21、基于神经形态设备的脉冲神经网络及其他神经形态系统

基于神经形态设备的脉冲神经网络及其他神经形态系统

1. 基于忆阻器的突触行为

忆阻器设备在构建突触行为方面表现出独特的优势。一个 3×1 的网络能够识别由突触连接强度决定的不同时空模式，累积的突触后电位（PSP）取决于突触前脉冲的不同顺序。基于 1T1R 的尖峰时间依赖可塑性（STDP），网络可以在教师信号的监督下学习识别特定模式。

忆阻器的二阶（温度）变量的动态演化使其能够自然地复制 STDP 行为，即电导变化由脉冲间隔调制。此外，还有无电容神经元设计，当施加电压时导电丝会生长，但去除偏置后会扩散。基于 VO₂ Mott 器件的霍奇金 - 赫胥黎神经元电路设计，其阈值开关行为类似于神经元膜中电压触发的离子通道激活。

2. 神经元设备

在神经形态计算的早期，CMOS 电路被广泛用于模拟神经元。然而，新兴设备凭借其各种内在特性，成为人工神经元设计的潜在候选者。

例如，将阈值开关忆阻器（TSM）与电容器集成在神经元细胞中，可以模拟积分 - 发放行为，其突然设置和自发复位类似于神经元的发放和休息过程。在 NbOx 和 VOx 基 Mott 器件以及具有扩散动力学的金属原子基丝状忆阻器中也发现了类似行为。

HP 实验室的团队基于 Nb₂O₅ 基 Mott 器件连接多个电容器，设计了模拟霍奇金 - 赫胥黎模型的人工神经元，通过调整设计参数可以重现大多数已知的生物神经元动力学。

此外，应用三端设备（如 FeFET）进行人工神经元设计可以提供更多灵活性，基于漏电 FeFET 的无电容神经元设计也已得到发展。同时，研究人员还需要考虑人工神经元的信号驱动能力、频繁发放对设备可靠性的影响等方面。