王世场 卢振洲 梁燕 王光义

(杭州电子科技大学电子信息学院,杭州 310018)

局部有源忆阻器(locally-active memristor,LAM)凭借其高集成度、低功耗和局部有源特性等优点,在神经形态计算领域显示出巨大的潜力.本文提出了一种简单的N 型LAM 数学模型,通过揭示其非线性动力特性,设计了N 型LAM 神经元电路.采用Hopf 分岔、数值分析等方法定量研究了该电路的动力学行为,成功模拟了多种神经形态行为,包括全或无行为、尖峰、簇发、周期振荡等.并利用该神经元电路结构模拟了生物触觉神经元的频率特性.仿真结果表明:当输入信号幅值低于阈值时,神经元电路输出信号的振荡频率与输入信号强度呈正相关(即兴奋状态),并在阈值处达到最大值.随后,继续增大激励强度,振荡频率则逐渐降低(即保护性抑制状态).最后,设计了N 型LAM 硬件仿真器,并完成了人工神经元电路的硬件实现,实验结果与仿真结果、理论分析相一致,验证了该N 型LAM 具备的神经形态行为.

1 引言

随着大数据时代的到来,对计算系统的计算速度、集成度和能耗的要求也越来越高.面临这些挑战,传统基于冯诺依曼架构的计算结构逐渐难以应对[1,2].而神经形态计算因其高节能效率和大计算容量,显示出巨大的应用潜力.

近年来已经使用各种技术探索神经形态架构,如CMOS[3]、自旋电子[4]、忆阻器[5]等.其中,基于脉冲神经网络(spiking neural networks,SNNs)的神经形态计算架构能通过时间编码,获得更多的信息和更强的计算能力,因而被认为是强有力……