神经形态微机电系统设备的制作方法

本申请涉及神经形态(neuromorphic)计算中所使用的设备及智能传感器设备。

背景技术：

在物联网(iot)的上下文下，并且对于诸如机器人及其他非线性系统的控制的各种应用，智能传感器设备的存在重要性日益增加。由此希望具有通过刺激的局部非线性变换而产生控制信号的能力的传感器设备。

神经形态计算对于该智能传感器设备可能是有益的。由于神经形态计算需要对传感器设备进行训练，从局部非线性变换产生控制信号的能力可以使得该智能传感器设备引人注目，特别是如果其紧凑并且高能有效。

技术实现要素：

一方面，提供一种微机电系统(mems)设备，包括：惯性部件，被配置为用于通过柔性连接而连接至结构，柔性连接响应对结构所施加的外部刺激而允许惯性部件相对于结构发生变形或移动；至少一个谐振部件，被适配为连接至所述结构或所述惯性部件，谐振部件具有至少一种谐振模式；至少一个换能单元，用于测量至少一个谐振部件相对于惯性部件和/或结构的振荡运动；以及电子控制单元，被配置为用于施加静电力的泵来诱使至少一个谐振部件在谐振模式下发生振荡运动，振荡运动是静电力的强度的非线性函数，其中，至少一个谐振部件被配置为耦合至惯性部件和/或结构，以使得惯性部件响应外部刺激所发生的变形和/或运动改变泵的强度，电子控制单元被配置为用于产生并且输出作为所测量的振荡运动的数学函数的输出信号。

进一步地，根据该方面，例如，至少一个谐振部件是在其相对端处或附近被夹持的梁。

仍进一步地，根据该方面，例如，惯性部件是由弹簧支撑、并且与梁间隔一定间隙的惯性检验质量块。

仍进一步地，根据该方面，例如，惯性检验质量块以朝向和远离梁的单个平移自由度移动。

仍进一步地，根据该方面，例如，泵是至少一个谐振部件与惯性部件之间的交流电场，通过在至少一个谐振部件与惯性部件之间施加ac电压差而产生场。

仍进一步地，根据该方面，例如，所测量的振荡运动包括在时间上按照n个等间隔的时刻所测量的梁的振荡幅度。

仍进一步地，根据该方面，例如，至少一个谐振部件是在其相对端处连接到惯性部件的梁。

仍进一步地，根据该方面，例如，惯性部件是外围与结构处于柔性连接的板。

仍进一步地，根据该方面，例如，结构具有与至少一个谐振部件间隔一定间隙并且耦合至至少一个谐振部件的电极。

仍进一步地，根据该方面，例如，泵是至少一个谐振部件与电极之间的交流电场，通过在至少一个谐振部件与惯性部件之间施加ac电压差而产生场。

仍进一步地，根据该方面，例如，所述数学函数具有参数，并且通过在训练阶段期间使输出信号与目标信号之间的均值误差最小化而计算所述参数，其中，顺次施加多个外部刺激，每个刺激与目标信号对应。

仍进一步地，根据该方面，例如，所述数学函数是利用一组权重所计算的所述振荡运动的n个测量特征的线性组合。

仍进一步地，根据该方面，例如，泵的所述强度是当前时间或从过去的一定时刻起的所述输出信号的数学函数。

仍进一步地，根据该方面，例如，换能单元包括连接至至少一个谐振部件的压阻应变仪。

仍进一步地，根据该方面，例如，泵是至少一个谐振部件与惯性部件之间的力，其中，所述力随着时间通过幅度和频率正弦地变化。

仍进一步地，根据该方面，例如，正弦力的所述幅度根据重复的掩码图案而随着时间改变。

仍进一步地，根据该方面，例如，所述频率接近至少一个谐振部件的谐振模式的自然频率。

另一方面，提供一种为暴露于外部刺激的mems设备产生神经形态输出的系统，包括：处理单元；和非易失性计算机可读存储器，通信地耦合至处理单元并且包括可由处理单元执行的计算机可读程序指令，以：施加静电力泵来诱使mems设备的至少一个谐振部件在至少一个谐振部件的谐振模式下发生振荡运动，振荡运动是静电力的泵的强度的非线性函数；使至少一个谐振部件耦合至mems设备中的惯性部件和/或结构，以使得惯性部件响应于外部刺激所产生的变形和/或运动改变泵的强度；测量至少一个谐振部件的振荡运动；产生并且输出作为所测量的振荡运动的数学函数的输出信号。

进一步地，根据其他方面，例如，施加静电力的泵包括：在至少一个谐振部件与惯性部件之间施加ac电压差。

仍进一步地，根据其他方面，例如，施加静电力的泵包括：在至少一个谐振部件与结构之间施加ac电压差。

仍进一步地，根据其他方面，例如，至少一个谐振部件是梁，并且其中，测量振荡运动包括：在时间上按照n个等间隔的时刻测量梁的振荡幅度。

仍进一步地，根据其他方面，例如，产生并且输出作为所测量的振荡运动的数学函数的输出信号包括：通过在训练阶段期间使输出信号与目标信号之间的均值误差最小化而计算数学函数的参数，其中，顺次施加多个外部刺激，每个刺激与目标信号对应。

仍进一步地，根据其他方面，例如，所测量的振荡运动的数学函数包括利用一组权重所计算的所述振荡运动的n个测量特征的线性组合。

仍进一步地，根据其他方面，例如，泵的所述强度是当前时间或从过去的一定时刻起的所述输出信号的数学函数。

仍进一步地，根据其他方面，例如，施加静电力的泵包括：施加随着时间通过幅度和频率正弦地变化的力，正弦力的所述幅度根据重复的掩码图案而随着时间改变。

仍进一步地，根据其他方面，例如，所述频率接近至少一个谐振部件的谐振模式的自然频率。

附图说明

现参考所附图，其中：

图1是示出根据本公开的微机电系统(mems)设备的框图；

图2是根据本公开的实施方式的mems设备的立体图，其中，谐振部件静电耦合至惯性部件；

图3是图2中的mems设备的示例性原型的显微照片；

图4是根据本公开的另一实施方式的mems设备的第一立体图，其中，谐振部件静电耦合至结构；并且

图5是图4中的mems设备的第二立体图。

具体实施方式

参考附图，并且更具体地，参考图1，整体以10示出微机电系统(mems)设备。对于其特征，mems设备10可以被称为神经形态mems设备10。

mems设备10是具有暴露于外部刺激的结构s所使用的类型。使用表述“结构”作为支撑mems设备10的结构s。尽管结构s也可以被固定，然而，如下所述，结构s可以是可移动的或可以具有可移动的部件、或可以是可变形的或可以具有可变形的部件。下面所述实施方式给出了该结构s的实施例。mems设备10可以是结构s的整体和/或天然部分、或可以被添加到或重装至结构s上。

mems设备10具有惯性部件12及一个或多个谐振部件14。惯性部件12通过柔性连接而连接至结构s。因此，由于柔性连接，惯性部件12可以响应于对结构s所施加的外部刺激而相对于结构s发生变形和/或移动。谐振部件14可以连接至结构s和/或惯性部件12。谐振部件14具有在mems设备10的使用过程中所驱动的一种或多种谐振模式。

在mems设备10中，谐振部件14限定了储存器计算机的物理节点，且谐振部件14通过结构s和/或惯性部件12而暴露于外部物理刺激(例如，加速度、压力)。谐振部件14被选择为具有相对较高的谐振频率(＞10⁵hz)，以使得储存器计算机具有足够的性能。因此，在下面的实施例中，谐振部件14可以具有相对较高的刚度和/或相对较低的质量(例如，～10^-10g)和面积(例如，～10^-9m²)，这使得其对于诸如加速度或压力的外部刺激相对不敏感。例如，由灵敏度＝ma/k给出悬挂质量对外部刺激的灵敏度(如由加速度a所产生的位移限定)，其中，m是谐振部件的质量并且k是其悬架的刚度。同样，由灵敏度＝ap/k给出压力p对悬挂结构的灵敏度，其中，a是与所施加的压力垂直的谐振部件的面积。因此，与其对惯性部件12的影响相比较，由于相对较低的质量、相对较高的刚度、以及相对较小的面积，外部刺激对谐振部件14(下面实施方式中的硅梁)的影响是可忽略的。谐振部件14可以与结构s和/或惯性部件14对接，惯性部件对外部刺激更敏感。这些相对较大的结构的位移通过其间的静电力与较小的谐振部件的位移耦合，静电力取决于其间的距离。对于上面所提供的谐振部件尺度，谐振部件可以比较大惯性部件(即，惯性部件14和/或结构s)对外部刺激(例如，加速度、声压)的灵敏度小10000至100000倍之间。因此，表述“惯性”和“谐振”用于示出部件12与14之间的对比。

可以提供一个或多个换能单元16来测量谐振部件14相对于结构s的振荡运动(oscillatorymotion)。换能单元16可以采用下面例证的各种形式(例如，压阻式、电容式、光学)。同样，可以提供一个或多个换能单元18来测量惯性部件12相对于例如结构s的移动或变形。换能单元18可以采用下面例证的各种形式，并且在mems设备10的神经形态模式下，换能单元18可以是可选的。例如，通过从外部对结构s施加已知的物理刺激并且通过由换能单元18产生的信号使其与惯性部件12的移动或变形有关而对mems设备10进行校准，可以应用换能单元18。作为实施例，可以通过测量一半安装在惯性部件12上并且一半被固定至结构s的交叉梳状结构的电容，而获得惯性部件12相对于结构s的位置。所得的测量信号可能与由常规mems加速计所产生的信号相似，即，不具有神经形态计算能力的加速计。作为另一实施例，可以通过测量惯性部件12与结构s之间的电容而获得惯性部件12相对于结构s的位置。所得的测量信号可能与由常规mems麦克风所产生的信号相似，即，不具有神经形态计算能力的麦克风。

mems设备10的机械部件可以耦接至电子控制单元(ecu)20来驱动谐振部件14、测量振荡运动、并且将其表征为外部刺激的函数。ecu20可以具有建立泵21的泵电压信号，泵信号被布线至mems设备10的物理部件，即，惯性部件12和/或谐振部件14，并且可选地，布线至结构s。泵21对mems设备10施加静电力，以诱使谐振部件14在其预定的谐振模式下发生振荡运动，振荡运动指静电力的强度的非线性函数。如上所述，谐振部件14机械地耦接至惯性部件12和/或结构s，以使得惯性部件12和/或结构s响应于外部刺激所发生的变形和/或运动改变泵21的强度。

除驱动接近谐振频率的谐振部件14之外，泵21还对惯性部件12和/或结构s施加静电力。由于其处于相对较高的频率(＞10⁵hz，以与谐振部件14的自然频率匹配)，作用在惯性部件12和/或结构s上的静电力被选择为对惯性部件12和/或结构s具有可忽略的影响的数量级(例如，几乎不导致发生位移)，且惯性部件12和/或结构s仅在低得多的频率(＜10⁴hz)下是敏感的。因此，仅振荡部件14响应于来自泵21的静电力而发生振荡，并且惯性部件12由于外部刺激的位移用于通过响应于外部刺激改变谐振部件14与惯性部件12和/或结构s之间的距离而对静电力的幅度进行调节。因此，ecu21通过在谐振部件14、与惯性部件12和/或结构s之间施加交流电压差而生成泵。

通过在谐振部件14与惯性部件12和/或结构s之间施加交流电压差，通过由该静电耦合产生的静电力而在谐振部件14中诱使发生振荡运动。该振荡运动的幅度受泵的幅度以及惯性部件12和/或结构s与谐振部件14之间的间隙控制。一旦惯性部件12发生变形或位移，谐振部件14与惯性部件12和/或结构s之间的间隙则改变。因此，对静电泵的强度进行调节，并且可以在mems设备10的神经形态模式下使用强度的数量级。

ecu20可以包括用于产生由换能单元16所测量的振荡运动的测量特征的处理器22，处理器22产生作为所述测量特征的数学函数的输出信号。处理器22可以结合ecu20的非易失性计算机可读存储器进行操作，计算机可读存储器通信地耦合至处理器22并且包括可由处理器20执行的计算机可读程序指令。在实施方式中，处理器22是可以产生供另一计算机系统使用、或用于通信给用户的输出信号的集成电路部件。简言之，处理器22是一种电路，该电路在谐振部件14与惯性部件12之间产生ac电压差的形式的泵21以及从换能单元16产生位置相关电压。

处理器22的计算包括：测量作为时间函数的振荡运动的多个特征来构建输出信号。输出信号的幅度是所测量特征的数学函数。在训练阶段期间，可以对该数学函数进行计算，以使得输出信号与目标信号之间的均值误差最小化，其中，顺次施加多个外部刺激，每个刺激与目标信号对应。

振荡运动的所测量特征可以包括使用换能单元16对时间上按照n个等间隔时刻所测量的谐振部件14的偏转。例如，所测量的特征可以是谐振部件在时间的某时刻的位置。作为另一实施例，所测量的特征可以是跨被配置为测量谐振部件14的位移的压阻应变仪的压降。用于建立输出信号的数学函数是利用一组权重所计算的所测量特征的线性组合。权重计算如下：

w＝y′x^t(xx^t+λi)^-1，

其中，y′是目标向量，x是矩阵形式的所测量特征，λ是较小的正则化参数并且i是单位矩阵。当对mems设备10施加刺激时，能够通过ecu20记录一组所测量的特征。根据下式，对于放置在向量x中的一组所测量的特征，所计算的权重能够用于产生输出y，

y＝w^tx。

mems设备10的机械非线性可以用于通过与神经计算相似的方式实现在机械域中工作的计算设备。通过对来自真实或虚拟网络中的已选择节点的换能单元16的所测量特征进行线性组合而产生mems设备10的输出。在虚拟网络的情况下，使用单个mems设备10并且通过利用二进制掩码对泵信号进行幅度调节而建立网络。在真实网络的情况下，可以使用多个mems设备10并且谐振部件可以是例如经由较小的挠曲弹簧而连接的硅的微梁，因此，梁各自能够振荡并且经由挠曲弹簧交换能量。

在虚拟网络的情况下，可以通过二进制掩码对泵21的幅度进行调节。二进制掩码可以具有特定的持续时间并且可以在固定的时间改变值。作为实施例，二进制掩码可以具有持续时间d并且可以包含由时间t分割的m个值，因此d＝mt。作为附加实施例，可以在两个电平之间选择掩码的值，以使得在每个时间步骤，泵21可以具有由两个电平中的一个电平给出的幅度。在虚拟网络的情况下，ecu20可以将在每个时间段r进行采样的所测量特征的值存储在其存储器中。ecu20可以将多至n个的连续值存储在向量x中，丢弃过去存储的大于nr的时间的值。因此，在每个时间段r，ecu20可以形成线性组合，

y＝w^tx，

其中，w是权重向量。ecu20可以将值y连续地存储在存储器中。然后，ecu20可以将泵电压的幅度设置为当前时间的二进制掩码与过去存储的m个时间步长的线性组合y的值的乘积。作为实施例，m与n的值可以相等。

在实施方式中，对于所需形式的输出信号，ecu20可以结合机器学习(ml)模块30或类似训练系统使用。ml模块30也可以是ecu20的一部分。ml模块30可以获得用户关于所需输出的性质或形式的反馈，该反馈是训练的组成部分。ml模块30至少可以包括与外部刺激的施加同步的所测量特征的100次捕获。作为ml算法的训练结果，学习模块30可以从所测量特征的线性组合产生并且输出一组最优的权重。可以从不同的监督或非监督机器学习算法选择ml算法。ml算法可以有助于训练ecu20，以使得数学函数可以具有通过在训练阶段期间使得输出信号与目标信号之间的均值误差最小化而计算的参数，其中，顺次施加多个外部刺激，每个刺激与目标信号对应。数学函数可以是利用一组权重所计算的所测量振荡运动的特征的线性组合。

现参考图2，更为详细地示出了mems设备10的实施方式。在图1和图2中，类似参考标号将指对应的元件。图2中的mems设备10使其谐振部件14静电耦合至惯性部件12。

在图2中，尽管可以使用其他材料，然而，mems设备10具有硅梁(siliconbeam)作为谐振部件14。谐振部件14由基板支撑，基板是支撑mems设备10的结构s。例如，锚14a支撑谐振部件14。谐振部件14还通过锚14a悬挂在基板s之上。例如，锚14a被设计成允许通过在谐振部件14相对端处或附近夹持梁而允许谐振部件14振动。如图2中所示，谐振部件14可以由单个梁构成。谐振部件14还可以包括多个梁，诸如附接至彼此、以限定机械网络的梁等。

换能单元16或类似传感器可以是用于测量谐振部件14的振荡的仪表形式。作为实施例，仪表可以是横向地附接至梁的压阻仪表。还可以使用其他类型的传感器来测量谐振部件14的振荡。mems设备10还具有质量块12a形式的惯性部件12。质量块12a通过包括一个或多个柔性部件12b的柔性连接而连接至基板s，从而允许惯性部件12响应于所施加的外部刺激而相对于基板s发生变形或移动。例如，质量块12a是惯性检验质量块，并且柔性部件12b可以是顺应性弹簧和/或挠曲弹簧等其他可能的弹簧。惯性检验质量块12a可以通过顺应性弹簧12b悬挂在基板s之上。如从图2中所观察的，梁14与惯性检验质量块12a之间存在间隙。根据实施方式，顺应性弹簧12b响应于外部刺激将惯性检验质量块12a约束为朝向和远离梁14在平面内单轴位移(即，一个平移自由度)。检验质量块12a的这种运动对作用在谐振梁14上的力进行调节。这构成了梁14与检验质量块12a之间的耦合布置。设想了梁14沿着另一个侧及检验质量块12a的双向移动的其他实施方式作为另一种可能性。作为另一实施例，惯性部件12可以是包括围绕框架支撑质量块部分的悬臂梁的单个单片部件。

各种类型的换能单元18或类似传感器可以用于测量惯性部件12的位移。在所示出的实施方式中，可以通过测量叉指电极18a之间的电容的变化而评估惯性部件12的位移。叉指电极18a可以包括附接至检验质量块12a的梳状物以与检验质量块12a同时移动，且梳状物连接至基板s，并且由此相对于连接至检验质量块12a的梳状物而保持固定。换能单元18可以用于验证由仪表16所测量的振荡运动的测量特征并且因此可以是可选的。

经由泵21，以接近其自然频率的频率，静电驱动mems设备10的谐振部件14(图1)。可以通过对谐振部件14施加信号(例如，交流(ac)电压)而实现静电驱动。并行地，还对惯性检验质量块12a施加信号(例如，ac电压)。在所示出的实施方式中，顺应弹簧12a响应于外部刺激将惯性检验质量块12a约束为在平面内单轴移动，且梁14被设计成与基板s的平面平行地移动。检验质量块12a的移动对作用在谐振梁14上的静电力进行调节，并且由此对泵21的强度进行调节。

在所示出的实施方式中，利用限定谐振部件14的单个硅梁，通过使用重复的掩码图案对来自泵21的正弦泵电压信号的幅度进行调节而建立虚拟网络。泵21的强度也是梁14在过去一定时刻(即，延迟反馈)的振荡幅度的数学函数，

例如，振荡运动的所测量特征包括使用仪表16在时间上按照n个等间隔的时刻所测量的梁14的偏转。因此，ecu20可以使用上面所描述的数学函数来产生输出信号。

在图2的实施方式中，泵21是谐振部件14与惯性部件12之间的交流电场，通过在谐振部件14与惯性部件12之间施加ac电压差的处理器22而建立场。泵21诱使谐振部件14在谐振模式下发生振荡运动。由ecu20诱使的振荡运动是泵21的强度的非线性函数。通过振荡运动，由于惯性部件12响应于外部刺激发生变形和/或运动，谐振部件14与惯性部件12之间的耦合布置引起泵21的强度改变。因此，ecu20可以计算振荡运动的多个所测量特征，并且因此产生输出信号，其幅度是振荡运动的所测量特征的数学函数。数学函数仅是谐振部件14的振荡运动的函数。振荡运动是泵21的函数，其自身是泵电压和刺激的函数。

可以使用上面图2中所描述的布置作为使用mems技术进行微制造(通常是硅)的机电递归神经网络(rnn)。惯性部件12用作使惯性力与谐振部件14对接的中间件，即，被实现为储存器计算机(rc)的memsrnn。惯性部件12被放置成紧靠近谐振部件14并且利用正弦泵电压信号进行极化，以使得静电力(泵21)驱动rc的机械模式。一旦惯性部件12发生位移，则通过改变用作memsrc的谐振部件14与惯性质量块12a之间的距离而对静电驱动力进行调节。由于输出信号的机械非线性，谐振mems设备10可以通过与神经计算相似的方式而用作在机械域中探索的人工神经元。通过对真实或虚拟网络中的已选择节点的压阻或电容式位移信号进行线性组合而产生rc的输出。

参考图3，示出了mems设备10的显微照片。mems设备10可以与基板一起使用，基板由硅层为50μm并且氧化层为4μm的绝缘体上硅(soi)晶圆制成。作为实施例，微制造工艺可以包括：1)si层的光刻：-az1512光敏树脂的旋涂，-曝光60mj/cm²，-显影；2)先进的硅蚀刻；3)金属层的光刻：nr48000p的旋涂，-曝光500mj/cm²，-显影；4)金属化；5)剥离；6)hf蒸发释放。这是示例性的制造方法。

据观察，图3中的mems设备10具有两种明显不同的梁形式的两个以上谐振部件14。在此处所述的任意实施方式中，由于多个耦合的谐振部件14所提供的更丰富的动力学，通过允许较大数量的所测量振荡特征和/或增加用于神经形态计算的所测量的振荡特征的相关性，使用多个谐振部件14可以有助于mems设备10的神经形态计算的准确性。例如，使用多个谐振部件14可以允许mems设备10在不同的谐振频率下(例如，每个谐振部件14为一个不同的谐振频率)和/或利用不同的静电耦合间隙进行操作，从而产生来自多个谐振部件14的不同机械响应的此类情况，多个谐振部件中的每一个谐振部件响应于泵21的不同幅度变化。每个谐振部件14可以耦合至同一ecu20或不同ecu20的其自身处理器22。不同的幅度变化可能导致处理器22不同程度地执行不同的任务。例如，利用两个部件14和两个处理器22，本领域技术人员可以很好地执行任务a、而较差地执行任务b。对于其他部件14，情形可能相反，其可能很好地执行任务b、而较差地执行任务a。对两个部件14的输出进行组合可能产生对任务a和任务b都很好地执行的系统。

参考图4和图5，示出了mems设备10的另一实施方式，其中，与静电耦合至惯性部件12相反，谐振部件14静电耦合至结构s。例如，与神经形态mems惯性设备10的其组成和功能相似，图4和图5中的mems设备10可以用作mems麦克风。

图4和图5中的mems设备10包括导电结构s，通过围绕板12a周期性地布置并且被锚定在一端的柔性部件12b，诸如正多边形板的膜12a形式的惯性部件12连接至导电结构s。该配置允许板12a响应于在板12a上施加力的声压，而在与板12a平面正交的方向上移动或变形。例如，柔性部件12b可以是由折叠的顺应性硅梁构成的悬挂单元。在实施方式中，板12a发生变形并且其柔性连接通过其相对于结构s的弹性变形。在结构s中(例如，被蚀刻)限定圆柱形孔s1，以在板12a发生位移时释放背压并且防止板12a被静电拉入(塌陷)到结构s上。

将一个或多个谐振部件14嵌入到板12a中。根据实施方式，例如，图4和图5中的谐振部件14可以是被图案化在悬挂板12中并且两端被锚定至该板的一个或多个硅梁。对于换能单元16，可以将压敏电阻器图案化在谐振部件14之上，以测量其振荡。作为实施例，压敏电阻器可以是被嵌入在较大的本征或n型区域中的小面积的p型硅。

在所示出的实施方式中，作为对外部声压刺激的响应，感测板12a的柔性连接将感测板12a约束为在平面外单轴移动。梁14还被设计成在与感测板12a的平面正交的方向上移动。感测板12a的移动通过改变谐振梁14与驱动电极s2之间的间隙而对作用在谐振梁14上的静电力的强度进行调节。

通过静电泵21驱动谐振部件14的高频振荡运动(图1)，其中，经由泵21的正弦电信号相对于谐振部件14对结构进行极化，使得在结构s的固定驱动电极s2与各个谐振部件14之间产生吸引力。泵21的强度通过所诱使的板12a的位移而耦合至外部声压刺激。这致使谐振部件14与结构s的驱动电极s2之间的间隙发生变化。如图1中所描述的，以接近谐振部件的自然频率的频率，静电驱动谐振部件14。

处理器22(例如，微控制器)测量谐振部件14的振荡运动的多个特征，处理器22产生输出信号，其中，输出信号的幅度是所测量特征的数学函数，诸如经过计算来实现具体任务的权重的线性组合等。在一个实施方式中，任务是产生在明显不同的电平(例如，10个电平)之间的电压上发生变化的输出信号，每个电平与人所发出的具体词语对应，且通过麦克风mems设备10检测声压。这是其他实施例中的一个实施例。

图4和图5中的mems设备10可以包括结构s，该结构s由硅设备层为10μm(其中限定移动部分)和氧化层为5μm(限定间隙距离)的绝缘体上硅(soi)晶圆制成。作为实施例，微制造工艺可以包括：1)基板的光刻与先进的硅蚀刻；2)si设备层的光刻：-压敏电阻器图案化和离子注入，-机械结构限定与后续的先进硅蚀刻(ase)；3)金属层的光刻；-电迹线与引线焊盘的图案化：-金属蒸发与剥离；以及4)悬挂机械结构的hf蒸发释放。

在图1至图5的实施方式中，电子控制单元20可以是利用mems设备10的机械部件上的外部刺激执行给定任务的系统。例如，电子控制单元20可以是这样的系统，即，利用其处理单元22和通信地耦合至处理单元22的非易失性计算机可读存储器，为暴露于外部刺激的mems设备10产生神经形态输出，并且包括可由处理单元执行的计算机可读程序指令，以：对泵21施加静电力，以诱使mems设备10的谐振部件14在谐振模式下发生振荡运动，振荡运动是泵21的强度的非线性函数；使谐振部件14静电耦合至mems设备10中的惯性部件12和/或结构s，以使得惯性部件12响应于外部刺激所发生的变形和/或运动改变泵21的强度；测量谐振部件14的振荡运动；并且产生和输出作为泵21的所测量振荡运动和强度的数学函数的输出信号。