应用于感存算一体化系统的多模调控忆阻器

交互式人工智能系统的构建依赖于高性能人工感知系统和处理系统的开发.传统的感知处理系统传感器、存储器和处理器在空间上是分离的,感知数据信息的频繁传输和数据格式转换造成了系统的长延时与高能耗.受生物感知神经系统的启发,耦合感知、存储、计算功能的感存算一体化技术为未来感知处理领域提供了可靠的技术方案.具有感知光、压力、化学物质等能力的忆阻器是应用于感存算一体系统的理想器件.本文从器件层面综述了应用于感存算一体化系统忆阻器的研究方向和研究进展,包括视觉、触觉、嗅觉、听觉和多感官耦合类别,并在器件、工艺与集成、电路系统架构和算法方面指出现阶段的挑战与展望,为未来神经形态感存算一体化系统的发展提供可行的研究方向.     

具有感存算一体化的新型神经形态视觉传感器

传统的数字图像处理系统包括图像传感器与图像处理单元,二者在物理空间上分离,图像信息在其间的传输造成了延时与能耗。此外,数字图像传感器基于“帧”的工作原理,可能丢失一些重要信息,或者造成数据冗余。人类视觉系统提供了一种高效并行的信息处理方式。神经形态视觉传感器能够模拟人类视网膜的功能,同时具备感知光信号、存储信号和进行信息预处理的功能。这类感存算一体化的神经形态视觉传感器简化了人工视觉系统的电路复杂性,提升了信息处理效率,节省了系统功耗。文章总结了传统的数字图像传感器存在的问题,介绍了几种重要的人工神经网络,讨论了新型神经形态视觉传感器的研究进展和存在的问题。     

仿生生物感官的感存算一体化系统

生物感官集感知、存储与运算为一体的架构使其可以高效并且实时地采集和处理外界信息,这样的感存算一体化架构可为物联网时代面临的传感器数据爆炸问题提供很好的解决方案.为此,本文提出仿生生物感官的感存算一体化系统,采用不同的传感器模拟生物感受器的功能,以获取环境信息,传感器输出的模拟信号输入到模拟信号处理系统进行预处理,这样信号不需要在模拟域与数字域之间转换,可极大降低功耗和延时;预处理后的信号输入类脑运算芯片中进行分析和决策,该芯片由基于忆阻器的人工突触及人工神经元组成,通过控制突触与神经元的连接方式,可以实现不同的算法架构,如全连接脉冲神经网络、卷积脉冲神经网络以及循环脉冲神经网络等;通过运行不同的神经网络,类脑运算芯片可以实现对不同传感器信号的识别、预测以及分类等任务;更进一步,将多种仿生感觉系统的识别或预测结果结合起来,就可以实现多感官融合,这样的系统架构可以用于自动驾驶及智能机器人等复杂的场景中.     

忆阻类脑计算

随着深度学习的高速发展,目前智能算法的飞速更新迭代对硬件算力提出了很高的要求.受限于摩尔定律的告竭以及冯·诺伊曼瓶颈,传统CMOS集成无法满足硬件算力提升的迫切需求.利用新型器件忆阻器构建神经形态计算系统可以实现存算一体,拥有极高的并行度和超低功耗的特点,被认为是解决传统计算机架构瓶颈的有效途径,受到了全世界的广泛关注.本文按照自下而上的顺序,首先综述了主流忆阻器的器件结构、物理机理,并比较分析了它们的性能特性.然后,介绍了近年来忆阻器实现人工神经元和人工突触的进展,包括具体的电路形式和神经形态功能的模拟.接着,综述了无源和有源忆阻阵列的结构形式以及它们在神经形态计算中的应用,具体包括基于神经网络的手写数字和人脸识别等.最后总结了目前忆阻类脑计算从底层到顶层所遇到的挑战,并对该领域后续的发展进行了展望.     

面向神经形态感知和计算的柔性忆阻器基脉冲神经元

受人脑工作模式的启发,脉冲神经元作为人工感知系统和神经形态计算体系的基本计算单元发挥着重要作用.然而,基于传统互补金属氧化物半导体技术的神经元电路结构复杂,功耗高,且缺乏柔韧性,不利于大规模集成和与人体兼容的柔性感知系统的应用.本文制备的柔性忆阻器展示出了稳定的阈值转变特性和优异的机械弯折特性,其弯折半径可达1.5 mm,弯折次数可达10~4次.基于此器件构建的神经元电路实现了神经元的关键积分放电特性,且其频率-输入电压关系具有整流线性单元相似性,可实现基于转换法的脉冲神经网络中神经元的非线性处理功能.此外,基于电子传输机制和构建的核壳模型,对柔性忆阻器的工作机制进行分析,提出了电场和热激发主导的阈值转变机制;进一步对忆阻器和神经元的电学特性进行电路仿真模拟,验证了柔性忆阻器和神经元电路工作机制的合理性.本文对柔性神经元的研究可为神经形态感知和计算系统的构建提供硬件基础和理论指导.     

忆阻器及其阻变机理研究进展

忆阻器是除电阻、电容、电感之外的第四种电路元件,在信息存储、逻辑运算和神经网络等研究领域具有重要的应用前景.本文综述了忆阻器以及忆阻器材料的研究进展,主要介绍了忆阻器的内涵与特征、阻变机理、材料类型以及应用前景,指出了目前忆阻器研究中需要关注的主要问题,并对以后的发展趋势进行了展望.     

基于忆阻器阵列的下一代储池计算

储池计算是类脑计算范式的一种,具有结构简单、训练参数少等特点,在时序信号处理、混沌动力学系统预测等方面有着巨大的应用潜力.本文提出了一种基于存内计算范式的储池计算硬件实现方法,利用忆阻器阵列完成非线性向量自回归过程中的矩阵向量乘法操作,有望进一步提升储池计算的能效.通过忆阻器阵列仿真实验,在Lorenz63时间序列预测任务中验证了该方法的可行性,以及该方法在噪声条件下预测结果的鲁棒性,并探究忆阻器阵列阻值精度对预测结果的影响.这一结果为储池计算的硬件实现提供了一种新的途径.     

界面效应调制忆阻器研究进展

忆阻器因其优异的非易失存储特性,且具有结构简单、存储速度快、能耗低、集成度高等优势,在新型电子器件研究领域引起了广泛关注.本文从忆阻器结构出发,对忆阻器主要材料、机理等进行了综述,介绍了忆阻器在电子电路及人工智能等领域的研究进展,重点讨论了界面效应对忆阻行为及性能改善等方面的重要作用,提出了界面纳米点嵌入结构对优化忆阻性能的显著效果,并分析了忆阻器可能的发展趋势.     

基于六角氮化硼二维薄膜的忆阻器

报道了一种基于多层六角氮化硼(h-BN)二维薄膜的忆阻器件.该器件不需要电预处理过程,且具有自限流的双极性阻变行为;具有较好的抗疲劳性和较长的数据保持时间.该器件在脉冲编程条件下具有模拟转变特性,即在连续的电压脉冲下器件的电阻态能被连续地调控,使得该器件能够模仿神经网络系统中的神经突触权重变化行为.综上所述,基于多层h-BN的忆阻器具有应用在非易失性存储和神经计算中的潜力.     

光电神经形态器件及其应用

传统冯·诺依曼计算机在并行性计算和自适应学习方面效率较低,无法满足当前飞速发展的信息技术对高效、高速计算的迫切需求.受脑启发的神经形态计算具有高度并行性、超低功耗等优势,被认为是打破传统计算机局限性,实现新一代人工智能的理想途径.神经形态器件是实施神经形态计算的硬件载体,是构建神经形态芯片的关键.与此同时,人类视觉系统与光遗传学的发展为神经形态器件的研究提供了新的思路.新兴的光电神经形态器件结合了光子学与电子学各自的优势,在神经形态计算领域展露出巨大潜力,受到了国内外研究人员广泛关注.本文对光电神经形态器件及其应用的最新研究进行了总结.首先综述了人工光电突触与人工光电神经元,内容包括器件结构、工作机制以及神经形态功能模拟等方面.然后,对光电神经形态器件在人工视觉系统、人工感知系统、神经形态计算等领域中的潜在应用作了阐述.最后,总结了当前光电神经形态器件所面临的挑战,并对其未来的发展方向进行了展望.     

蛋白质基忆阻器研究进展

忆阻器作为一种可实现高密度、多功能、低功耗、多级数据存储的新型电子元器件,为电路结构设计、信息存储理论及突触仿生模拟等领域带来了重大变革.在广泛的忆阻器种类中,蛋白质基忆阻器由于具有结构可控降解、原料丰富低廉、生物兼容等优势,在可植入计算、人机交互、人机结合等前沿信息技术领域有着其他材料基忆阻器无可比拟的天然优势,因此被视为是构建下一代高科技信息电子产品最具潜力的候选者.本文归纳了近期蛋白质基忆阻器的研究进展,首先总结了部分蛋白质的研究进展,包含被广泛研究的鸡蛋白蛋白及性能优越的人工重组蛋白等,然后进一步介绍了蚕丝蛋白基忆阻器的研究历程,详细介绍了功能化策略所带给蚕丝蛋白基介观忆阻器的性能提升,并分析了功能化蚕丝蛋白结构与性能之间的构效关系.最后对蛋白质基忆阻器性能进行了综合分析,并展望了该生物电子器件的未来发展契机.     

一种适用于大规模忆阻网络的忆阻器单元解析建模策略

忆阻网络是一种基于忆阻器单元的大规模非线性电路,在下一代人工智能、生物电子、高性能存储器等新兴研究领域发挥着重要作用.描述忆阻器单元物理和电学特性的模型对忆阻网络的性能仿真具有显著影响.然而,现有模型主要为非解析模型,应用于忆阻网络分析时可能存在收敛性问题.因此,提出了一种基于同伦分析法(homotopy analys...     

N型局部有源忆阻器的神经形态行为

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.     

N型局部有源忆阻器的神经形态行为

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.     

基于二维层状材料的神经形态器件研究进展

近年来,人工智能的发展对计算和存储的需求不断提升.但是,摩尔定律的放缓以及传统冯·诺依曼架构中计算与存储单元的分离,导致了大量数据在搬运过程中功耗增加和时间延迟,致使集成电路以及芯片设计面临越来越多的挑战.这迫切需要开发新型计算范式来应对这种挑战.而基于存算一体架构的神经形态器件,可利用欧姆定律和基尔霍夫定律实现原位计算,从而有望克服传统冯·诺依曼架构瓶颈.通过调节具有“记忆”功能的忆阻器阻值,实现类似生物大脑的人工神经网络,并对复杂网络信号进行处理,例如图像识别、模式分类和决策执行等.二维材料由于其层状超薄特性和新奇的物理效应,为进一步缩小器件尺寸并实现感存算一体提供了方案.本文综述了基于二维材料的神经形态器件中的物理效应和忆阻特性,并详细阐述了神经形态器件对LIF (leaky integrate and fire)模型、Hodgkin-Huxley模型等神经元模型以及长期可塑性、短期可塑性、放电时间依赖可塑性和尖峰频率依赖可塑性的模拟.在此基础上,进一步介绍了基于二维材料的神经形态器件在视觉、听觉以及触觉等领域的探索性应用.最后本文总结了当前研究领域面临的问题以及对未来应用前景的...     

基于有机/无机双层忆阻器的人工光电神经元

提出了一种基于Ag/IDTBT/ZnO/Si忆阻器的人工神经元器件,该器件开关比约为102～103且有较低的工作电压。该器件能够模拟泄漏集成点火的神经元模型。此外,研究了IDTBT浓度对人工神经元器件性能的影响。结果表明：IDTBT浓度的增加会导致薄膜厚度的增加,进而会使得神经元器件的阈值电压升高以及积分点火所需要的幅值电压变大。当有光照射之后,器件的阈值电压会明显降低。在器件储存了30天后重新测试,器件性能没有明显的变化,说明该器件具有良好的稳定性。本工作为促进神经形态系统的发展提供了有效的策略。     

忆阻器:一种具有革命性意义的技术

综述了忆阻器的发明,忆阻器是2 500年前古中国神秘主义哲学家给出的一个设想,其发明可媲美门捷列夫化学元素周期表、发现太阳系行星、发现"上帝粒子"、发现宇宙超对称、捕捉到黑能量。忆阻器被称为电路世界中的第四种基本电路元件,将对未来计算和电子工程等领域产生深远的影响。     

忆阻混沌电路的分析与实现

具有记忆功能的忆阻器是除电阻器、电容器和电感器之外的第四种基本二端电路元件. 提出了由φ-q平面上的一条三次单调上升的非线性曲线来确定的光滑磁控忆阻器,它有着斜"8"字形的类紧磁滞回线的伏安特性曲线. 采用此忆阻器和负电导构成的有源忆阻器替换蔡氏混沌电路中的蔡氏二极管,导出了一个基于忆阻器的混沌振荡电路. 此外,利用常规的运算放大器和乘法器等元器件给出了有源忆阻器的等效电路实现形式. 理论分析、数值仿真和电路仿真结果一致,均表明忆阻混沌电路的动力学行为依赖于忆阻器的初始状态,在不同初始状态下存在混沌振荡、周期振荡或稳定的汇等不同的运行轨道. 关键词： 忆阻器 混沌电路 初始状态 等效电路     

最简荷控型忆阻器混沌电路的设计及实现

利用惠普荷控型忆阻器、电感、电容和负电导串联设计了一类单回路忆阻器混沌电路.采用常规的动力学分析目的 研究系统的基本动力学特性,如平衡点稳定性分析、李雅普诺夫指数谱和分岔图等.数值仿真表明该系统在一个平衡点的情况下产生一类特殊的单涡卷混沌吸引子,且随系统参数的改变产生丰富复杂的混沌行为.为验证电路的正确性,利用Pspice进行相应电路仿真,仿真结果与理论分析、数值计算基本一致.     

具有感觉记忆的忆阻器模型

人类记忆的形成包括感觉记忆、短期记忆、长期记忆三个阶段,类似的记忆形成过程在不同材料忆阻器的实验研究中有过多次报道.这类忆阻器的记忆形成过程存在有、无感觉记忆的两种情况,已报道的这类忆阻器的数学模型仅能够描述无感觉记忆的忆阻器.本文在已有模型的基础上,根据有感觉记忆的忆阻器的研究文献中所报道的实验现象,设计了具有感觉记忆的忆阻器模型.对所设计模型的仿真分析验证了该模型对于存在感觉记忆的这类忆阻器特性的描述能力:对忆阻器施加连续脉冲激励,在初始若干脉冲作用时忆阻器无明显的记忆形成,此时忆阻器处于感觉记忆阶段,后续的脉冲作用下忆阻器将逐渐形成短期、长期记忆,并且所施加脉冲的幅值越大、宽度越大、间隔越小,则感觉记忆阶段所经历的脉冲数量越少.模型状态变量的物理意义可用连通两电极的导电通道在外加电压作用下的形成与消失来给出解释.