机器学习与人工智能的迅猛发展推动新一代具备认知功能的边缘人机交互系统 ，广泛应用于虚拟/增强现实、疾病监测、智能假肢、协同操作等领域。边缘人机交互系统需满足低功耗、高响应速度的要求，所以采用神经形态计算范式极具优势。在各种神经编码模式中，单脉冲编码将信息压缩编码到一个脉冲的发放时间里，相比于传统频率编码更具高能效与低延时特性，尤其地契合边缘计算需求。然而，目前基于CMOS或忆阻器的实现方案面临硬件开销大和编码时间波动大的问题，不利于在有限资源中实现单脉冲边缘人机交互系统。此外，突触计算中权重的准确性是实现单脉冲系统的另一个关键。基于非易失性忆阻器阵列的存内计算能很好地加速突触计算，但其受电导弛豫影响，会导致系统性能下降，而已现有的抗弛豫编程策略的效果仍非常有限。
图1：基于忆阻器的全硬件单脉冲人机交互系统
针对这些关键问题，北京大学集成电路学院杨玉超教授课题组首次提出了一种基于单脉冲编码且端到端全硬件实现的类脑人机交互系统。为了确保无损的单脉冲信息表达与处理，该团队首先针对系统中关键的神经元和突触两部分进行了优化设计。对于神经元，该团队基于具有超高一致性的VO2忆阻器设计了编码时间波动< 1%的单脉冲神经元电路。神经元中的反馈控制模块在检测到脉冲发放时，截断神经元的输入，使神经元仅发放一个脉冲。紧凑的反馈控制模块设计使得神经元面积开销小于已有方案。对于突触，该团队提出了一种电导巩固编程策略，即当忆阻器被编成到目标电导后，继续施加正负亚阈值脉冲使电导稳定。结合电导映射方案优化，写入到HfO2/TaOx忆阻器的电导在弛豫后，电导分布标准差仅<1.2>,同时，该团队也提出了脉冲幅值和宽度步进的编程方法（ISWPP），以减少阵列资源的浪费。
图2：编码一致性高的VO2单脉冲神经元
图3：HfO2/TaOx突触的电导巩固编程策略
进一步地，该团队基于上述技术构建了一套端到端全硬件的单脉冲类脑计算系统，并通过表面肌电信号的单脉冲编码与处理任务进行实测验证，以展现系统在各类边缘人机交互系统中的应用潜力。得益于几乎无损的单脉冲编码和准确的突触权重，硬件部署后的任务准确率相比于软件仿真仅降低<1.5%。与基于频率编码的系统相比，单脉冲系统达到~38×能效提升和~6.4×速度提升，以及6.62 pj="">5样本每秒的吞吐率，达到顶尖水平。本工作为实现高效的边缘端类脑计算系统提供了一种鲁棒性强且极具潜力的忆阻器基技术方案，有望推动新一代人机交互界面的蓬勃发展。
图4：全硬件系统实现表面肌电信号处理
相关成果以“An end-to-end fully hardware memristive system based on single-spike coding for next-generation neuromorphic human-machine interfaces”为题，发表在《自然-电子》（NatureElectronics）上。北京大学集成电路学院2021级博士生张柏骏和2018级博士袁锐（现西南大学人工智能学院教授）为共同第一作者，集成电路学院杨玉超教授为通讯作者。
相关研究工作得到了新基石研究员项目、国家重点研发计划、国家自然科学基金、广东省存算一体芯片重点实验室、北京市自然科学基金等项目的资助。
