摘要
关键词
- 有机电化学神经元（OECNs）
- 类脑感知（Neuromorphic Perception）
- 有机电化学晶体管（OECTs）
- 离子电子混合导体（OMIECs）
- 神经形态传感（Neuromorphic Sensing）
- 生物接口（Biointerfaces）
研究背景
类脑感知（Neuromorphic Perception）系统通过模仿生物神经网络的感知和信号处理机制，实现事件驱动型传感与数据处理。当前，基于硅的人工神经元因其刚性、离子感知能力有限及生物不兼容性，无法满足柔性和多模态传感器的需求。而基于有机材料的电化学器件，如 OECTs，因其柔性、低工作电压和离子电子混合导电特性，成为实现生物兼容类脑系统的理想选择。本研究旨在系统总结 OECTs 的特性及其在 OECN 中的潜在应用。
关键点
- 系统总结了基于有机电化学晶体管的神经形态传感技术的潜力与挑战。
- 强调了 OECTs 在多模态传感、低功耗和离子驱动信号放大方面的优势。
- 提出了通过材料和结构优化提升 OECN 性能的策略，包括稳定性和灵敏度的提升。
- 阐述了 OECNs 在生物接口、神经假肢及神经形态电子皮肤中的潜在应用。
重要内容
本文首先分析了 OECTs 的基本工作原理，包括离子掺杂/去掺杂机制及其与生物离子通道的相似性。接着，研究探讨了 OECNs 如何通过 OECTs 实现类似生物神经元的尖峰信号（Spiking）生成和多模态传感能力。研究进一步展示了 OECTs 在柔性基底上的可扩展性及其低电压工作特性，使其适用于便携式和植入式设备。此外，文章列举了当前 OECN 技术的局限性，如稳定性不足、无法实现复杂神经功能（如尖峰频率适配）等，并提出了未来改进方向，包括材料的离子选择性功能化、多通道设备设计和网络级神经功能模拟。最后，研究通过案例展示了 OECNs 在人工神经网络及神经假肢控制中的应用潜力。
与 OFET（有机场效应晶体管）不同，OECT（有机电化学晶体管）的工作原理基于电化学掺杂。OECT 的关键组成部分包括电解质和作为晶体管通道的 OMIEC（有机混合离子电子导体）。
当施加栅极电压偏置 (\(V_\text{G}\)) 时，电解质中的离子被推入通道中。这会导致 OMIEC 材料中的掺杂（或去掺杂）以及电荷的累积（或耗尽）。掺杂会改变 OMIEC 的电子结构，使其具有电导性。在漏极-源极电压偏置 (\(V_\text{DS}\)) 的作用下，电荷载流子（空穴或电子）沿 OMIEC 通道传输。
栅极电压偏置调节 OMIEC 层的掺杂状态，从而控制其导电性，并调节源极和漏极电极之间的电流流动。这种机制使得 OECT 具备独特的特性，例如高跨导、低电压操作和离子介导的调制功能。
(a) 离子通道动力学：生物钠离子 (Na\(^+\)) 通道的静息、激活和失活状态，展示其基本的三态存在特性 (\(h\) 和 \(m\) 分别为HH模型中的失活和激活变量)。
(b) OMIEC（有机混合离子电子导体）动力学：OMIEC的未掺杂、掺杂和高度掺杂状态，反映了生物离子通道的三态动力学。
(c) 感官受体机制：生物感官受体捕获压力、光子和化学物质等刺激，并通过化学放大实现多模态感知的示意图。
(d) OECT机制：OECT（有机电化学晶体管）的多模态感知能力及其化学放大机制，与生物多模态感受器的类比示意图。
(e) 感觉神经元：生物感觉神经元的示意图，展示其在感知和信号传递中的重要性。图中包括触觉感受神经元（Merkel细胞和Pacinian小体），说明它们通过不同的尖峰机制编码刺激的功能。
(f) OECN编码：OECN可以根据不同的刺激将其编码为不同的尖峰模式，与生物感觉神经元类似。图中示意了输入电流 (\(I_\text{in}\))、膜电容 (\(C_\text{mem}\))，以及HH模型中的泄漏通道、电位通道（\(R_\text{L}\)/\(E_\text{L}\)、\(R_\text{K}\)/\(E_\text{K}\)、\(R_\text{Na}\)/\(E_\text{Na}\)）。
(g) 神经微电路：通过神经微电路处理刺激的生物示意图。图中以侧抑制为例，说明一组神经元如何通过抑制相邻受体提高信号的对比度。
(h) 人工神经微网络：在边缘计算中运行的人工神经微网络，反映了生物系统中分层信息处理的特点。
(a) LIF（泄漏积分与发放）OECN电路。图中显示反馈电容 (\(C_\text{f}\))、膜电压 (\(V_\text{mem}\))、供电电压 (\(V_\text{DD}\)) 和输出电压 (\(V_\text{out}\)) 在LIF模型中的关系。
(b) LIF模型的基本工作机制，通过输入电流为电容充电来实现。图中包含离子通道电导 (\(R\))、定义神经元静息电位的电池 (\(u_\text{rest}\))、膜电容 (\(C\))、某时刻的输入电流 (\(I(t)\)) 和膜电压 (\(u(t)\))。
(c, d) LIF神经元中输入电流调制的尖峰频率 (c) 和离子调制的尖峰频率 (d)。
(e) 将LIF OECN与生物系统集成的示意图，例如捕蝇草和水蛭。图中的圆圈包含求和和积分符号，表示该神经元具备求和和阈值功能。
(f) 与有机电化学突触集成的神经元，展示了基于Hebbian学习的尖峰时间依赖可塑性 (STDP)。突触权重变化 (\(\Delta w\)) 取决于突触前尖峰 (\(t_\text{pre}\)) 和突触后尖峰 (\(t_\text{post}\)) 到达的相对时间。
(g, h) 基于OEND（有机电子非线性器件）的OECN电路 (g)，利用S型负微分电阻 (NDR) 行为 (h)。
(i–k) 基于OEND神经元的尖峰调制，分别由输入电压 (i)、离子浓度 (j) 和神经递质 (k) 调控。
(l) 基于OEND神经元与生物膜的集成示意图，显示神经元的放电频率 (\(f_\text{fir}\)) 如何受细胞外电解质浓度 (\(C_\text{ext}\)) 和NaCl浓度 (\(C_\text{NaCl}\)) 的影响，最低放电频率标记为 \(f_\text{min}\)。
(m, n) 基于电导的OECN电路 (m) 模拟钠和钾离子通道 (n)。图中包含引入延迟的电阻 (\(R_\text{dK}\)) 和钾电化学晶体管 (K-OECT)。
(o) 基于c-OECN电路生成的生物真实动作电位 (AP)。
(p) 神经元中由输入噪声决定的随机尖峰放电行为。
(q) 基于c-OECN集成的小鼠迷走神经系统，用于根据c-OECN检测的离子信号控制其心跳。放大的神经元输出电压记为 \(V_\text{amp}\)。
(a–d) 材料设计：包括通过主链和侧链工程增强 OMIECs 的稳定性和离子渗透 (a)，优化微结构以允许离子自由流动且无膨胀 (b)，针对特定生物分子检测的功能化 (d)，以及在电化学掺杂中引入随机效应 (c)。
(e–i) 器件层面：涵盖 OECT 的小型化与规模化 (e)、多模态传感能力 (f)、支持空间处理的多栅极架构 (g)，以及为实现生物相容性的柔性 (h) 和可拉伸 (i) 设计。
(j–m) 电路层面：示例包括结合钙通道电导以在 HH 模型中实现高级仿真 (j)、集成多种传感输入 (k)、利用随机共振进行信号放大 (l)，以及通过树突处理实现神经元的空间求和 (m)。
(n–q) 系统层面：示例包括开发各种微神经电路，例如用于特征增强的侧抑制 (n)、用于决策的胜者全得电路 (o)、用于连续信号处理的递归电路 (p) 和用于生成节律模式的神经振荡器 (q)。
中央插图突出显示了集成感官输入/生化调制神经形态系统的应用，例如迷走神经刺激、自适应起搏器、具有边缘处理功能的可穿戴传感器、神经形态皮肤以及与假肢的双向通信。
结论与展望
本文认为，基于 OECTs 的 OECN 是实现柔性、低功耗类脑感知设备的关键技术。尽管面临稳定性、复杂神经功能模拟及大规模集成等挑战，但其在神经形态传感及生物医学领域的潜力不可忽视。未来的研究应重点关注新型材料的开发、设备设计的优化及网络级神经功能模拟的实现。
论文直达
原文标题：Organic electrochemical neurons for neuromorphic perception
原文卷期号：Nature Electronics 2024, 7, 525–536
点击以下链接阅读原文：