基于忆阻器的系统用于鲁棒的气体传感器信号处理与分类

《Sensors and Actuators B: Chemical》：A Memristor-Based System for Robust Gas Sensor Signal Processing and Classification

　　气体传感器高维数据处理面临计算资源消耗大、实时性差等问题。本研究提出全硬件实现的类脑计算平台，采用阳极氧化法制备梯度复合TaO_x/ZnO_y/TaO_z忆阻器，通过多路信号并行处理与脉冲神经网络协同优化，将60,000点原始数据压缩至25点特征，实现四类气体92.5%的跨浓度准确分类。硬件系统采用可重构忆阻器阵列和兼容的学习能力，为智能气体传感提供低功耗解决方案。

　　

田进|雷张|普利甘|帅斌华|郑瑞辉|郭欣

华中科技大学材料科学与工程学院，材料加工与模具技术国家重点实验室，武汉430074，中国

摘要

气体传感器通常会产生高维且依赖于浓度的响应信号，这些信号难以用传统的计算系统进行处理。在这里，我们提出了一个完全基于硬件的神经形态平台，专为气体传感器信号处理和分类而设计。该平台的核心设备是一种通过阳极氧化法制备的TaO_x/ZnO_y/TaO_z梯度复合忆阻器，它具有优异的均匀性、多种模拟状态和长期耐久性。基于忆阻器的存储计算模块结合混合编码策略，能够将原始气体传感器数据从60,000个点压缩为紧凑的25个特征图，有效降低维度的同时保持对浓度的鲁棒性。此外，受生物嗅觉通路启发的卷积脉冲神经网络实现了高效的特征提取和分类，在多种浓度下对四种气体的识别准确率达到了92.5%。整个系统采用可重构忆阻器阵列和硬件友好的学习规则实现于印刷电路板上，展示了实现节能、实时气体传感的实际途径。这项工作突显了将忆阻器件与神经形态架构结合在下一代化学传感平台中的潜力。

引言

气体传感器在环境监测、食品质量控制、医疗诊断和工业安全等多个应用中不可或缺[1]、[2]、[3]。随着物联网（IoT）的快速发展，对可靠且节能的气体传感系统的需求显著增加。然而，气体传感器的原始输出信号给数据处理带来了严峻挑战。与视觉或听觉信号不同，气体传感器响应是高维的时变曲线，通常包含数千个数据点[4]、[5]、[6]。此外，传感器响应不仅取决于气体类型，还受到浓度的强烈影响，这使得在不同条件下难以对气体进行稳健分类[7]。这些问题阻碍了智能气体传感系统在实际且不受控制环境中的部署。

基于冯·诺依曼架构的传统信号处理平台依赖于独立的内存和计算单元。这种分离导致在高维传感器信号处理时出现高延迟、大量数据传输和能耗[8]、[9]、[10]、[11]。尽管机器学习和深度学习方法已被应用于气体分类，但它们通常需要大量的计算资源、基于云的处理以及庞大的标注数据集，这限制了它们在实时和资源受限的传感应用中的可行性。因此，需要新的方法来实现与传感器硬件直接集成的紧凑、低功耗和自适应信号处理。

生物嗅觉系统为克服这些挑战提供了灵感。大脑通过“计算在内存中”的范式处理嗅觉信息[12]、[13]、[14]，其中存储和处理在突触处同时发生。基于稀疏脉冲的编码和并行处理允许以极低的功耗实现高效的气体区分。模仿这种架构，神经形态计算为实时化学传感提供了有吸引力的途径[15]。在新兴器件中，忆阻器在神经形态系统中展现了巨大潜力，因为它们天然地模拟了突触可塑性和神经元动态。凭借其可调导电性、高密度和低能耗特性，忆阻器非常适合实现“计算在内存中”和脉冲神经网络[16]、[17]、[18]。

在这项研究中，我们开发了一个完全基于硬件的神经形态平台，用于气体传感器信号处理和分类。核心设备是一种通过阳极氧化法制备的TaO_x/ZnO_y/TaO_z梯度复合忆阻器，它具有改进的均匀性、多种模拟状态和出色的耐久性。为了处理传感器输出，我们设计了一个存储计算模块，利用混合编码策略将高维气体响应信号压缩为紧凑的特征图，有效增强了对抗浓度变化的鲁棒性。在此基础上，我们构建了一个受生物嗅觉通路启发的卷积脉冲神经网络（CSNN），引入了双特征分类和硬件友好的训练算法。该系统在多种浓度下对四种类型的气体的识别准确率达到92.5%。重要的是，整个神经形态框架是在印刷电路板（PCB）上以硬件形式实现的，展示了一个实用、可重构且节能的下一代智能气体传感平台。

部分内容摘录

气体检测单元

系统的气体检测单元使用了由Figaro USA Inc.提供的八个导电式气体传感器，具体为金属氧化物（MOX）传感器。每个检测模块由四个商用传感器（TGS2611、TGS2612、TGS2610和TGS2602）组成，这些传感器在双加热电压下工作，以生成对不同气体刺激的多变量响应。每个传感器的响应定义为R/R₀，即气体传感器的归一化电阻变化，其中R表示电阻

梯度复合忆阻器的结构

我们之前的工作展示了通过全面表征具有优异电性能的梯度氧化钽（Gra-TaO_x）忆阻器[21]。然而，忆阻器的基本开关操作需要重复的开关循环，这会在Gra-TaO_x内部诱导可逆的氧离子迁移，可能会在长时间运行中破坏工程化的梯度结构。本工作在Gra-TaO_x中引入了ZnO_y绝缘中间层

结论

在这项研究中，我们使用一种罕见的阳极氧化技术开发了具有独特梯度结构的Gra复合忆阻器。该器件展示了显著提升的电性能，包括均匀性、多种模拟状态、脉冲响应能力、耐久性和保持性，这归因于其独特的氧空位分布。鉴于目前缺乏商业上可行的大规模忆阻器制造工艺，这一进展具有重要意义。

在

CRediT作者贡献声明

郑瑞辉：撰写——审阅与编辑、研究、形式分析、数据管理。帅斌华：撰写——审阅与编辑、可视化、方法论、形式分析。郭欣：撰写——审阅与编辑、监督、资源管理、项目管理、资金获取、形式分析、数据管理、概念化。田进：撰写——审阅与编辑、初稿撰写、可视化、验证、软件开发、资源管理、方法论、研究、形式分析

利益冲突声明

作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。

致谢

本工作得到了中国国家自然科学基金（项目编号62471190）和湖北省自然科学基金（项目编号2022CFA031）的支持。

补充信息

文档SI。注释S1-S10，图表S1-S21和表格S1-S2。

田进在华中科技大学获得了材料科学与工程的学士学位和硕士学位，目前正在南洋理工大学攻读博士学位。他的研究方向包括忆阻器件、神经形态计算和智能信号处理系统。