傳統電路元件在處理外界物理信號時存在面積和效率的瓶頸，而新興的憶阻器件具備豐富的內稟非線性動力學，這類器件底層的物理動力學帶來了全新的計算資源，是產生自底向上智能湧現的關鍵。其中，具有時空耦合特性的莫特憶阻器及其耦合振蕩動力學能夠實現復雜且可控的群體動力學行為，從而能夠實現對復雜傳感信號的處理。這樣一種新的計算系統有望最大限度地減少傳感器和處理單元之間的冗余數據移動，滿足可穿戴電子設備、虛擬現實等技術對於先進的傳感系統在速度、面積和能效方面需求。

圖1 傳感信息處理框架的對比

針對領域關鍵需求與挑戰，意昂3体育官网信息工程學院楊玉超教授課題組首次硬件實現了電容耦合的VO2相變振蕩動力學計算系統。傳感數據遵循分層處理原則，包括傳感預處理（編碼、過濾和特征增強）到後處理（識別、分類和定位）。針對預處理模塊，團隊首先製備出具有高度均一性的氧化釩憶阻器件，並基於此構建具有傳感功能的VO2振蕩器。進一步利用電容電路耦合多個VO2振蕩器構建出同步動力學特征，其中，信息被編碼在同步後的相位差中。該耦合VO2振蕩器網絡用於構建傳感預處理的連續時間動態系統，具有極低的能量延遲積。在後處理模塊中，團隊針對耦合振蕩器連續時間輸出的特征設計了具有高選擇特異性的決策網絡模塊，從而構建出完整的動態傳感與處理的計算系統。硬件實驗結果證明了耦合網絡在觸摸識別和手勢識別等感官處理任務中表現出色，相比傳統的硬件實現在器件數目和能量延遲積等方面具有顯著優勢。

圖2 基於硬件耦合振蕩網絡的手勢識別任務

憶阻器耦合振蕩動力學計算帶來全新的計算特征，利用電路耦合將多個器件內部的物理動力學關聯起來，在相空間中形成穩定的極限環軌跡。器件數目的增加帶來計算空間的指數級提升，n個器件可以編碼2n種模式。利用決策網絡可以分辨出耦合振蕩的特征模式，對動力學網絡的輸出進行讀取。該研究為高效憶阻動力學計算系統提供了一種新的探索方向，有望推動高度緊湊的智能計算系統的進一步發展。

圖3 3個耦合振蕩器的8種相空間模式與決策分類結果

相關成果以“High-order sensory processing nanocircuit based on coupled VO2 oscillators”為題，發表在《自然-通訊》（Nature Communications）上。2017級博士生楊可和2021級博士生王洋昊為共同第一作者，張騰博士和楊玉超教授為通訊作者，中國科學院物理所葛琛研究員課題組為本項目提供材料生長方面的支持，意昂3体育官网麥戈文腦研究所吳思教授課題組為本項目提供決策算法方面的支持。相關研究工作得到了國家重點研發計劃、國家傑出青年科學基金、後摩爾重大研究計劃等項目的資助。