《Small》：Self-Powered Neuromorphic Touch Sensors Based on Triboelectric Devices: Current Approaches and Open Challenges
编辑推荐：
本综述系统探讨了摩擦电纳米发电机（TENG）与神经形态器件（如忆阻器、突触晶体管）的集成策略，用于构建自供能、可感知-处理信息的仿生触觉系统。文章详细梳理了位移驱动与脉冲驱动两种主要工作模式，以及实现短期/长期可塑性（STP/LTP）、记忆和存内计算等神经形态功能的不同架构（异位、离散电路、直接门控、单片集成）。重点分析了信号产生与转导机制、性能与能效提升策略，并为开发可持续、低功耗、多功能的神经形态触觉系统指明了关键挑战与未来方向。
引言
先进的神经形态系统通过模仿人类感官和神经系统，为智能机器人和人机接口实现人工感知。在多种感知模式中，触觉感知对于复制人体体感和运动功能至关重要，并在恢复受损触觉能力方面具有巨大潜力。人工神经形态传感器能够直接感知、存储和处理各种刺激信息，并实现感知、学习和记忆等计算功能。然而，要实现计算能效，需要新型神经形态系统能够收集环境能量以实现自供能传感和实时边缘数据处理。本文聚焦于基于摩擦电纳米发电机（TENG）的触觉自供能传感器与神经形态器件的集成。
生物与人工体感系统
2.1 生物机械感受器与触觉编码
人类光滑皮肤中存在四种主要类型的低阈值机械感受器，分别编码触觉刺激的不同方面。Merkel细胞-神经突复合体（SA-I）是缓慢适应（SA）感受器，对静态压力和边缘高度敏感；Ruffini末梢（SA-II）响应皮肤拉伸；Meissner小体（FA-I）响应低频振动和动态皮肤变形；Pacinian小体（FA-II）则对高频振动极其敏感。这些编码策略对仿生触觉系统提出了高灵敏度、宽动态范围、可调适应时间、高空间分辨率以及将机械输入转换为事件驱动电信号的能力要求。
2.2 传入神经元、突触与神经编码
机械刺激在机械感受器层面被编码后，产生的脉冲序列通过传入神经元和突触连接传输到高级处理中心。生物体的感觉系统在执行边缘神经形态感知方面高度高效。突触可塑性，即突触权重基于特定活动模式发生变化，对于模拟人类学习、记忆、遗忘和感知信息处理等认知功能至关重要。人工器件的突触可塑性基于电导或电容的调制，可分为短期可塑性（STP）和长期可塑性（LTP）。STP表现为配对脉冲促进（PPF）或配对脉冲抑制（PPD），而LTP则与学习-遗忘-再学习功能更密切相关，可通过脉冲时序依赖可塑性（STDP）等机制实现。
2.3 用于边缘计算的人工神经形态触觉系统
真正类人的神经形态触觉感知必须考虑机械感受器及其相关传入神经元共同执行的局部整合计算功能。人工神经形态系统应在设备级、网络级和系统级模拟神经元活动。将传感、处理和记忆功能在边缘集成，可以通过最小化数据传输需求、减少中心节点的硬件占用、通过本地计算提高响应速度以及降低远距离数据传输的能量损失，大大提高系统效率。
TE传感器作为仿生机械感受器
在人工机械感受器中，摩擦电传感器（TE-sensors）天然模拟快速适应（FA）行为，其输出由与接触-分离事件或动态变形相关的瞬态摩擦电势峰值主导，使其非常适合编码动态触摸、振动和滑移。模仿慢适应（SA）响应则需要策略来在静态负载下维持稳定输出。摩擦电触觉感受器特有的挑战包括表面电荷密度对环境条件（如湿度、温度）的依赖性、施加力与摩擦电势在宽力范围内的非线性关系，以及摩擦电极极化的单极性性质。然而，TE传感器提供自供电和事件驱动的响应，兼容多种柔性和生物相容性材料，可扩展至大面积阵列，并能在单个输出波形中编码关于力幅度、频率和接触模式的丰富信息。
最常见的TENG基于接触-分离模式下的双电极配置。其机械-电能转换机制依赖于两种材料摩擦时发生的自然摩擦起电现象。摩擦电传感器的事件驱动响应非常适合与基于机器学习（ML）或人工/脉冲神经网络（ANN/SNN）的神经形态计算接口。
神经形态器件
神经形态器件可分为两端子（如忆阻器）和三端子（如神经形态晶体管）器件。两端子器件如忆阻器，基于金属-绝缘体-金属结构，其电导可通过电输入刺激触发可逆的化学或物理过程（如导电细丝的形成/断裂、相变、铁电极化）来切换，通常具有双稳态特性，确保非易失性信息存储，但限制了可通过电压写入访问的位数。三端子器件，如突触晶体管，利用栅极和半导体分别模拟突触前和突触后膜，通过控制栅极偏压来调制沟道电导，在状态调谐方面提供更大的灵活性，支持多比特数据存储，但通常需要持续供电以维持选定的电导状态。
突触摩擦电晶体管将摩擦电势脉冲快速有效地转换为类脑脉冲神经形态信号输出，实现传感与神经形态硬件的集成。摩擦电子学这一新兴领域探索利用摩擦电势控制晶体管栅压，实现摩擦晶体管。根据介电层和半导体材料的不同，三端子神经形态器件（如EDLT、ECT、FGT、FeFET）在与摩擦电门控配合工作时提供互补的权衡。
神经形态触觉架构与操作模式
5.1 位移驱动神经形态TE传感器
在位移驱动模式下，两个摩擦材料以步进方式分离，产生离散的V_TE变化。这种步进摩擦电势被施加到晶体管的栅极，其转移特性可以用时间或位移距离轴代替栅压轴来表示。这种模式主要用于机械编程存内逻辑操作和多比特神经形态计算。
5.2 脉冲驱动神经形态TE传感器
在脉冲驱动模式下，每次机械相互作用（如触摸或释放）产生一个瞬态摩擦电势脉冲。这种模式更适用于将事件驱动的摩擦电势脉冲转换为突触后电流峰值，其时间和幅度特征类似于真实触觉。根据摩擦电势在传递给神经形态单元之前是否进行调节，存在不同的集成配置：a- 摩擦电势通过离散电路组件（如整流桥）传递；b- 异位布线直接连接到突触或存储器件；c- 通过垂直摩擦晶体管直接门控；d- 扩展栅配置中的单片集成。
脉冲驱动神经形态TE传感器的能量消耗（E）由峰值沟道电流、漏源电压和突触前脉冲持续时间决定。降低工作电压和电流，并提供快速脉冲是降低能耗的关键。集成TE传感器与基于二维材料的高迁移率晶体管可实现低至飞焦耳每脉冲的能耗。
6 模仿复杂生物功能
6.1 记忆功能与集成神经元
与忆阻器件相比，基于神经形态晶体管的突触器件在信息过滤和“可靠编码”方面存在局限。具有内部阈值开关的器件（如忆阻器）可能克服信息冗余和与数据存储相关的能耗问题。忆阻器更倾向于集成在不需要检索连续刺激信息的应用中。实现逻辑存内计算等功能需要有效利用摩擦电势脉冲的正负极性来控制神经形态器件中的编程和擦除操作。通过整流桥等离散电路组件对TE传感器的交流信号进行整流，可以将其转换为单极性电压峰值，从而控制传递到忆阻器或晶体管栅极的摩擦电势的极性。
6.2 多模态传感：机械-光子混合系统
将不同的外部刺激相结合可用于触发不同的神经形态功能。将TE传感器触觉信息与携带视觉信息的光信号相融合，可以实现更高的识别精度和出色的环境适应性感知行为。例如，机械-光子人工记忆能够实现多比特非易失性存储。通过将TE传感器与量子点浮栅有机光突触晶体管相结合的人工多感觉神经系统，展示了响应光学和触觉刺激的突触可塑性，模拟了生物整合系统的关键特征，如时间一致性和逆有效性效应。这种多感官能力使得在手写数字识别方面达到了约87%的准确率，并展示了环境适应性感知行为。
7 开放挑战与未来展望
7.1 稳定性、灵敏度和环境鲁棒性
限制长期稳定性的一个关键因素是吸附水层对摩擦电表面电荷的屏蔽。在潮湿条件下，水分子吸附在摩擦材料上，其偶极子会重新取向，部分屏蔽表面电势。封装和使用疏水/氟化聚合物、纳米/微米纹理表面或钝化层等非密封策略可以有效抑制湿度引起的信号衰减。虽然TE传感器在低力范围内表现出高灵敏度，但在较高压力下其灵敏度显著降低。通过使用多层多孔摩擦材料来扩大动态范围，以及采用石墨烯、MoS2、WSe2等新兴材料，有望在未来实现改进。
7.2 集成与小型化
尽管双电极配置确保了更高的灵敏度和稳定性，但为了实现更易于集成到实际应用中，单电极配置的TE传感器更受欢迎。实现完全集成并最小化TE神经形态传感器的架构复杂性，需要开发单片集成策略。位移驱动模式下的设备通常在非常小的位移下实现强大的突触行为，这与再现真实人体触摸相去甚远。这使得事件驱动的神经形态TE传感器更倾向于模拟触觉。另一个重要问题是在传感器有源区按比例缩小时最大化机械能量转换效率。
7.3 性能可变性与缺乏标准化
TE神经形态传感器这一新兴领域还需要面对TENG领域在性能对材料类型和施加力范围的依赖性以及材料、机电测试系统和电性能标准化协议缺乏方面的若干限制。这可能导致结果不一致和难以比较不同研究的发现。克服这些问题需要建立标准测试程序、采用统一的品质因数以及将器件级电输出与系统级性能指标关联起来。
7.4 仿生设计与算法-硬件协同设计
能够无缝集成SA和FA功能同时最小化能量成本的混合系统是推进人类集成下一步的关键。此外，模仿生物系统并响应环境刺激的适应性和可拉伸结构可以进一步提高TE传感器功能。 beyond硬件之外，将机器学习和神经网络算法与基于TENG的突触器件集成至关重要。当前的模型并未针对自供电TENG系统的独特接口进行优化，需要定制算法开发。
7.5 系统级集成与能效
系统级集成至关重要。虽然许多研究集中在单个器件上，但实现功能完整的人工神经网络需要TENG和神经形态元件在硬件层面的协调集成。这包括设计可扩展的阵列并确保TENG能够有效地为多个互连的突触单元供电并对其进行调制。下一代神经形态系统应遵守与新技术要求相一致的特定性能指标。
7.6 多模态传感与仿生功能集成
当前的人工传感器通常在效率、集成密度和多功能性方面与其生物对应物相比有所欠缺。未来的发展应侧重于通过模拟整个体感机械感受器和传入神经的感觉和记忆功能来推进多模态传感能力。目标包括实现高灵敏度、实时感知和多种模态的无缝集成。将TE传感器的功能扩展到压力检测之外，朝向多模态机械传感，对于提高人工触觉的真实感和多功能性至关重要。
