中石油，第一单位发Nature系列综述！

中石油第一单位！类脑嗅觉感知芯片！

在物联网与人工智能迅速演进的当下，传统化学气体传感—云端/集中式计算的范式在灵敏度、选择性、可靠性与能效上难以逼近生物嗅觉系统。人类鼻腔拥有海量嗅觉受体，信息经嗅球与皮层逐级编码，在极低功耗下完成由“感知”到“认知”的跃迁；而传统电子鼻依赖集中处理架构，与生物的分布式、事件驱动处理相悖。面向复杂、动态且高维的气味世界，研究者提出“感知–存储–计算一体化”的类脑嗅觉感知芯片（NOPCs），以突触/神经元器件、片上脉冲编码与局部学习打破冯·诺依曼“存储墙”，在毫瓦乃至微瓦级功耗下实现端侧的实时气味感知、学习与识别。但高维气味空间、复杂时空编码、材料与工艺一致性、以及跨模态融合等问题，仍构成走向规模化应用的关键挑战。

今日，中国石油集团石油管工程技术研究院Zhao Yuxin（一作兼通讯）综述以生物嗅觉通路为灵感，融合微/纳电子与人工智能的新型类脑嗅觉芯片：它们以忆阻器与脉冲神经网络（SNN）支撑的在存计算，在超低功耗条件下实现对海量气味的高灵敏、高特异识别；同时通过感知、计算与记忆的深度耦合，推动其在环境监测、食品质量控制、医学诊断与情绪交互等场景落地。作者指出，发展NOPCs对于超越传统气体传感的天花板、提升嗅觉机器智能至关重要，并预期该方向将开启对人类嗅觉机理的更深理解与更逼真仿生。相关成果以题为“Neuromorphic olfactory perception chips: towards universal odour recognition and cognition”发表在最新一期《Nature Reviews Electrical Engineering》上。

【生物学基础：从“分子结合”到“时空编码”】

嗅觉由气味分子与嗅上皮受体结合触发，受体激活引发级联反应，化学信号转为电信号并经嗅球/皮层逐级抽象为独特的时空编码。该系统以组合编码扩展气味可辨空间（人类可区分数量至少达10,000种，文献中进一步指出可达更高数量级），并借助外侧抑制提升对比度与抗噪性，既实现高分辨识别又维持能效。该分层、并行且事件驱动的架构为芯片设计提供直接蓝本（图1）。

图 1. 受生物嗅觉启发的神经形态嗅觉系统

【设计启示：组合表征、可塑学习与稀疏高效】

组合编码与分布式表征——嗅觉将化学空间映射为高维神经活动空间，提示工程上需异质敏感单元阵列与高维数据处理，并在器件层面探索将感知信号直接编码为忆阻导电态以支撑在存计算（图2a–c）。分布式拓扑与可重构连接优于规则阵列，有利于并行与容错。

图2.提取和处理高维气味特征

突触可塑性与模式学习——嗅觉学习遵循赫布法则与STDP等局部规则，使同类气味的神经元群趋同、异类去相关。工程上可利用忆阻器的连续电导态模拟突触权重，采用STDP与强化/迁移机制，提升在线学习、稳健性与对遮挡/漂移的适应（图3a、图3b）。稀疏表征与脉冲编码——嗅球颗粒细胞等抑制中间神经元实现局部竞争与胜者为王，节能同时提增区分度；相位/时间编码与发放频率编码结合，兼顾动态特征与强度信息。芯片宜采用模块化管线：从前端感知与噪声抑制，到脉冲编码、特征提取与分类决策逐级推进（图3c）。

【类脑感知电路】

为将模拟传感信号转为脉冲事件流，需微瓦级前端、可重构滤波/放大与可扩展并行结构。文献报道从传统运放-V/F转换，到积分-发放（LIF）与FPAA+LIF组合，并配合AER稀疏编码降低总线带宽。仿生侧抑制的单晶体管“人工嗅神经元”模块将功耗由 165 µW 降至 350 nW，并用相位同步/环形振荡器实现更节能的时间编码（图3，图2）。

图3.利用突触可塑性进行仿生智能嗅觉的神经形态计算

【关键技术】

敏感材料与传感器：传统金属氧化物成本低、可量产，但在复杂混合气体中选择性受限、界面/相纯/湿敏等问题突出。仿生识别单元（OR蛋白/嗅神经元）与寡肽/适配体等新材料正快速推进：（1）生物受体类，多种平台的超低检测限：如Drosophila OR10a 的QCM平台可达 1 fM；人源hOR在石墨烯扩展栅器件上检测短链脂肪酸，检测限 0.07–1.30 ppm；OR–Orco在双滴芯片脂双层中对 1-octen-3-ol 实现 ppb 级呼气检测。（2）肽/纳材固定化中，LUSH-OBP肽在CNT-FET上对3-methyl-1-butanol的检测限 1 fM；TAAR13肽在FET上对腐胺/尸胺分别达 26.48 ppb/7.29 ppb；多种OBP/CNT或rGO体系覆盖从爆炸物到食品安全的多类VOCs。此外，hOR-SWCNT生物电子鼻可对地臭素与2-甲基异冰片实现 10 ng l⁻¹（10 ng L⁻¹）级水质在线监测，指向环境监测与民生应用。

【脑启发计算架构】

混合信号路线以模拟神经元+数字突触为主：IBM TrueNorth集成 4,096 个神经突触核、约 10⁶ 神经元与 2.56×10⁸ 突触，支持多编码并可二维拼接扩展；忆阻交叉阵列直接实现向量-矩阵乘，并与CMOS神经元耦合以获得高密度、低功耗（图4a–e）。PCM-CMOS 64核在存计算芯片在高精/低精模式下分别达 16.1/63.1 TeraOps s⁻¹，能效 2.48/9.76 TeraOps s⁻¹ W⁻¹（图4f）。全数字方向则以SpiNNaker等事件驱动多核与CNT-TPU式二维“跃动”数据流阵列（图5），面向可预测延迟与卷积/矩阵运算吞吐。

图4.采用混合信号设计模拟神经计算的各种硬件架构

图5.用于高效神经计算的收缩阵列架构和模块化数字系统

【生物启发学习算法】

编码方面，除泊松与单脉冲外，秩序编码（rank-order）与相位编码将化学结构/浓度分别映射为发放时序/频率，在单认知周期内承载多属性；学习方面，以STDP为核心，并探索奖惩调制的R-STDP以实现强化与小样本迁移；决策层面借助脉时工作记忆/吸引子网络抵御灾难性遗忘，支撑跨时标认知。

【应用前景与挑战】

潜在应用：NOPCs在食品安全、医疗诊断、环境监测等领域展现出广阔前景。例如，基于ZnO薄膜传感器的人工嗅觉系统可实时追踪食品腐败，检测NH₃和H₂S等关键指标（图2b）。在医疗方面，集成昆虫嗅觉受体的VOC传感器可检测人体呼气中十亿分之一水平的1-辛烯-3-醇，用于早期癌症筛查。环境监测中，基于SnO₂纳米棒和双金属催化剂的传感器阵列可分类汽车尾气，准确率超99.5%（图2c）。此外，搭载化学敏感场效应晶体片的微无人机可精确定位污染源，实现动态监测。

主要技术挑战：NOPCs技术仍处于发展初期，面临材料、工艺、算法与系统集成四重挑战。嗅觉受体蛋白的提取、固定与批量化制备难度大，稳定性与寿命亟待提升；肽段与适配体筛选周期长、通量低，限制了多样性。芯片加工依赖实验室手动制备，一致性与重复性差，需发展基于硅基CMOS的批量制造与先进封装技术（如TSV）。算法方面，高维非线性嗅觉信号难以直接应用传统深度学习，需开发适配的脉冲网络学习范式。系统集成需跨学科协作，打通从器件、模块到系统的全链条。

未来研究方向：未来研究将聚焦于嗅觉信息在多尺度下的表征与整合机制，通过光遗传学、电生理等技术揭示突触可塑性规则及其与记忆、学习的关联。新材料方面，低维纳米材料（如石墨烯、过渡金属硫化物）和生物杂交系统有望突破现有敏感材料局限；新原理器件如表面等离子体共振、微流体技术将推动传感器性能革新。系统架构需实现多尺度计算单元模块化与层次化设计，发展跨尺度信号对接中间件与片上互联技术。算法与软件生态上，需构建专用脉冲网络库与编程框架，支持小样本学习、连续学习与跨任务知识迁移，推动仿生嗅觉应用生态繁荣。