近期，中国科学院微电子研究所的刘明院士团队与复旦大学的刘琦教授团队在多模态神经形态感知领域取得了重要进展。这项研究旨在开发一种新型的人工多模态感知系统，以模拟生物体的感受功能。

该团队设计了一种紧凑型的多模态融合感知脉冲神经元（MFSN）阵列，并将其与脉冲神经网络（SNN）相结合，从而实现了高效的信息处理。这一创新不仅提高了物体识别的准确性，还为高智能机器人的发展提供了新的可能性。相关研究成果已在国际知名期刊《先进材料》上发表。

人类的躯体感受系统能够通过多种感官获取全面的物体信息，这在评估物体状态和性质方面具有显著优势。相比之下，传统的单模态感知系统在处理多模态信息时存在局限性，尤其是在功耗和数据传输效率方面。

此次研究突破了这一瓶颈，研发出一种集成了压力传感器和NbOx忆阻器的MFSN阵列。这种阵列能够同时感知压力和温度变化，并将这些信息转化为脉冲序列。研究人员通过解耦输出脉冲的频率和振幅，成功分离了压力和温度信息，从而提升了系统的感知精度和灵活性。

此外，该团队还将MFSN阵列与脉冲神经网络结合，构建了一个模拟人类躯体感觉系统的人工多模态感知系统。这个系统不仅能有效处理多模态信息，还能对不同物体进行分类，展现出强大的应用潜力。

这一成果标志着在构建高效多模态感知系统方面迈出了重要一步，并为未来高智能机器人的发展提供了新思路。