【引言】
气体检测在安全保障、医疗诊断、食品评估、工业与环境监测等场景具有广泛需求，人工嗅觉系统是实现复杂环境中气体检测与识别的核心技术，是当今具身智能的重要组成部分。然而，随着人工嗅觉系统向微型化、大规模化、智能化方向发展，传统的冯·诺依曼架构由于传感和处理单元的物理分离，不可避免地带来了数据传输瓶颈，导致高延迟和高功耗，严重限制了其在实时边缘计算中的应用。动物嗅觉系统拥有强大的感知能力，能够在一百毫秒以内实现成千上万种气体的识别与检测，其神经形态架构对人工嗅觉系统的设计和发展提供了重要的参考价值。
【成果简介】
近日，电子科技大学蒋亚东团队太惠玲教授和袁震副教授，从计算架构的角度出发，全面总结了人工嗅觉系统的最新研究进展，系统梳理了从传统的冯·诺依曼架构到高度集成的神经形态架构的演进轨迹。该综述系统地将人工嗅觉系统分为三类：冯·诺依曼架构嗅觉系统、感存集成架构嗅觉系统，以及感算一体神经形态嗅觉系统。文章不仅深入探讨了各类系统的工作机制和先进特性，还对如何克服系统性瓶颈提出了前瞻性的展望和战略路线图。该成果以题为“Progress of Artificial Olfactory Systems in Computing Architectures: From Von Neumann to Neuromorphic Computing”发表于Advanced Functional Materials（DOI: 10.1002/adfm.78883）。本文第一作者为电子科技大学赵理江，电子科技大学为第一完成单位。
【图文导读】
1. 人工嗅觉系统计算架构的演进与范式转变
文章首先回顾了人工嗅觉系统的发展历程，指出其发展经历了器件级传感器技术的突破和系统级计算架构的演进。从早期的金属氧化物半导体（MOS）气体传感器到如今的二维材料和神经形态计算，人工嗅觉系统的计算架构经历了从冯·诺依曼架构到传感-存储集成，再到邻感算（Near-sensor computing）和感内算（In-sensor computing）的四个阶段。
2. 核心进展：从传统架构到神经形态的跨越
冯·诺依曼架构下的硬件与算法协同优化：传统的人工嗅觉系统在分离的传感与处理单元下运行，面临着高维噪声和环境干扰的挑战。为了提升系统的精度和鲁棒性，研究人员在前端器件设计和后端算法优化上分别取得了突破。在器件方面，从传统的MOS传感器向室温工作的有机材料、具有极高表面积的二维材料发展，并通过构建高度周期性的纳米结构或3D集成技术，极大地提高了阵列的密度和特征多样性。在后端算法方面，特征提取不仅局限于稳态特征，更引入了如梅尔频率倒谱系数、小波包变换等动态频域分析技术，结合深度神经网络和领域自适应等抗漂移策略，实现了对复杂挥发性有机化合物（VOCs）混合物大于99%的高精度分类和浓度定量预测。
感知与记忆的底层融合—突触可塑性模拟：尽管冯·诺依曼架构下的人工嗅觉显示出了良好的功能，但其高功耗、高算力需求限制了其边缘部署可行性，同时阵列规模、算法复杂度限制了浓度输出频率和效率。作为迈向神经形态计算的桥梁，集成感知与记忆功能的人工嗅觉系统应运而生。这类系统直接在器件层面模拟生物神经网络的突触可塑性。例如，利用有机电化学晶体管（OECTs）或离子凝胶门控的突触晶体管，通过目标气体（如H2S、NH3等）、电脉冲或光脉冲的刺激，动态调节器件内部的离子迁徙或氧空位分布，从而实现短程记忆（STM）向长程记忆（LTM）的转变，以及长程增强（LTP）与长程抑制（LTD）的动态可逆调节。这种感知与存储的初步融合赋予了传感器对历史气体暴露序列的学习和记忆能力，为构建低能耗、自适应的下一代智能嗅觉硬件奠定了基础。
感算一体化神经形态架构：针对“一直在线”的边缘智能需求，人工嗅觉系统的形态演进指向了基于事件驱动的神经形态架构。文章详细剖析了邻感算（Near-sensor computing）和感内算（In-sensor computing）两条前沿路线。邻感算利用非易失性存储器（如3D V-NAND、AND型闪存）或忆阻器阵列组成的存算一体化（IMC）模块，在紧邻传感器的位置执行高效的模拟信号处理（如FFT）和尖峰神经网络（SNN）运算，将特征提取前置，大幅减少了数据搬运。而更紧凑的感内算则直接将计算功能嵌入传感器件内部，例如利用有机场效应晶体管（OFET）或二维材料异质结的内在非线性动力学构建“物理储池（Reservoir computing）”，或开发集气敏感知、脉冲编码与自适应可塑性于单一架构中的神经形态突触器件。这类系统打破了传统冯诺依曼架构中传感与计算的物理壁垒，在实现复杂混合气体识别的同时，有望将能耗降至fJ（飞焦）乃至aJ（阿焦）级别。
【小结与展望】
该综述提出，人工嗅觉系统的发展并非是对冯·诺依曼架构的简单替代，而是针对不同应用场景计算的范式扩展。尽管现在传统的冯·诺依曼系统在复杂模式识别和高精度定量分析方面仍占据主导地位，但感算一体集成系统和神经形态架构则以其超低的能耗和极低的延迟，为“始终在线”的边缘智能感知提供了新的解决方案。未来人工嗅觉系统的发展方向将是多尺度异构集成，将仿生或神经形态前端与硅基核心协同，以实现稳健的自主嗅觉智能。同时，在材料稳定性、硬件-算法协同设计、系统级低功耗集成以及气味数字标准化等方面仍面临重大挑战，亟需多学科交叉融合来共同攻克。
文献链接：https://advanced.onlinelibrary.wiley.com/doi/10.1002/adfm.78883
通讯作者简介：
太惠玲，电子科技大学光电科学与工程学院教授/博导，主要从事光电探测与传感集成技术教学和科研工作。先后主持国家重大专项子课题、国家自然科学基金等项目20余项，获部省级科技奖励8项（一等奖4项）；以第一/通讯作者在Nature Communications、Advanced Functional Materials等期刊发表SCI论文150篇， ESI高被引论文46篇；获国家自然科学基金青年基金（A类），四川省学术和技术带头人，入选教育部“新世纪优秀人才支持计划”和四川省“天府万人计划”； 第二十届中国青年女科学家奖、四川省杰出青年科技创新奖获得者。现任光电探测与传感集成技术教育部重点实验室副主任，兼任中国仪器仪表学会传感器分会常务理事和中国电子学会气湿敏技术专委会副主任委员等。
袁震，电子科技大学光电科学与工程学院副教授。主要从事微纳传感器件与智能嗅觉研究，主持国家自然科学基金面上项目等国家级、省部级、横向项目等十余项。以一作/通讯在 Advanced Materials、Advanced Functional Materials、ACS Sensors等一区TOP期刊发表论文30余篇，ESI高被引论文10余篇。获部省级科技奖励3项（一等奖2项），获王大珩光学奖、TCL青年学者、IAAM科学家奖章。
