引言：从生物触觉到人工感知系统
人类的触觉感知系统能够通过主动或被动的触摸来评估施加在皮肤上的强度、分布、模式识别和事件。该系统依赖于事件驱动的感觉神经网络和分布式计算范式，展现出卓越的适应性、可塑性和容错性。然而，单模态触觉感知在感知物体纹理、形状和湿度等属性时提供的触觉特征有限。因此，开发具有跨模态感知能力的人工触觉感知系统，对于全面获取物体特征、推动人工智能和人机交互的发展至关重要。
非易失性存储器基于新颖的工作原理和创新结构，在触觉电子设备中取得了显著进展。其中，忆阻器因其快速存取、低功耗、配置方便和存内逻辑等优势，成为下一代非易失性存储器中最有希望的候选者之一。将忆阻器与能够感知压力和温度的传感器集成，可以模拟生物触觉感知系统。该集成系统具有类皮肤的触觉感知能力和类突触的信息处理行为，简化了传统的复杂电路设计，减少了对中央处理单元的依赖。
ACSNS的工作机制
在生物跨模态感觉神经元系统中，通过触摸施加的外部刺激会导致皮肤中的温度感受器和机械感受器产生动作电位序列，这些序列随后被传递到突触进行进一步处理。在该研究构建的ACSNS中，压力-温度双模传感器充当触觉感受器，将接收到的刺激转换为时间模式编码的信号。当这些信号被忆阻器接收时，其沟道电导率发生变化并输出突触后电流（PSC）。这一过程模拟了神经元之间突触的信号处理功能。随后，PSC通过机器学习算法进行处理以提取综合特征，从而确定具体的触觉信息。
压力-温度双模传感器的性能表征
该双模传感器以聚对苯二甲酸乙二醇酯（PET）为基底，赋予了其优异的柔韧性和机械强度。压力敏感层和温度敏感层分别制备在沉积有Au叉指电极的PET基底的相反两侧。
压力传感性能方面，传感器在低压范围（0.1–3 kPa）的灵敏度为10,420 kPa−1，在高压范围（3–49 kPa）的灵敏度高达26,407 kPa−1，远超先前报道的值。传感器表现出快速的响应时间（~3.8 ms）和恢复时间（~4.0 ms），与人类皮肤的响应相当。耐久性测试表明，传感器在超过7000次的重复加载/卸载循环后仍保持优异的可重复性。传感器还能成功监测腕部脉搏（显示击波P-wave、潮波T-wave和重搏波D-wave）以及咽喉吞咽、手腕弯曲和肘部弯曲等人体生理活动。
温度传感性能方面，传感器在25–45 °C温度范围内表现出极高的温度电阻系数（TCR），为-3.34%°C−1。当温度升高至50–90 °C时，TCR降至-0.89%°C−1。传感器对指尖触摸的响应时间为0.32秒，恢复时间为2.19秒。此外，传感器还能用于监测呼吸模式和水温检测，显示出在温度检测和应用方面的巨大潜力。
该双模传感器能够基于电阻变化将外部刺激转换为电信号，实现压力和温度刺激的同时监测和信号区分。实验证明，压力和温度刺激表现出不同的响应时间，压力对应初始电流响应，而温度对应后续的逐渐增加，这种时间特征的显著差异使得在混合刺激中能够有效区分两种信号。
HZO基互补忆阻器的突触行为
研究人员制备了HZO基互补忆阻器作为人工突触。该器件具有夹层结构的金属-绝缘体-金属（MIM）结构，以Pt为顶电极和底电极，HZO为电阻开关层。器件的电流-电压（I-V）特性显示其在正负偏压下均能实现电阻调制，表现出互补电阻开关行为。忆阻器在高阻态（HRS）和低阻态（LRS）下具有约70的开关比、稳定的耐久性（200次循环）和长的保持时间（1.2 × 104秒）。
通过原位透射电子显微镜（TEM）实验和电子能量损失谱（EELS）分析，揭示了器件的导电机理：在外加电场下，氧空位发生迁移并在HZO/Pt界面处聚集，从而调制界面势垒高度，导致器件电阻变化。
该忆阻器作为人工突触，能够实现各种基本的突触功能，包括兴奋性/抑制性突触后电流（EPSC/IPSC）、双脉冲易化/抑制（PPF/PPD）、脉冲宽度依赖性可塑性（SWDP）、脉冲间隔依赖性可塑性（SIDP）、脉冲频率依赖性可塑性（SRDP）以及脉冲时序依赖性可塑性（STDP）。这些功能模拟了生物突触的关键特性，为神经形态计算奠定了基础。
ACSNS的物体识别能力
为了验证跨模态感知能力及其在物体识别中的应用，研究人员通过将HZO基互补忆阻器与安装在机械手上的双模传感器集成，构建了ACSNS。该系统在0.32秒内获取物体表面信息，通过具有微秒级响应时间的人工突触进行处理，随后基于机器学习确定物体的形状和温度。
实验过程中，机械手连续抓取不同形状（圆柱形、球形、立方体、长方体）和不同温度（25°C和50°C）的物体。传感器将接触信息转换为电信号，随后由忆阻器处理。对忆阻器处理前后的信号质量分析表明，处理后信号的噪声和平滑度分别降低了58.06%和81.17%，偏度降低了36.2%，表明信号变得更平滑、噪声更少、不对称性降低且稳定性增强。
将忆阻器处理后的多模态数据输入随机森林（Random Forest）模型进行物体识别。通过tsfresh库提取了794个特征，并采用主成分分析（PCA）进行降维。结果显示，该系统对物体形状和温度的识别准确率高达96.67%，显著高于忆阻器处理前的准确率。这表明ACSNS能够在器件层面实现物体分类，无需复杂的算法或大量计算资源。
结论与展望
该研究通过将压力-温度双模传感器与HZO基互补忆阻器相结合，成功开发了一种ACSNS，实现了高精度的物体识别。双模传感器表现出优异的性能，忆阻器则成功模拟了多种生物突触功能。集成系统在机器学习辅助下，对物体识别达到了高准确率。这项研究展示了该集成系统在感觉机器人、电子皮肤和人工智能领域的潜在应用前景。
