利用合成生物学构建节能仿生电子学：对数数据转换器的应用

将计算机缩小到细胞尺度为何重要

现代设备——从智能手表到医疗植入件——对数据和电力的需求很大。然而大自然表明，活细胞能够用远低于任何微芯片所需能量的一小部分来感知、计算和行动。本文探讨如何借鉴生物学中的这些技巧来构建新型超高效电子器件。作者设计了一个微小的电子电路，用以将模拟信号转换为数字信号，其设计原则借鉴于细胞内的基因网络。他们的器件能处理跨越极大幅度的信号强度，同时耗电低于许多数字手表，使其在未来可穿戴和植入式健康技术中具有吸引力。

向细胞学习，而不仅仅是向大脑学习

多年来，工程师们通过模仿大脑来构建“类神经形态”芯片，仿真神经元和突触。但这项工作更进一步，关注单个细胞内的分子机械。细胞使用由基因和蛋白组成的生化网络来感知化学物质、测量变化并做出决策。这些网络天然地将平滑、渐进的响应与锋利、类数字的开关相结合，并以惊人的能量节约实现这些功能。先前的工作甚至在活细胞内构建了一个遗传模拟‑到‑数字转换器（ADC），它以不到皮瓦级的功耗将化学浓度编码为蛋白质“位”，覆盖高达一千亿比一的范围。该生物设计遵循一种被称为韦伯定律的原则：细胞对信号的相对变化作出反应，而非其绝对数值，因而有效地在对数尺度上工作。作者提出：我们能否将这种遗传策略转化为具有类似效率优势的电子电路？

把基因电路变成电路图

团队首先在分子生物学与电子学之间搭建了一座桥梁。在细胞中，信号通过分子结合与解离传递，开启或关闭基因。从数学上看，这些过程常表现为先急剧上升然后饱和的平滑曲线——很像晶体管随电压变化的行为。作者为基本的基因模块创建了详细的电子“对应物”：结合作用、控制基因活性的启动子以及使决策更明确的反馈回路。在他们的映射中，电流对应分子通量，电压对应浓度。他们随后将先前构建的两位遗传 ADC 抽象为一个紧凑的电子模型，类似于一个简单的人造神经元：加权输入经过压缩式的、类决策的函数。这种抽象使他们能够在硅中重新设计算法，同时保留关键的生物学思想：在对数尺度上编码输入强度，利用模拟与数字混合行为及反馈来保持低能耗。

构建微型对数数据转换器

基于这一仿生蓝图，作者在标准的 180 纳米 CMOS 工艺中设计了一个三位对数 ADC。作者没有让晶体管在通常的高电流模式下工作，而是使其在亚阈值区域运行，在该区域电流极小且天然遵循指数规律——非常适合对数处理。该电路以电流模式工作：可跨越五个数量级变化的输入电流被送入三个互连级，每级决定一位输出。巧妙的内部电路模仿幂律响应和饱和行为，因此每一级在对数尺度上将输入信号与不同阈值比较。最终的三位编码将 80 分贝的动态范围压缩为仅八个数字级别。仿真显示，该芯片在适合生物医学信号的采样率下功耗低于一微瓦，硅片占用面积只有约 0.02 平方毫米，同时在对数域内保持良好的编码线性，并对温度、电源与制造差异具有鲁棒性。

为何对数思维能节省能量与空间

传统 ADC 通常将输入范围划分为均匀步进，并将信号与许多参考电平比较。随着设计者追求更高分辨率，所需比较次数——从而功耗与面积——常随位数呈指数增长。相比之下，仿生设计在对数尺度上分布决策阈值。这意味着对弱信号有更多精细的步进，而对强信号则采用较粗的步进，因为那里的微小差异不那么重要。作者从数学上证明，在他们的架构中，主导的功耗成本仅随位数线性增长，而动态范围可以呈指数增长。他们还分析了噪声，发现量化误差——将模拟值舍入到数字级别的不可避免误差——占主导地位，热噪声对性能影响不大。这与生物学相呼应：生物系统能容忍分子噪声，却通过在对数域工作仍然做出可靠决策。

这对未来设备意味着什么

通过以基因电路的计算方式为基础，作者展示了一个实用且可流片的 ADC，能将宽动态范围信号压缩为少量节能的位。这类对数转换器特别适合低带宽、高动态范围的任务：检测微弱生化信号、为人工耳蜗或助听器采集声音，或读取可穿戴或可吞服健康监测器中的光学与电化学传感器。更广泛的结论是，合成生物学不仅可作为隐喻来源——它还能作为新型电子架构的模板，在功耗、精度与芯片面积之间实现更接近生物系统而非传统数字设计的权衡。

引用: Oren, I., Gupta, V., Habib, M. et al. Harnessing synthetic biology for energy-efficient bioinspired electronics: applications for logarithmic data converters. Commun Eng 5, 44 (2026). https://doi.org/10.1038/s44172-026-00589-5

关键词: 对数 ADC, 仿生电子学, 合成生物学, 低功耗传感器, 类神经设计