研究背景

人工智能（AI）、大數(shù)據(jù)、云計(jì)算、5G/6G通信及數(shù)字健康等信息技術(shù)的持續(xù)革新，正通過(guò)徹底重塑人類(lèi)與物理世界的交互范式，推動(dòng)生活向更互聯(lián)、更智能的方向演進(jìn)。柔性傳感領(lǐng)域作為這些變革性技術(shù)的交匯點(diǎn)，借助各類(lèi)柔性傳感器實(shí)現(xiàn)了數(shù)字信號(hào)與物理空間的無(wú)縫融合。這類(lèi)傳感器普遍具備貼合非規(guī)則表面的適應(yīng)性、抗機(jī)械形變的耐用性以及對(duì)外界刺激的高敏感性。當(dāng)前，柔性器件的發(fā)展呈現(xiàn)兩大核心趨勢(shì)：其一，正從單一數(shù)據(jù)采集向智能系統(tǒng)轉(zhuǎn)型，推動(dòng)柔性傳感器從功能元件升級(jí)為具備環(huán)境感知-信息解析能力的智能單元；其二，大數(shù)據(jù)與云計(jì)算技術(shù)催生的數(shù)據(jù)量指數(shù)級(jí)增長(zhǎng)，伴隨數(shù)據(jù)維度的多元化與復(fù)雜化，催生出對(duì)高效處理多維海量數(shù)據(jù)的迫切需求。這兩大趨勢(shì)為搭載先進(jìn)算法與硬件架構(gòu)的智能設(shè)備創(chuàng)造了發(fā)展契機(jī)，進(jìn)而推動(dòng)自適應(yīng)人工智能技術(shù)的迭代——以類(lèi)腦算法（機(jī)器學(xué)習(xí)）與人工突觸計(jì)算框架為代表的AI技術(shù)革新，正持續(xù)夯實(shí)智能柔性傳感系統(tǒng)的實(shí)現(xiàn)基礎(chǔ)。

綜述要點(diǎn)

1. 從算法(機(jī)器學(xué)習(xí))和框架(人工突觸)兩個(gè)層面回顧了由大腦啟發(fā)的人工智能(AI)驅(qū)動(dòng)的新興智能柔性傳感系統(tǒng)的最新進(jìn)展。

2. 討論了人工智能技術(shù)與柔性傳感器融合后產(chǎn)生的強(qiáng)大數(shù)據(jù)分析和智能決策等新功能。

3. 展示了人工智能驅(qū)動(dòng)的智能柔性傳感系統(tǒng)的廣闊應(yīng)用前景。

圖文導(dǎo)讀

1. 人工智能技術(shù)的基本概念

1.1 機(jī)器學(xué)習(xí)算法的基本原理

機(jī)器學(xué)習(xí)能夠自動(dòng)構(gòu)建非線性的輸入 - 輸出映射關(guān)系，無(wú)需依賴復(fù)雜的物理或數(shù)學(xué)建模。其核心理念是借助海量原始數(shù)據(jù)集對(duì)代用模型進(jìn)行訓(xùn)練，模型訓(xùn)練完成后，可在屬性預(yù)測(cè)、圖像識(shí)別、物體檢測(cè)等目標(biāo)應(yīng)用中，以較高的計(jì)算效率和精度實(shí)現(xiàn)功能。應(yīng)用于柔性傳感器系統(tǒng)的機(jī)器學(xué)習(xí)算法，主要涵蓋傳統(tǒng)機(jī)器學(xué)習(xí)算法（例如支持向量機(jī) (SVM)、人工神經(jīng)網(wǎng)絡(luò) (ANN)）和深度學(xué)習(xí) (DL) 算法（例如卷積神經(jīng)網(wǎng)絡(luò) (CNN)、遞歸神經(jīng)網(wǎng)絡(luò) (RNN)）。

圖1. 各種機(jī)器學(xué)習(xí)算法的基本概念。(a) 用于二元分類(lèi)的SVM模型示意；(b) ANN模型結(jié)構(gòu)；(c) CNN模型結(jié)構(gòu)；(d) RNN模型結(jié)構(gòu)。

1.2 大腦啟發(fā)的突觸器件

隨著人工智能與大數(shù)據(jù)技術(shù)的蓬勃發(fā)展，低能耗、高效率、高自適應(yīng)計(jì)算的需求日益迫切。新興的神經(jīng)形態(tài)電子系統(tǒng)通過(guò)模仿腦神經(jīng)系統(tǒng)功能，能夠高效處理海量復(fù)雜信息，有望突破傳統(tǒng)馮·諾依曼計(jì)算機(jī)體系結(jié)構(gòu)的高能耗、低計(jì)算效率瓶頸，為類(lèi)腦智能的實(shí)現(xiàn)開(kāi)辟新路徑。生物突觸作為神經(jīng)系統(tǒng)的關(guān)鍵結(jié)構(gòu)，不僅賦予神經(jīng)元通信能力，還能同步執(zhí)行計(jì)算與記憶功能。為模擬這種突觸特性，研究人員借助兩端（2T）憶阻器與三端（3T）晶體管的模擬特性和滯后效應(yīng)，構(gòu)建仿生突觸元件。近期，基于2T記憶晶體管與3T晶體管不同工作機(jī)制的人工突觸技術(shù)，已成為該領(lǐng)域的研究熱點(diǎn)。

圖2. 生物突觸和人工突觸(不同工作機(jī)制：2T憶阻器和3T晶體管)示意圖。(a) 生物突觸；(b-e) 2T憶阻器(b 離子遷移、c 鐵電機(jī)制、d 相變、e 氧化還原反應(yīng))；(f-g) 3T晶體管(f 載流子捕獲/釋放、g 離子通道門(mén)控、h 鐵電極化)。

2. 人工智能驅(qū)動(dòng)的智能柔性傳感

2.1 常見(jiàn)的柔性傳感器類(lèi)型

從類(lèi)型和功能角度劃分，柔性傳感器主要包含三大類(lèi)別，分別是柔性電機(jī)械傳感器、柔性光電傳感器以及柔性化學(xué)傳感器。

圖3. 柔性傳感器的常見(jiàn)類(lèi)型。(a-c) 柔性電機(jī)械傳感器(a 柔性應(yīng)變傳感、b 柔性壓力傳感器、c 柔性振動(dòng)傳感器)；(d-f) 柔性光電傳感器(d, e 紫外-可見(jiàn)光傳感器、f 紅外傳感器)；(g, h) 柔性化學(xué)傳感器(g 氣體傳感器、h 離子傳感器)。

2.2 機(jī)器學(xué)習(xí)驅(qū)動(dòng)的智能柔性傳感器

隨著柔性傳感器數(shù)量與數(shù)據(jù)量的持續(xù)增長(zhǎng)，傳感信息的處理分析面臨日益復(fù)雜的挑戰(zhàn)。鑒于機(jī)器學(xué)習(xí)在大規(guī)模數(shù)據(jù)處理、強(qiáng)自適應(yīng)能力、高效率及自動(dòng)化智能化等方面的顯著優(yōu)勢(shì)，其在近年深度融入柔性電子領(lǐng)域，成為解析多類(lèi)型傳感器數(shù)據(jù)的核心工具，推動(dòng)柔性系統(tǒng)向更智能互聯(lián)的方向發(fā)展。具體而言，機(jī)器學(xué)習(xí)主要在三大維度發(fā)揮關(guān)鍵作用：傳感數(shù)據(jù)的分析與語(yǔ)義解釋、多模態(tài)信息的后處理與耦合解耦，以及智能環(huán)境下的動(dòng)態(tài)傳感與感知決策。

圖4. 機(jī)器學(xué)習(xí)算法在不同的柔性電子應(yīng)用中實(shí)現(xiàn)傳感數(shù)據(jù)分析與解釋。

圖5. 機(jī)器學(xué)習(xí)算法幫助柔性電子器件實(shí)現(xiàn)(a, b) 多模態(tài)信息的后處理和解耦，(c, d) 不同場(chǎng)景下的智能環(huán)境傳感和感知。

2.3 人工突觸驅(qū)動(dòng)的智能柔性傳感器

在人類(lèi)的感覺(jué)器官中，各類(lèi)感受器能夠檢測(cè)并轉(zhuǎn)換來(lái)自周遭環(huán)境的不同刺激信號(hào)，繼而將可解讀的感覺(jué)信息傳送至大腦進(jìn)行認(rèn)知處理，最終實(shí)現(xiàn)社交活動(dòng)。這一生理過(guò)程依賴生物感覺(jué)器官與生物突觸的協(xié)同作用。在此基礎(chǔ)上，形成了人類(lèi)感知外部世界的視覺(jué)、聽(tīng)覺(jué)、嗅覺(jué)、味覺(jué)和觸覺(jué)五大感知系統(tǒng)。隨著人工智能技術(shù)的迅猛發(fā)展，人們逐漸需要能夠模仿生物感覺(jué)器官的智能柔性傳感系統(tǒng)，以動(dòng)態(tài)捕捉表征真實(shí)世界的海量物理信息。

隨著信息數(shù)據(jù)的爆發(fā)式增長(zhǎng)，基于傳統(tǒng)馮·諾依曼架構(gòu)的信號(hào)處理與數(shù)據(jù)分析算法在速度和效率上已難以滿足日益增長(zhǎng)的需求，這推動(dòng)了類(lèi)腦突觸器件的快速發(fā)展。人工突觸通過(guò)模仿生物突觸結(jié)構(gòu)開(kāi)發(fā)而來(lái)，能夠以類(lèi)似生物神經(jīng)網(wǎng)絡(luò)響應(yīng)神經(jīng)信號(hào)的方式傳輸和處理感官信息。因此，將人工突觸與柔性傳感元件相結(jié)合，可在多個(gè)時(shí)空尺度上實(shí)現(xiàn)高速、高效、低能耗的并行信息處理，這將助力觸覺(jué)、視覺(jué)、聽(tīng)覺(jué)、嗅覺(jué)和味覺(jué)等智能柔性感知系統(tǒng)的設(shè)計(jì)。

圖6. 基于人工突觸驅(qū)動(dòng)智能柔性傳感器的各種人工感知系統(tǒng)。(a) 觸覺(jué)感知系統(tǒng)；(b) 聽(tīng)覺(jué)感知系統(tǒng)；(c) 視覺(jué)感知系統(tǒng)；(d) 嗅覺(jué)感知系統(tǒng)；(e) 味覺(jué)感知系統(tǒng)；(f) 多模態(tài)感知系統(tǒng)。

2.4 柔性傳感器與機(jī)器學(xué)習(xí)和人工突觸的融合

除了單純由機(jī)器學(xué)習(xí)或人工突觸驅(qū)動(dòng)的智能柔性傳感器外，將柔性傳感技術(shù)與機(jī)器學(xué)習(xí)、人工突觸深度融合，有望催生更復(fù)雜的智能可穿戴應(yīng)用——這類(lèi)系統(tǒng)可集成識(shí)別、傳感、記憶、計(jì)算及反饋等多元功能于一體。

3. 人工智能驅(qū)動(dòng)的智能柔性傳感系統(tǒng)應(yīng)用前景

3.1 更智能的人類(lèi)活動(dòng)監(jiān)測(cè)

在人工智能與大數(shù)據(jù)蓬勃發(fā)展的時(shí)代，基于柔性電子器件構(gòu)建的智能傳感系統(tǒng)正展現(xiàn)出強(qiáng)大生命力，這類(lèi)系統(tǒng)具備智能感知、自主決策與自適應(yīng)能力，在人類(lèi)活動(dòng)與服務(wù)領(lǐng)域扮演著不可或缺的角色。這些器件能夠提供更自然直觀的人機(jī)交互方式、個(gè)性化定制服務(wù)，實(shí)現(xiàn)與智能環(huán)境的高效互動(dòng)，并強(qiáng)化虛擬現(xiàn)實(shí)的沉浸體驗(yàn)。

圖7. 人工智能驅(qū)動(dòng)的智能柔性傳感系統(tǒng)，更智能的人類(lèi)活動(dòng)監(jiān)測(cè)。

3.2 更具人性化感受的人工感知器官

如今，借助人工突觸驅(qū)動(dòng)的智能柔性傳感器所開(kāi)發(fā)的五種更貼合人類(lèi)感知特性的人工感知系統(tǒng)，正逐漸成為人類(lèi)生活中無(wú)法替代的重要組成部分。

圖8. 人工智能驅(qū)動(dòng)的智能柔性傳感系統(tǒng)，更具人性化感受的人工感知器官。

3.3 更自主行動(dòng)的軟體和人形機(jī)器人

軟體機(jī)器人憑借出色的靈活性與形態(tài)可變性，能夠?qū)崿F(xiàn)舒適的物理接觸操作，故而在抓取、制造、操控、運(yùn)動(dòng)及人機(jī)交互等諸多動(dòng)態(tài)非平面場(chǎng)景中得到廣泛應(yīng)用。當(dāng)人工感知系統(tǒng)與軟體機(jī)器人相結(jié)合時(shí)，可賦予機(jī)器人類(lèi)人化的感知與交互能力，進(jìn)而提升其環(huán)境適應(yīng)性、動(dòng)作靈活性與操作安全性，使其能更精準(zhǔn)地理解并適應(yīng)周邊環(huán)境。

總結(jié)與展望

在過(guò)去數(shù)年中，人工智能與智能柔性傳感器系統(tǒng)的融合已取得顯著突破，本綜述聚焦這一領(lǐng)域的最新研究進(jìn)展。機(jī)器學(xué)習(xí)憑借高效信息處理與高質(zhì)量特征識(shí)別能力，在大規(guī)模傳感數(shù)據(jù)分析、語(yǔ)義解釋及模式判定中展現(xiàn)獨(dú)特優(yōu)勢(shì)：其一，其多模態(tài)信息解耦能力可助力解析復(fù)雜環(huán)境下的綜合傳感數(shù)據(jù)；其二，人工突觸模擬人腦工作機(jī)制，具備低功耗、高并行計(jì)算與實(shí)時(shí)處理特性，有望成為超越傳統(tǒng)馮·諾依曼架構(gòu)的下一代計(jì)算核心。這種神經(jīng)形態(tài)框架正推動(dòng)各類(lèi)智能人工感知系統(tǒng)的設(shè)計(jì)創(chuàng)新。  

值得關(guān)注的是，機(jī)器學(xué)習(xí)與人工突觸的深度融合正促使傳統(tǒng)柔性傳感器向“智能傳感系統(tǒng)”進(jìn)化——這類(lèi)系統(tǒng)不僅能采集環(huán)境信息，更能通過(guò)智能分析與解釋實(shí)現(xiàn)“自我感知”，這對(duì)智能軟體機(jī)器人、電子皮膚、人機(jī)交互界面等應(yīng)用至關(guān)重要。  

機(jī)器學(xué)習(xí)集成面臨的挑戰(zhàn)：  

1. 多數(shù)柔性電子應(yīng)用中，實(shí)驗(yàn)數(shù)據(jù)的高質(zhì)量采集仍耗時(shí)且頗具挑戰(zhàn)性，亟需開(kāi)發(fā)先進(jìn)算法以降低模型訓(xùn)練對(duì)數(shù)據(jù)量的依賴。  

2. 柔性器件在動(dòng)態(tài)或惡劣場(chǎng)景中服役時(shí)，材料物理/化學(xué)特性會(huì)逐漸改變，訓(xùn)練好的模型能否適應(yīng)這種性能漂移仍是未知數(shù)。  

3. 受材料屬性與制造工藝波動(dòng)影響，單一柔性器件上訓(xùn)練的機(jī)器學(xué)習(xí)模型難以直接遷移至同類(lèi)設(shè)備。  

4. 柔性器件計(jì)算能力遠(yuǎn)低于傳統(tǒng)計(jì)算機(jī)，實(shí)現(xiàn)模型的實(shí)時(shí)更新仍存在技術(shù)鴻溝。  

人工突觸與柔性傳感融合的挑戰(zhàn)：  

1. 現(xiàn)有突觸-柔性器件在扭曲、拉伸等極端條件下的突觸行為穩(wěn)定性與性能耐久性有待提升。  

2. 柔性傳感器與突觸元件的材料界面兼容性及信號(hào)通信機(jī)制仍需突破。  

3. 智能柔性傳感系統(tǒng)的構(gòu)建依賴柔性傳感器、機(jī)器學(xué)習(xí)算法與人工突觸的協(xié)同進(jìn)化，需從架構(gòu)層面實(shí)現(xiàn)跨領(lǐng)域整合。  

Artificial Intelligence Meets Flexible Sensors: Emerging Smart Flexible Sensing Systems Driven by Machine Learning and Artificial Synapses

https://doi.org/10.1007/s40820-023-01235-x