51、从振荡反应到机器人技术：神经形态计算与PID控制

从振荡反应到机器人技术：神经形态计算与PID控制

1. 神经形态计算的发展历程

神经形态计算旨在让机器以更接近人类大脑的方式进行计算。其发展历程可追溯到20世纪50年代，当时就出现了利用物理定律进行计算的想法，如利用基尔霍夫定律和欧姆定律来解决偏微分方程、进行图像滤波、运动计算和神经网络算法等。然而，随着快速CMOS架构的迅速发展，这种基于物理的计算架构逐渐失去了吸引力。

几乎与此同时，神经形态计算的概念被提出。虽然起源于20世纪50年代，但直到20世纪80年代末，基于神经网络的实际应用才开始出现，最初是用模拟电子学来模仿生物神经网络的行为。近年来，神经形态计算的概念已经扩展到包括模拟、数字、硬件和软件等多种神经网络模型的实现。

新型非易失性存储器和忆阻器件的发展，重新唤起了人们对硬件神经形态电路的兴趣。使用电阻开关器件、晶体管和忆阻器实现的神经网络硬件，成为传统计算电路的有前途的替代方案，将物质计算和神经形态计算的概念结合在一起。

2. 忆阻器件的逻辑设计

忆阻器件在计算领域的早期应用之一是与标准CMOS逻辑集成。由于其可变的电导特性（如电压或电荷依赖），忆阻器可以作为可控开关或锁存器，通过施加适当极性的电压来打开（高电导状态）或关闭（低电导状态）。

在逻辑设计中，简单电路需要能够实现实质蕴含（IMP或IMPLY）逻辑操作，它与始终输出0的FALSE操作一起构成了计算任何布尔函数的完整逻辑基础。忆阻器件的另一个优势是，它们既可以执行逻辑操作，又可以将逻辑值存储为电导，使逻辑具有状态性。

研究表明，由电阻和两个忆阻器组成的简单电路可以执行蕴含逻辑，而与非（NAND）操作需要三个忆阻器。少量忆阻器排