Synthetic Biology meets Neuromorphic Computing: Towards a bio-inspired Olfactory Perception System

在这项研究中，我们探讨了合成生物学、神经科学建模与神经形态电子系统相结合如何为构建仿生嗅觉人工系统提供一条全新路径。我们认为，采用协同设计的方法在复制嗅觉感知与处理的复杂动态过程方面具有显著优势。我们提出了一种由合成感知神经元构成的混合系统，具备以下三项关键特性：（a）受体门控离子通道，（b）合成生物学与半导体器件的接口，（c）基于脉冲神经网络的事件驱动编码与计算。我们通过完整的感知与处理流程的仿真建模验证了该方法的有效性。本研究旨在打造一个具备超高灵敏度、高度特异性与高能效的气味检测平台，有望在环境监测、疾病诊断以及安全防护等领域带来深远影响。

论文试图解决如何模仿自然嗅觉系统，构建一个超灵敏、高特异性和高能效的人工嗅觉系统的问题。这个问题涉及环境监测、医学诊断和安全等多个应用领域，虽然已有一定研究基础，但通过合成生物学、神经科学建模和类脑计算系统的协同设计来实现这一目标是一个较新的研究方向。

论文提出了一种协同设计（co-design）方法，融合合成生物学、神经科学建模和类脑电子系统，构建一个具备受体门控离子通道、生物-半导体接口和基于脉冲网络的事件驱动编码与计算能力的混合系统。其创新之处在于将这三个关键要素结合，模拟嗅觉感知与处理的复杂动态，突破传统单一技术手段的局限。

1. 提出并验证了一个完整的从感知到处理的嗅觉模拟管道（通过仿真建模） 2. 构建了一个跨学科的混合系统框架，实现了合成生物元件与类脑计算硬件的接口 3. 强调事件驱动计算和脉冲神经网络在能效与实时性方面的优势 4. 为未来开发新型人工嗅觉平台提供了可扩展、可集成的原型

1. 《Neuromorphic Olfaction: From Biological to Artificial Systems》 2. 《Synthetic Biology for Chemical Sensing and Biosensing》 3. 《Event-based Sensing and Processing for Smell: A Review》 4. 《Biohybrid Systems: Bridging Living Cells and Electronic Devices》 5. 《Spiking Neural Networks for Real-time Odor Recognition》