11、具有认知行为的多终端神经形态设备：进展与应用

具有认知行为的多终端神经形态设备：进展与应用

一、引言

在过去半个世纪里，微电子和信息技术的发展遵循着摩尔定律。然而，传统基于硅的平面互补金属氧化物半导体（CMOS）器件在小型化方面面临着基本的物理限制。为了延续摩尔定律，出现了多种候选技术，如单电子器件、量子器件、基于自旋的器件等。同时，仿生学也为解决这一困境提供了潜在的方法。

人类大脑是一个大规模的神经网络，拥有约 $10^{11}$ 个神经元和约 $10^{15}$ 个突触。凭借大脑新皮层的分层结构和并行处理能力，它是一个高效的计算中心，能够执行大量的并行突触计算。与基于冯·诺依曼架构的传统计算相比，大脑计算具有并行处理、高效、低功耗和自主学习等优势。受大脑计算的启发，随着大数据时代的到来，神经形态计算越来越受到关注。

神经形态系统的一个主要任务是实现能够模拟多种基本突触计算行为的神经形态设备。类脑神经形态设备在高效人工神经网络（ANNs）和人工智能（AI）技术的发展中具有巨大潜力。

近年来，为神经形态应用提出了新材料和新概念设备，包括双端电阻开关（RS）存储器和新概念晶体管。这些神经形态设备已经模拟了多种生物突触可塑性行为，如短期/长期增强（STP/LTP）、双脉冲促进（PPF）、突触滤波、尖峰时间依赖可塑性（STDP）、尖峰速率依赖可塑性（SRDP）、元可塑性等。此外，还成功模拟了神经计算和处理行为，如模式识别、经典条件反射、水库计算、时空动态逻辑等。

考虑到生物神经元中的树突突触配置，还设计了多终端神经形态设备。这些多终端设备模拟了更有趣的神经功能，在神经形态工程中展现出巨大潜力。人体是一个自然的多感知学习系统，感觉器官可以感知外部刺激，并通过传入神经将刺激传递到中枢神经系统（C