21、基于事件的神经形态系统之硅神经元设计解析

基于事件的神经形态系统之硅神经元设计解析

1. 轴突与树突树

近年来的实验表明，单个树突分支可视为独立的计算单元。单个神经元能充当多层计算网络，各个分离的树突分支可对不同分支上的不同输入集进行并行处理，然后再组合输出。

早期的超大规模集成电路（VLSI）树突系统通过开关电容电路实现树突电阻，采用了树突的被动电缆电路模型。后来，其他研究团队将一些有源通道纳入VLSI树突隔室。Farquhar等人运用晶体管通道方法构建离子通道，进而构建有源树突模型，在该模型中离子能够跨膜和沿树突轴向扩散。他们使用亚阈值MOSFET实现膜内外的电导，并将扩散建模为离子流动的宏观传输方法。由此产生的一维电路类似于Hynna和Boahen描述的扩散器电路，但允许对每个MOSFET的电导进行单独编程，以获得所需的神经元特性。

Hasler等人和Nease等人展示了如何通过aVLSI有源树突模型在具有每五段一个有源通道的均匀直径电缆上产生动作电位。

Wang和Liu构建了具有可重构树突架构的aVLSI神经元，该架构包括单个计算单元和不同的空间滤波电路。利用这个VLSI原型，他们证明了树突组件的响应可以描述为输入时间同步性和空间聚类的非线性S形函数。这种响应函数意味着，根据输入的时空模式，可以引发神经元中的线性或非线性计算。他们还将这项工作扩展到具有3×32个树突隔室的二维神经元阵列，并展示了树突非线性如何有助于神经元计算，例如减少在胞体组合时不同隔室因失配引起的响应变化的累积，以及减少输出尖峰的时序抖动。

以下是树突膜电路和连接隔室的电缆电路的简单示意：

graph LR
    cla