通过使用光和电刺激之间的间隔关系作为电流函数的独立变量，成功地在单细胞水平上模仿了时间上的一致性。为了模拟视觉和前庭的单一感官输入和多感官输入，作者用50个电脉冲增强峰和50个抑制峰作为前庭信号，进行单一感官模式下的增强和抑制训练，另用视觉神经元的50个增强峰同时进行多感官模式下的视觉-前庭增强训练。神经网络模拟的结果显示，在前庭的刺激下，神经网络的识别准确率为69.67%，在整合前庭和视觉的刺激下，识别准确率为85.83%，这进一步证明了多种运动感觉的整合可以大大提高整体的灵敏度和准确性。此外，该系统中使用的神经网络权重更新数据可以被其他突触晶体管替代，这充分体现了该系统的普适性。
图3 AMSS的多运动感知
【AMSS的应用演示】
作者建立了一个神经网络来同时识别包括角度和数字的多模态信息，通过分析该序列来识别不同角度的不同数字。经过50次训练，该系统的识别准确率可以达到89.82%。通过识别连续的输入图像，AMSS可以通过角度的差异判断图像是否旋转，实现运动判断。此外，AMSS可以更快、更准确地判断运动状态。以娱乐设施为例，人类神经系统对运动状态的判断有助于保护自身的安全。在单一感官（前庭）模式下，缓慢的运动识别过程会导致自我保护机制失效，但在多感官整合（视觉和前庭）的条件下会迅速抓住扶手。模拟该过程的测试结果表明，单一前庭运动信号输入的AMSS需要6秒才能完成对操纵器的抓取，而整合前庭和视觉运动信号时，AMSS实现自我保护机制只需要2秒。上述结果证明了该AMSS装置在多种运动感觉输入下的运动感知和快速自我保护的优越性。
图4构建AMSS的神经网络
图5 AMSS的应用演示
总结：受生物学中前庭和视觉结合的启发，作者提出了一种以TENG为前庭、以突触晶体管为视网膜的AMSS。结果表明，多运动感觉集成模式的准确性高于单前庭模式。由于AMSS可以识别多种运动输入，作者成功构建了一个神经网络来识别包括数字和角度在内的多模态信息，准确率达到89.82%。该工作将为多感官整合和前庭-视觉协同的神经形态感知提供一个发展方向，并为软体机器人、神经机器人和人工假肢等领域奠定坚实的基础。
https://pubs.acs.org/doi/10.1021/acsnano.2c08328
来源：高分子科学前沿
声明：仅代表作者个人观点，作者水平有限，如有不科学之处，请在下方留言指正！
福州大学考研(福州大学考研分数线)