25、神经拟态集成电路设计策略与实例分析

神经拟态集成电路设计策略与实例分析

1. 突触数据处理与模型选择

1.1 突触数据复用与计算问题

不同神经元的突触前数据需在同一输入上复用，这就需要数字资源，同时会带来混合电路问题。若考虑传入动作电位的来源，多突触就失去了意义，也无法计算短期可塑性现象，因此适应计算在网络结构中进行。

1.2 单突触模型

最简单的单突触形式为：
$G_{syn} = A_i \exp((t_i – t)/t)$
其中，$t_i$ 和 $A_i$ 在事件 $i$ 和 $i+1$ 之间定义。不过，也可使用其他函数，如 $f(t) = t\exp(–t/\tau)$，唯一的约束是，对于每个 $A$、$t_a$、$B$ 和 $t_b$，存在 $C$ 和 $t_c$ 使得：$A f(t–t_a) + B f(t–t_b) = C f (t–t_c)$。借助此规则，只需修改系数就能考虑新连接。

1.3 突触模型选择依据

突触模型的选择取决于目标神经网络的规模，具体如下表所示：
| 网络规模 | 需求特点 | 合适的突触模型 |
| ---- | ---- | ---- |
| 小型网络 | 对生物学准确性要求高，注重神经元多样性模拟 | 单突触，每个连接只需一个参数，无需特定架构，永久连线即可，权重是突触参数，零权重表示无连接 |
| 大型网络 | 无需为每个神经元调整大量参数，每种突触类型的突触前神经元数量增加 | 多突触更合适 |

2. 集成电路灵活性与网络规格

2.1 不同规模网络对人工神经元的需求差异