CN103078054B - 一种模拟生物神经元和神经突触的单元、装置及方法 - Google Patents

一种模拟生物神经元和神经突触的单元、装置及方法 Download PDF

Info

Publication number
CN103078054B
CN103078054B CN201310001461.6A CN201310001461A CN103078054B CN 103078054 B CN103078054 B CN 103078054B CN 201310001461 A CN201310001461 A CN 201310001461A CN 103078054 B CN103078054 B CN 103078054B
Authority
CN
China
Prior art keywords
pulse signal
function
material layer
resistance
state
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201310001461.6A
Other languages
English (en)
Other versions
CN103078054A (zh
Inventor
缪向水
李祎
钟应鹏
许磊
孙华军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201310001461.6A priority Critical patent/CN103078054B/zh
Priority to PCT/CN2013/070245 priority patent/WO2014106351A1/zh
Publication of CN103078054A publication Critical patent/CN103078054A/zh
Application granted granted Critical
Publication of CN103078054B publication Critical patent/CN103078054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • G06N3/065—Analogue means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Neurology (AREA)
  • Semiconductor Memories (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种基于硫系化合物的模拟生物神经元和神经突触的单元、装置及方法，该单元包括第一电极层、功能材料层和第二电极层。模拟神经元时，器件接受一个或多个电脉冲刺激，功能材料层的电阻从高阻态转变为低阻态，模拟神经元从一个静息态转变到激发态，实现阈值激发和能量累积激发功能。模拟神经突触时，器件功能材料层的电导能根据输入信号渐变，实现突触权重调节功能；以及根据两端输入信号的时间差改变其突触权重，实现脉冲时间依赖突触可塑性STDP功能。本发明能提供构成人工神经网络的基本元器件。

Description

一种模拟生物神经元和神经突触的单元、装置及方法
技术领域
本发明属于微电子器件技术领域，更具体地，涉及一种模拟生物神经元和神经突触的单元、装置及方法。
背景技术
基于冯诺依曼架构的传统计算机中，处理器与存储器是分立的，以总线连接。这样的架构存在所谓的“冯诺依曼瓶颈”，难以适应信息呈爆炸式增长的信息技术飞速发展的当今时代。
相比于冯诺依曼计算机，人脑神经信息活动具有大规模并行、分布式存储与处理、自组织、自适应和自学习的特征。传统的人工神经网络、神经形态工程学等领域的研究人员也一直致力于利用非线性电路、FPGA、VLSI等手段来模拟神经元电触发、突触可塑性等神经元突触的基本生物电特性以及更高级的模式识别、智能控制等认知功能。在这些方法中，仅模拟一个神经元、一个突触、一个学习模块就需要数十个晶体管、电容、加法器。然而，人的大脑中包括了多达~1011个神经元以及~1015个突触，神经元、突触之间的连接更是混沌的、无比复杂的。这种传统的神经形态工程办法对于模拟人类大脑，即使是小鼠大脑都是无能为力的，IBM利用“蓝色基因”超级计算机使用了147456个处理器架构神经元网络来模拟猫的大脑皮层认知功能。如果能在纳米器件中实现神经元的信号处理，那么模拟整个大脑所需器件集成起来的芯片尺寸、功耗才能在可实现范围之内。
构建神经网络涉及神经元和神经突触设计和制备。中国发明名称为：模拟生物神经元信息处理机制的信息处理方法及装置，公开号为CN101770560A的专利申请文件中所示的装置是基于CMOS集成电路，用多个晶体管构成一个神经元，集成密度不高，而且不涉及具有学习能力的神经突触功能。中国发明名称为：仿神经元突触结构的柔性三极管，公开号为CN1670963A的专利申请文件中所示的装置模拟神经元突触的结构，并没有实现神经元、神经突触的功能。
发明内容
针对现有技术的缺陷，本发明的目的在于提供能同时模拟生物神经元的功能和生物神经突触的功能的一种模拟神经元和神经突触的单元。
为实现上述目的，本发明提供了一种模拟生物神经元和神经突触的单元，包括第一电极层、与所述第一电极层连接的功能材料层，与所述功能材料层连接的第二电极层；所述第一电极层用于模拟突触后，所述第二电极层用于模拟突触前，所述功能材料层的材料为硫系化合物，所述功能材料层的电导用于模拟突触权重；通过给所述第一电极层施加第二脉冲信号来模拟突触后刺激，通过给所述第二电极层施加第一脉冲信号来模拟突触前刺激；所述功能材料层的电阻用于模拟生物神经元的激发态或静息态。
更进一步地，所述第一电极层用于接收外部的第二脉冲信号，所述第二电极层用于接收外部的第一脉冲信号；当所述第一脉冲信号的幅值与所述第二脉冲信号的幅值之间的差值为正或负时，所述功能材料层的电导发生改变实现了生物神经突触的突触权重调节功能的模拟；当所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为正或负时，所述功能材料层的电导发生改变实现了生物神经突触的脉冲时间依赖突触可塑性功能的模拟；当所述功能材料层的电阻从高阻态转换为低阻态实现了生物神经元阈值激发功能的模拟；当所述功能材料层的电阻从低阻态转变为高阻态实现了生物神经元从激发态恢复到静息态功能的模拟；当所述功能材料层的电阻从高阻态转变为低阻态的转变率增加实现了生物神经元的能量累积激发功能的模拟。
更进一步地，所述第一电极层和所述第二电极层的材料均为惰性导电金属。
更进一步地，所述第一电极层、所述功能材料层和所述第二电极层构成三明治叠层结构、T型结构、I型结构或金字塔型结构。
本发明还提供了一种模拟生物神经元和神经突触的装置，包括多个阵列排布的神经突触单元以及与所述神经突触单元连接的控制器，所述神经突触单元为上述的单元。
更进一步地，所述控制器用于给所述第一电极层施加第二脉冲信号，给所述第二电极层施加第一脉冲信号，并控制所述第一脉冲信号幅值与所述第二脉冲信号幅值之间的差值为正或负，并通过控制所述第一脉冲信号和所述第二脉冲信号的幅值大小来控制脉冲数目。
本发明还提供了一种模拟生物神经元和神经突触的方法，包括下述步骤：
在第一电极层上施加第二脉冲信号，在第二电极层上施加第一脉冲信号；
通过控制所述第一脉冲信号与所述第二脉冲信号使得所述功能材料层的电阻为高阻态转换为低阻态并模拟了生物神经元的阈值激发功能；
通过控制所述第一脉冲信号与所述第二脉冲信号使得所述功能材料层的电阻从低阻态恢复为高阻态并模拟了生物神经元从激发态恢复到静息态的功能；
通过控制所述第一脉冲信号与所述第二脉冲信号的幅值大小来改变所述功能材料层的电阻从高阻态转变为低阻态所需的脉冲数目并模拟了生物神经元的能量累积激发功能；
通过控制所述第一脉冲信号的幅值与所述第二脉冲信号的幅值之间的差值的正或负来调节所述功能材料层的电导的变化并模拟生物神经突触的突触权重调节功能；
通过控制所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为正或负来调节所述功能材料层的电导的变化并模拟生物神经突触的脉冲时间依赖突触可塑性功能。
更进一步地，所述模拟生物神经元的阈值激发功能具体为：当所述功能材料层的电阻的阻值大于第一电阻阈值模拟了生物神经元的静息态功能；当所述功能材料层的电阻的阻值小于第二电阻阈值时，模拟了生物神经元的激发态功能。
更进一步地，所述模拟生物神经元的阈值激发功能步骤具体为：
通过控制所述第一脉冲信号的幅值与所述第二脉冲信号的幅值之间的差值大于第一电压阈值且小于第二电压阈值，使得所述功能材料层的电阻从高阻态转变为低阻态，模拟了生物神经元从静息态转变成激发态功能；
通过控制所述第一脉冲信号的幅值与所述第二脉冲信号的幅值之间的差值大于第二电压阈值，使得所述功能材料层的电阻从低阻态恢复为高阻态，模拟了生物神经元从激发态恢复到静息态功能。
更进一步地，所述模拟生物神经元的能量累积激发功能步骤具体为：
通过控制所述第一脉冲信号的幅值与所述第二脉冲信号的幅值之间的差值小于第一电压阈值，使得所述功能材料层的电阻保持高阻态；并通过减小所述第一脉冲信号的幅值与所述第二脉冲信号的幅值控制所述第一脉冲信号与所述第二脉冲信号的脉冲数目增加，使得所述功能材料层的电阻从所述高阻态下降至所述第二电阻阈值，模拟了生物神经元的能量累积激发功能。
更进一步地，所述模拟生物神经突触的突触权重调节功能步骤具体为：
通过控制所述第一脉冲信号的幅值与所述第二脉冲信号的幅值之间的差值为正，使得所述功能材料层的电导减小，模拟了生物神经突触的突触权重下降功能；
通过控制所述第一脉冲信号与所述第二脉冲信号之间的差值为负，使得所述功能材料层的电导增大，模拟了生物神经突触的突触权重上升功能。
更进一步地，所述模拟生物神经突触的突触权重调节功能步骤还包括：
通过控制所述第一脉冲信号的幅值与所述第二脉冲信号的幅值之间的正差值的幅值增强，使得所述功能材料层的电导减小得越慢，模拟了生物神经突触的突触权重下降得越慢的功能；
通过控制所述第一脉冲信号与所述第二脉冲信号之间的负差值的幅值增强，使得所述功能材料层的电导的增大得越快，模拟了生物神经突触的突触权重上升得越快的功能。
更进一步地，所述模拟生物神经突触的脉冲时间依赖突触可塑性功能步骤包括：
控制所述第一脉冲信号与所述第二脉冲信号的时间差大于零并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为负，所述功能材料层的电导增大，模拟了生物神经突触的突触权重增大的功能；
控制所述第一脉冲信号与所述第二脉冲信号的时间差小于零并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为正，所述功能材料层的电导减小，模拟了生物神经突触的突触权重较小的功能。
更进一步地，所述模拟生物神经突触的脉冲时间依赖突触可塑性功能步骤包括：
控制所述第一脉冲信号与所述第二脉冲信号的时间差大于零并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为正，所述功能材料层的电导减小，模拟了生物神经突触的突触权重减小的功能；
控制所述第一脉冲信号与所述第二脉冲信号的时间差小于零并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为负，所述功能材料层的电导增大，模拟了生物神经突触的突触权重增大的功能。
更进一步地，所述模拟生物神经突触的脉冲时间依赖突触可塑性功能步骤包括：
控制所述第一脉冲信号与所述第二脉冲信号的时间差的绝对值小于所述第二脉冲信号宽度的四分之一并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为负，所述功能材料层的电导增大，模拟了生物神经突触的突触权重增大的功能；
控制所述第一脉冲信号与所述第二脉冲信号的时间差的绝对值大于等于所述第二脉冲信号宽度的四分之一并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为正，所述功能材料层的电导减小，模拟了生物神经突触的突触权重减小的功能。
更进一步地，所述模拟生物神经突触的脉冲时间依赖突触可塑性功能步骤包括：
控制所述第一脉冲信号与所述第二脉冲信号的时间差的绝对值小于所述第二脉冲信号宽度的二分之一并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值大于所述第一脉冲信号的峰值，所述功能材料层的电导减小，模拟了生物神经突触的突触权重减小的功能；
控制所述第一脉冲信号与所述第二脉冲信号的时间差的绝对值大于等于所述第二脉冲信号宽度的二分之一并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为小于等于所述第一脉冲信号的峰值，所述功能材料层的电导不变，模拟了生物神经突触的突触权重不变的功能。
本发明提供的模拟生物神经元和神经突触的单元能很好的模拟生物神经元的阈值激发功能、从激发态恢复到静息态的功能和能量累积激发功能，以及生物神经突触的突触权重调节功能和脉冲时间依赖突触可塑性功能；且在单一器件内同时实现神经元和神经突触的功能，为构建神经网络提供功耗低、尺寸小的基本元件。
附图说明
图1是本发明实施例提供的模拟生物神经元和神经突触的装置的结构示意图；
图2（a）是本发明实施例1提供的模拟生物神经元和神经突触的单元的结构示意图；
图2（b）是本发明实施例1提供的模拟生物神经元受激发和恢复静息测试；
图2（c）、图2（d）是本发明实施例1提供的模拟生物神经元受多个阈值下刺激受激发测试；
图2（e）是本发明实施例1提供的模拟生物神经突触权重调节测试；
图2（f）、图2（g）是本发明实施例1提供的模拟生物神经突触奇对称Ⅰ型STDP功能测试；
图2（h）、图2（i）是本发明实施例1提供的模拟生物神经突触奇对称Ⅱ型STDP功能测试；
图2（j）、图2（k）是本发明实施例1提供的模拟生物神经突触偶对称ⅠSTDP功能测试；
图2（l）、图2（m）是本发明实施例1提供的模拟生物神经突触偶对称Ⅱ型STDP功能测试；
图3（a）本发明实施例2提供的模拟生物神经元和神经突触的单元的结构示意图；
图3（b）本发明实施例2提供的模拟生物神经元受激发和恢复静息测试；
图3（c）本发明实施例2提供的模拟生物神经突触权重调节测试；
图4（a）本发明实施例3提供的模拟生物神经元和神经突触单元的结构示意图；
图4（b）本发明实施例3提供的模拟神经元受激发和恢复静息测试；
图4（c）本发明实施例3提供的模拟神经突触权重调节测试。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供了一种基于硫系化合物的纳米器件，能够作为人工神经元以及人工神经突触应用于人工神经网络电路或认知存储技术。该器件作为人工神经元作用时，能模拟实现生物神经元的阈值激发功能；作为人工神经突触作用时，能模拟实现生物神经突触的突触可塑性调节功能。
硫系化合物作为一种存储介质，能够在外界施加的光脉冲、电脉冲作用下，在非晶态与晶态之间可逆转变，两态间的反射率差异和电阻率差异用于存储“0”和“1”，已被广泛成熟地研究于应用于相变光盘和相变随机存储器，具有非挥发性、操作速度快、功耗小、可靠性高和易于与COMS电路集成等优点。非晶态的硫系化合物所具有的能量累积阈值相变特性可以用来模拟神经元的阈值激发特性类似；硫系化合物随电脉冲刺激的阻值渐变特性又可以用来模拟神经突触的权重调节。
本发明的神经元器件能模拟生物神经元的功能，包括(1)该神经元能对多种不同的输入作出相应的响应；(2)对于超过阈值（0.5~3V）的输入，该神经元能受激发；(3)对于不超过阈值的输入，当多个不超过阈值的输入累积超过阈值时，该神经元能受激发；(4)该神经元能从激发态恢复到静息态。同时还能模拟生物神经突触的功能，包括(1)能调节突触的权重；(2)突触权重可根据突触前后脉冲的时间差改变，即实现脉冲时间依赖的可塑性(STDP)功能。
本发明实施例提供的模拟生物神经元和神经突触的单元包括第一电极层、与所述第一电极层连接的功能材料层，与所述功能材料层连接的第二电极层；所述第一电极层用于模拟突触前，所述第二电极层用于模拟突触后，所述功能材料层的电导用于模拟突触权重；通过给所述第一电极层施加第二脉冲信号来模拟突触前刺激，通过给所述第二电极层施加第一脉冲信号来模拟突触后刺激；所述第一电极层用于接收外部的第二脉冲信号，所述第二电极层用于接收外部的第一脉冲信号；当所述第二脉冲信号的幅值与所述第一脉冲信号的幅值之间的差值为正或负时，所述功能材料层的电导发生改变实现了生物神经突触的突触权重调节功能的模拟；当所述第二脉冲信号与所述第一脉冲信号之间的信号差峰值为正或负时，所述功能材料层的电导发生改变实现了生物神经突触的脉冲时间依赖突触可塑性（STDP）功能的模拟；当所述功能材料层的电阻为高阻态或低阻态实现了生物神经元的阈值激发功能的模拟；当所述功能材料层的电阻从高阻态转变为低阻态或从低阻态恢复为高阻态实现了生物神经元从激发态恢复到静息态功能的模拟；当所述功能材料层的电阻从高阻态转变为低阻态的转变率增加实现了生物神经元的能量累积激发功能的模拟。
作为本发明的一个实施例，第一电极层和第二电极层的材料均为惰性导电金属，如铂（Pt）、钛钨（TiW）和钽（Ta）等；功能材料层的材料为硫系化合物，如Ge2Sb2Te5、Sb2Te3、GeTe、BiTe和AgInSbTe等。由第一电极层、功能材料层和第二电极层构成的单元可以为三明治叠层结构、T型结构、I型结构或金字塔型结构。
在本发明实施例中，该神经元器件为一两端电阻器件，应该至少具有一个（高电阻态）静息态和一个（低电阻态）激发态。当该神经元从静息态转变为激发态时，通过该神经元器件的电流迅速增大，该神经元器件被激发。该神经元器件能一直保持高电阻，处于静息态，直到被施加一个能量足够大、超过阈值的电信号输入，该神经元转变到激发态。该神经元处于静息态，当被施加一个能量不超过阈值的电信号时，该神经元仍然保持在静息态；当若干个如此的电信号作用于该神经元后，能量积累达到阈值，该神经元从静息态转变为激发态，电阻明显下降。该神经元处于在静息态，当被施加一系列能量相同，但均不超过阈值的电信号时，单个电信号能量越小，该神经元从静息态转变到激发态所需的电信号个数越多。该神经元器件能实现生物神经元的阈值激发功能，和能量累积激发功能。该神经突触器件具有多个阻态，其电阻值根据通过它的电流的方向而改变，正向电流使其电阻上升，反向电流使其电阻下降。但当电流小于一定阈值时，其电阻不发生变化。可以通过设计突触前后脉冲信号，实现四种STDP(spike-timing dependent plasticity刺激时间依赖突触可塑性)功能。该神经突触器件能实现生物神经突触的权重调节功能和STDP功能。
在本发明实施例中，神经突触器件的第二电极是突触前，第一电极是突触后。施加在突触前的刺激信号为突触前刺激，施加在突触后的刺激信号为突触后刺激。Δt为前后突触刺激的时间差，当前突触刺激先于后突触刺激，Δt>0；当前突触刺激后于后突出，Δt<0。突触权重W=1/R，R为神经突触器件的电阻，ΔW为刺激作用前后，突触权重的改变量。
图1示出了本发明实施例提供的模拟生物神经元和神经突触的装置的结构，该装置包括多个阵列排布的神经突触单元以及与所述神经突触单元连接的控制器，神经突触单元为上述的单元，控制器用于给第一电极层施加第二脉冲信号，给第二电极层施加第一脉冲信号，并控制第二脉冲信号幅值与所述第一脉冲信号幅值之间的差值为正或负，控制第二脉冲信号与所述第一脉冲信号之间的信号差峰值为正或负；并控制第二脉冲信号和第一脉冲信号的脉冲数目。
为了更进一步地说明本发明实施例提供的模拟生物神经元和神经突触的单元，现以具体实例并结合附图详述如下：
图2（a）示出了本发明实施例1提供的模拟生物神经元和神经突触的单元的结构；参考图2（a），本发明提供的神经元器件包括第一电极101、第二电极103和第一电极101和第二电极103之间硫系化合物材料102。第一电极101和硫系化合物材料102、硫系化合物材料102和第二电极103形成电接触。其中第一电极101和第二电极103为钛钨（TiW），硫系化合物材料102为锗锑碲（Ge2Sb2Te5）。
图2（b）是示出根据本实施例的测试，实现神经元的阈值激发功能，以及从激发态恢复到静息态的功能。其中输入信号施加在第二电极103上，第一电极101接地，电阻202为第一电极101与第二电极103之间的电阻。参考图2（b），神经元器件的电阻至少包括两个态，第一个是非晶态高阻态，其电阻值大于第一电阻阈值（100kΩ），模拟神经元的静息态；第一个是晶态低阻态，其电阻值小于第二电阻阈值（10kΩ），模拟神经元的激发态。当输入的脉冲信号超过第一电压阈值（1V）而低于第二电压阈值（2V），如脉冲信号201，电阻从高阻态转变成低阻态；当输入的脉冲信号超过第二阈值，如脉冲信号202，电阻从低阻态转变成高阻态。神经元器件受到超过阈值的刺激，从静息态（高阻态）转变成激发态（低阻态），并且能从激发态（低阻态）恢复到静息态（高阻态），实现生物神经元阈值激发功能，和恢复静息态的功能。
图2（c）和图2（d）是示出根据本实施例的另一测试，实现神经元的能量积累激发功能。其中输入信号施加在第二电极103上，第一电极101接地，电阻为第一电极101与第二电极103之间的电阻。参考图2（c），神经元器件原本处于静息态（高阻态），其电阻值大于第一电阻阈值。当输入的脉冲信号小于第一电压阈值时，神经元器件的电阻不会明显变化，能维持在高阻态。当小于第一电压阈值的脉冲信号达到一定数目后，神经元器件的电阻迅速下降至小于第二电阻阈值的低阻态，即能模拟神经元被激发。参考图2（d），当输入的脉冲信号进一步减小时，使神经元器件从高阻态转变成低阻态所需的脉冲数目增加。实现生物神经元的能量累积激发功能。
图2（e）是示出根据本实施例的另一测试，实现神经突触的突触权重调节功能。其中输入信号施加在第二电极103上，第一电极101接地，电阻为第一电极101与第二电极103之间的电阻。参考图2（e），表示神经突触权重的电阻有多个电阻值，能随输入信号而改变。当输入脉冲信号为正，电阻增大；当输入脉冲信号为负，电阻减小。正脉冲信号幅值越大，电阻越大；负脉冲信号越小，电阻越小。电阻增大即突触权重减小，电阻减小即突触权重增大。实现生物神经突触的突触权重调节功能。
图2（f）和图2（g）是示出根据本实施例的另一测试，实现神经突触奇对称Ⅰ型STDP功能。其中突触前刺激信号施加在第二电极103上，突触后刺激信号施加在第一电极101上，突触前后信号差为第二电极103与第一电极101之间的信号差。参考图2（f），当Δt>0，突触前刺激与突触后刺激之差的峰值301为负，在此组突触前后刺激作用下，神经突触器件的电阻下降，突触权重上升。当Δt<0，突触前刺激与突触后刺激之差的峰值302为正，在此组突触前后刺激作用下，神经突触器件的电阻上升，突触权重下降。参考图图2（g），在突触前后刺激的共同作用下，当Δt>0时，器件电阻下降，突触权重上升，ΔW>0，并且ΔW随Δt指数衰减；当Δt<0时，器件电阻上升，突触权重下降，ΔW<0，并且ΔW随Δt指数衰减。实现生物神经突触奇对称Ⅰ型STDP功能。
图2（h）和图2（i）是示出根据本实施例的另一测试，实现神经突触的奇对称Ⅱ型STDP功能。其中突触前刺激信号施加在第二电极103上，突触后刺激信号施加在第一电极101上，突触前后信号差为第二电极103与第一电极101之间的信号差。参考图2（h），当Δt>0，突触前刺激与突触后刺激之差的峰值303为正，在此组突触前后刺激作用下，神经突触器件的电阻上升，突触权重下降。当Δt<0，突触前刺激与突触后刺激之差的峰值304为负，在此组突触前后刺激作用下，神经突触器件的电阻下降，突触权重上升。参考图图2（i），在突触前后刺激的共同作用下，当Δt>0时，器件电阻上升，突触权重下降，ΔW<0，并且ΔW随Δt指数衰减；当Δt<0时，器件电阻下降，突触权重上升，ΔW>0，并且ΔW随Δt指数衰减。实现生物神经突触的奇对称Ⅱ型STDP功能。
图2（j）和图2（k）是示出根据本实施例的另一测试，实现神经突触的偶对称Ⅰ型STDP功能。其中突触前刺激信号施加在第二电极103上，突触后刺激信号施加在第一电极101上，突触前后信号差为第二电极103与第一电极101之间的信号差。参考图2（j），当Δt较大（Δt的绝对值大于突触后刺激脉冲宽度的一半），突触前刺激与突触后刺激之差的峰值305为正，在此组突触前后刺激作用下，神经突触器件的电阻上升，突触权重下降。当Δt较小（Δt的绝对值小于等于突触后刺激脉冲宽度的一半），突触前刺激与突触后刺激之差的峰值306为正，在此组突触前后刺激作用下，神经突触器件的电阻下降，突触权重上升。参考图图2（k），在突触前后刺激的共同作用下，当Δt较大时时，器件电阻上升，突触权重下降，ΔW<0；当Δt较小时，器件电阻下降，突触权重上升，ΔW>0。并且ΔW随Δt呈垂直平移正态分布。实现生物神经突触偶对称Ⅰ型STDP功能。
图2（l）和图2（m）是示出根据本实施例的另一测试，实现神经突触的偶对称Ⅱ型STDP功能。其中突触前刺激信号施加在第二电极103上，突触后刺激信号施加在第一电极101上，突触前后信号差为第二电极103与第一电极101之间的信号差。参考图2（l），当Δt较大（Δt的绝对值大于突触后刺激脉冲宽度的四分之一），突触前刺激与突触后刺激之差的峰值307小于突触前刺激脉冲峰值的1.5倍，在此组突触前后刺激作用下，神经突触器件的电阻不变，突触权重不变。当Δt较小（Δt的绝对值小于等于突触后刺激脉冲宽度的四分之一），突触前刺激与突触后刺激之差的峰值308大于突触前刺激脉冲峰值的1.5倍，在此组突触前后刺激作用下，神经突触器件的电阻上升，突触权重下降。参考图图2（m），在突触前后刺激的共同作用下，当Δt较大时时，器件电阻不变，突触权重不变；当Δt较小时，器件电阻上升，突触权重下降，ΔW<0。并且ΔW随Δt呈负向正态分布。实现生物神经突触偶对称Ⅱ型STDP功能。
图3（a）示出了本发明实施例2提供的模拟生物神经元和神经突触的单元的结构；参考图3（a），本发明的神经元器件包括第一电极101、第二电极103、绝缘层104和第一电极101和第二电极103之间硫系化合物材料102第一电极101和硫系化合物材料102、硫系化合物材料102和第二电极103形成电接触。其中第一电极101和第二电极103为铂（Pt），硫系化合物材料102为碲化锗（GeTe），绝缘层104材料为二氧化硅（SiO2）。器件结构呈T型。
图3（b）是示出根据实施例2的测试，实现神经元的阈值激发功能，以及从激发态恢复到静息态的功能。其中输入信号施加在第二电极103上，第一电极101接地，电阻202为第一电极101与第二电极103之间的电阻。参考图3（b），神经元器件的电阻至少包括两个态，第一个是非晶态高阻态，其电阻值大于第一电阻阈值（110kΩ），模拟神经元的静息态；第一个是晶态低阻态，其电阻值小于第二电阻阈值（11kΩ），模拟神经元的激发态。当输入的脉冲信号超过第一电压阈值（1.2V）而低于第二电压阈值（2.5V），如脉冲信号501，电阻从高阻态转变成低阻态；当输入的脉冲信号超过第二电压阈值，如脉冲信号502，电阻从低阻态转变成高阻态。神经元器件受到超过阈值的刺激，从静息态（高阻态）转变成激发态（低阻态），并且能从激发态（低阻态）恢复到静息态（高阻态），实现生物神经元阈值激发功能，和恢复静息态的功能。同理，本实施例2也能实现神经元的能量积累激发功能，在此不再赘述。
图3（c）是示出根据实施例2的另一测试，实现神经突触的突触权重调节功能。其中输入信号施加在第二电极103上，第一电极101接地，电阻为第一电极101与第二电极103之间的电阻。参考图3（c），表示神经突触权重的电阻有多个电阻值，能随输入信号而改变。当输入脉冲信号为正，电阻增大；当输入脉冲信号为负，电阻减小。正脉冲信号幅值越大，电阻越大；负脉冲信号越小，电阻越小。电阻增大即突触权重减小，电阻减小即突触权重增大。实现生物神经突触的突触权重调节功能。同理，本实施例也能实现神经突触的STDP功能，在此不再赘述。
图4（a）示出了本发明实施例3提供的模拟生物神经元和神经突触的的单元的结构；参考图4（a），本发明的神经元器件包括第一电极101、第二电极103、绝缘层104和第一电极101和第二电极103之间硫系化合物材料102第一电极101和硫系化合物材料102、硫系化合物材料102和第二电极103形成电接触。其中第一电极101和第二电极103为钽（Ta），硫系化合物材料102为碲化锑（Sb2Te3），绝缘层104材料为二氧化硅（SiO2）。器件结构呈I型。
图4（b）是示出根据实施例3的测试，实现神经元的阈值激发功能，以及从激发态恢复到静息态的功能。其中输入信号施加在第二电极103上，第一电极101接地，电阻202为第一电极101与第二电极103之间的电阻。参考图4（b），神经元器件的电阻至少包括两个态，第一个是非晶态高阻态，其电阻值大于第一电阻阈值（90kΩ），模拟神经元的静息态；第一个是晶态低阻态，其电阻值小于第二电阻阈值（9kΩ），模拟神经元的激发态。当输入的脉冲信号超过第一电压阈值（0.8V）而低于第二电压阈值（1.5V），如脉冲信号801，电阻从高阻态转变成低阻态；当输入的脉冲信号超过第二电压阈值，如脉冲信号802，电阻从低阻态转变成高阻态。神经元器件受到超过阈值的刺激，从静息态（高阻态）转变成激发态（低阻态），并且能从激发态（低阻态）恢复到静息态（高阻态），实现生物神经元阈值激发功能，和恢复静息态的功能。同理，本实施例也能实现神经元的能量积累激发功能，在此不再赘述。
图4（c）是示出根据实施例3的另一测试，实现神经突触的突触权重调节功能。其中输入信号施加在第二电极103上，第一电极101接地，电阻为第一电极101与第二电极103之间的电阻。参考图4（c），表示神经突触权重的电阻有多个电阻值，能随输入信号而改变。当输入脉冲信号为正，电阻增大；当输入脉冲信号为负，电阻减小。正脉冲信号幅值越大，电阻越大；负脉冲信号越小，电阻越小。电阻增大即突触权重减小，电阻减小即突触权重增大。实现生物神经突触的突触权重调节功能。同理，本实施例也能实现神经突触的STDP功能，在此不再赘述。
本发明实施例提供的模拟生物神经突触的单元还可以模拟神经突触的脉冲时间依赖突触可塑性功能的其它多种STDP功能，在此不再一一详述。
本发明提供的单元、装置和方法均能很好的模拟生物神经元的阈值激发功能、从激发态恢复到静息态的功能和能量累积激发功能，以及生物神经突触的突触权重调节功能和脉冲时间依赖突触可塑性功能。为了节省篇幅，在此不再一一穷举。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (15)

1.一种模拟生物神经元和神经突触的单元，其特征在于，包括第一电极层、与所述第一电极层连接的功能材料层，与所述功能材料层连接的第二电极层；
所述第一电极层用于模拟突触后，所述第二电极层用于模拟突触前，所述功能材料层的材料为硫系化合物，所述功能材料层的电导用于模拟突触权重；通过给所述第一电极层施加第二脉冲信号来模拟突触后刺激，通过给所述第二电极层施加第一脉冲信号来模拟突触前刺激；所述功能材料层的电阻用于模拟生物神经元的激发态或静息态；
所述第一电极层用于接收外部的第二脉冲信号，所述第二电极层用于接收外部的第一脉冲信号；当所述第一脉冲信号的幅值与所述第二脉冲信号的幅值之间的差值为正或负时，所述功能材料层的电导发生改变实现了生物神经突触的突触权重调节功能的模拟；当所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为正或负时，所述功能材料层的电导发生改变实现了生物神经突触的脉冲时间依赖突触可塑性功能的模拟；当所述功能材料层的电阻从高阻态转换为低阻态实现了生物神经元阈值激发功能的模拟；当所述功能材料层的电阻从低阻态转变为高阻态实现了生物神经元从激发态恢复到静息态功能的模拟；当所述功能材料层的电阻从高阻态转变为低阻态的转变率增加实现了生物神经元的能量累积激发功能的模拟。
2.如权利要求1所述的单元，其特征在于，所述第一电极层和所述第二电极层的材料均为惰性金属。
3.如权利要求1所述的单元，其特征在于，所述第一电极层、所述功能材料层和所述第二电极层构成三明治叠层结构、T型结构、I型结构或金字塔型结构。
4.一种模拟生物神经元和神经突触的装置，包括多个阵列排布的模拟生物神经元和神经突触的单元以及与其连接的控制器，其特征在于，所述模拟生物神经元和神经突触的单元为权利要求1-3任一项所述的单元。
5.如权利要求4所述的装置，其特征在于，所述控制器用于给所述第一电极层施加第二脉冲信号，给所述第二电极层施加第一脉冲信号，并控制所述第一脉冲信号幅值与所述第二脉冲信号幅值之间的差值为正或负，并通过控制所述第一脉冲信号和所述第二脉冲信号的幅值大小来控制脉冲数目。
6.一种基于权利要求1-3任一项所述的单元模拟生物神经元和神经突触的方法，其特征在于，包括下述步骤：
在第一电极层上施加第二脉冲信号，在第二电极层上施加第一脉冲信号；
通过控制所述第一脉冲信号与所述第二脉冲信号使得功能材料层的电阻为高阻态转换为低阻态并模拟了生物神经元的阈值激发功能；
通过控制所述第一脉冲信号与所述第二脉冲信号使得所述功能材料层的电阻从低阻态恢复为高阻态并模拟了生物神经元从激发态恢复到静息态的功能；
通过控制所述第一脉冲信号与所述第二脉冲信号的幅值大小来改变所述功能材料层的电阻从高阻态转变为低阻态所需的脉冲数目并模拟了生物神经元的能量累积激发功能；
通过控制所述第一脉冲信号的幅值与所述第二脉冲信号的幅值之间的差值的正或负来调节所述功能材料层的电导的变化并模拟生物神经突触的突触权重调节功能；
通过控制所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为正或负来调节所述功能材料层的电导的变化并模拟生物神经突触的脉冲时间依赖突触可塑性功能。
7.如权利要求6所述的方法，其特征在于，所述模拟生物神经元的阈值激发功能具体为：当所述功能材料层的电阻的阻值大于第一电阻阈值模拟了生物神经元的静息态功能；当所述功能材料层的电阻的阻值小于第二电阻阈值时，模拟了生物神经元的激发态功能。
8.如权利要求6或7所述的方法，其特征在于，所述模拟生物神经元的阈值激发功能步骤具体为：
通过控制所述第一脉冲信号的幅值与所述第二脉冲信号的幅值之间的差值大于第一电压阈值且小于第二电压阈值，使得所述功能材料层的电阻从高阻态转变为低阻态，模拟了生物神经元从静息态转变成激发态功能；
通过控制所述第一脉冲信号的幅值与所述第二脉冲信号的幅值之间的差值大于第二电压阈值，使得所述功能材料层的电阻从低阻态恢复为高阻态，模拟了生物神经元从激发态恢复到静息态功能。
9.如权利要求6所述的方法，其特征在于，所述模拟生物神经元的能量累积激发功能步骤具体为：
通过控制所述第一脉冲信号的幅值与所述第二脉冲信号的幅值之间的差值小于第一电压阈值，使得所述功能材料层的电阻保持高阻态；并通过减小所述第一脉冲信号的幅值与所述第二脉冲信号的幅值控制所述第一脉冲信号与所述第二脉冲信号的脉冲数目增加，使得所述功能材料层的电阻从所述高阻态下降至第二电阻阈值，模拟了生物神经元的能量累积激发功能。
10.如权利要求6所述的方法，其特征在于，所述模拟生物神经突触的突触权重调节功能步骤具体为：
通过控制所述第一脉冲信号的幅值与所述第二脉冲信号的幅值之间的差值为正，使得所述功能材料层的电导减小，模拟了生物神经突触的突触权重下降功能；
通过控制所述第一脉冲信号与所述第二脉冲信号之间的差值为负，使得所述功能材料层的电导增大，模拟了生物神经突触的突触权重上升功能。
11.如权利要求10所述的方法，其特征在于，所述模拟生物神经突触的突触权重调节功能步骤还包括：
通过控制所述第一脉冲信号的幅值与所述第二脉冲信号的幅值之间的正差值的幅值增强，使得所述功能材料层的电导减小得越慢，模拟了生物神经突触的突触权重下降得越慢的功能；
通过控制所述第一脉冲信号与所述第二脉冲信号之间的负差值的幅值增强，使得所述功能材料层的电导的增大得越快，模拟了生物神经突触的突触权重上升得越快的功能。
12.如权利要求6所述的方法，其特征在于，所述模拟生物神经突触的脉冲时间依赖突触可塑性功能步骤包括：
控制所述第一脉冲信号与所述第二脉冲信号的时间差大于零并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为负，所述功能材料层的电导增大，模拟了生物神经突触的突触权重增大的功能；
控制所述第一脉冲信号与所述第二脉冲信号的时间差小于零并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为正，所述功能材料层的电导减小，模拟了生物神经突触的突触权重较小的功能。
13.如权利要求6所述的方法，其特征在于，所述模拟生物神经突触的脉冲时间依赖突触可塑性功能步骤包括：
控制所述第一脉冲信号与所述第二脉冲信号的时间差大于零并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为正，所述功能材料层的电导减小，模拟了生物神经突触的突触权重减小的功能；
控制所述第一脉冲信号与所述第二脉冲信号的时间差小于零并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为负，所述功能材料层的电导增大，模拟了生物神经突触的突触权重增大的功能。
14.如权利要求6所述的方法，其特征在于，所述模拟生物神经突触的脉冲时间依赖突触可塑性功能步骤包括：
控制所述第一脉冲信号与所述第二脉冲信号的时间差的绝对值小于所述第二脉冲信号宽度的四分之一并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为负，所述功能材料层的电导增大，模拟了生物神经突触的突触权重增大的功能；
控制所述第一脉冲信号与所述第二脉冲信号的时间差的绝对值大于等于所述第二脉冲信号宽度的四分之一并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为正，所述功能材料层的电导减小，模拟了生物神经突触的突触权重减小的功能。
15.如权利要求6所述的方法，其特征在于，所述模拟生物神经突触的脉冲时间依赖突触可塑性功能步骤包括：
控制所述第一脉冲信号与所述第二脉冲信号的时间差的绝对值小于所述第二脉冲信号宽度的二分之一并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值大于所述第一脉冲信号的峰值，所述功能材料层的电导减小，模拟了生物神经突触的突触权重减小的功能；
控制所述第一脉冲信号与所述第二脉冲信号的时间差的绝对值大于等于所述第二脉冲信号宽度的二分之一并调整所述第一脉冲信号和所述第二脉冲信号的形状，使得所述第一脉冲信号与所述第二脉冲信号之间的信号差峰值为小于等于所述第一脉冲信号的峰值，所述功能材料层的电导不变，模拟了生物神经突触的突触权重不变的功能。
CN201310001461.6A 2013-01-04 2013-01-04 一种模拟生物神经元和神经突触的单元、装置及方法 Active CN103078054B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201310001461.6A CN103078054B (zh) 2013-01-04 2013-01-04 一种模拟生物神经元和神经突触的单元、装置及方法
PCT/CN2013/070245 WO2014106351A1 (zh) 2013-01-04 2013-01-09 一种模拟生物神经元和神经突触的单元、装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310001461.6A CN103078054B (zh) 2013-01-04 2013-01-04 一种模拟生物神经元和神经突触的单元、装置及方法

Publications (2)

Publication Number Publication Date
CN103078054A CN103078054A (zh) 2013-05-01
CN103078054B true CN103078054B (zh) 2015-06-03

Family

ID=48154522

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310001461.6A Active CN103078054B (zh) 2013-01-04 2013-01-04 一种模拟生物神经元和神经突触的单元、装置及方法

Country Status (2)

Country Link
CN (1) CN103078054B (zh)
WO (1) WO2014106351A1 (zh)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103078055B (zh) * 2013-01-04 2015-06-03 华中科技大学 一种模拟生物神经突触的单元、装置及方法
US9418331B2 (en) * 2013-10-28 2016-08-16 Qualcomm Incorporated Methods and apparatus for tagging classes using supervised learning
CN103530690A (zh) * 2013-10-31 2014-01-22 中国科学院上海微系统与信息技术研究所 一种神经元器件及神经网络
CN111353590A (zh) * 2014-07-21 2020-06-30 徐志强 具有stdp突触可塑性的突触模拟方法及装置
CN104518088A (zh) * 2014-11-25 2015-04-15 中国科学院宁波材料技术与工程研究所 一种生物神经突触仿生电子器件的制备方法及其产品
CN104888346B (zh) * 2014-12-21 2020-10-13 徐志强 对昏迷大脑进行神经刺激的方法及装置
US10217046B2 (en) * 2015-06-29 2019-02-26 International Business Machines Corporation Neuromorphic processing devices
CN105046325B (zh) * 2015-07-06 2017-12-15 电子科技大学 一种基于类mos发光器件模拟生物神经网络的电路
CN106137193B (zh) * 2016-07-29 2023-03-17 普罗朗生物技术（无锡）有限公司 人体生物电导多值模拟器
CN107122828B (zh) * 2017-05-09 2020-05-05 清华大学 电路结构及其驱动方法、神经网络
TWI625681B (zh) * 2017-05-11 2018-06-01 國立交通大學 神經網路處理系統
US11270194B2 (en) * 2017-07-26 2022-03-08 International Business Machines Corporation System and method for constructing synaptic weights for artificial neural networks from signed analog conductance-pairs of varying significance
CN107909146B (zh) * 2017-11-13 2021-09-17 中国科学院微电子研究所 基于易失性阈值转变器件的神经元电路
US11620500B2 (en) * 2018-01-11 2023-04-04 Winbond Electronics Corp. Synapse system and synapse method to realize STDP operation
CN108549932B (zh) * 2018-03-22 2021-09-14 清华大学 一种基于液态金属的类脑拟神经器件
CN108985447B (zh) * 2018-06-15 2020-10-16 华中科技大学 一种硬件脉冲神经网络系统
CN109325596B (zh) * 2018-09-17 2024-03-26 中国传媒大学 一种基于钙浓度的神经突触可塑性计算方法
CN109460819B (zh) * 2018-10-25 2022-04-29 清华大学 一种用于模拟生物体光突触的方法及器件
KR102251765B1 (ko) * 2018-12-19 2021-05-14 한양대학교 산학협력단 뉴런 및 이를 포함하는 뉴로모픽 시스템
TWI709090B (zh) * 2019-08-30 2020-11-01 阿證科技股份有限公司 類神經人工智慧決策網路核心系統及其資訊處理方法
WO2021092901A1 (zh) * 2019-11-15 2021-05-20 江苏时代全芯存储科技股份有限公司 类神经电路以及运作方法
CN113517391B (zh) * 2020-09-24 2024-02-02 中国科学院微电子研究所 全忆阻器基的神经形态计算芯片及制备方法
CN113241369B (zh) * 2021-04-29 2022-05-06 齐鲁工业大学 一种支持孤波传导的模拟神经纤维的pn微米线
CN113723602A (zh) * 2021-09-01 2021-11-30 哈尔滨工程大学 一种光纤结构的神经突触方案
CN117613100A (zh) * 2024-01-19 2024-02-27 西交利物浦大学 基于金属有机框架的具有滤波特性的神经元及其制备方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1447457A (zh) * 2002-03-27 2003-10-08 夏普株式会社 集成电路装置及神经元
CN101669130A (zh) * 2007-04-19 2010-03-10 惠普开发有限公司 计算节点和包含动态纳米器件连接的计算节点网络
TW201214307A (en) * 2010-07-07 2012-04-01 Qualcomm Inc Communication and synapse training method and hardware for biologically inspired networks
CN102456157A (zh) * 2010-10-20 2012-05-16 北京大学 神经元器件和神经网络
CN102496385A (zh) * 2011-12-26 2012-06-13 电子科技大学 一种脉冲时序活动性转换电路

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6141241A (en) * 1998-06-23 2000-10-31 Energy Conversion Devices, Inc. Universal memory element with systems employing same and apparatus and method for reading, writing and programming same
US7392230B2 (en) * 2002-03-12 2008-06-24 Knowmtech, Llc Physical neural network liquid state machine utilizing nanotechnology
JP5630021B2 (ja) * 2010-01-19 2014-11-26 ソニー株式会社 記憶素子および記憶装置
US9269042B2 (en) * 2010-09-30 2016-02-23 International Business Machines Corporation Producing spike-timing dependent plasticity in a neuromorphic network utilizing phase change synaptic devices

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1447457A (zh) * 2002-03-27 2003-10-08 夏普株式会社 集成电路装置及神经元
CN101669130A (zh) * 2007-04-19 2010-03-10 惠普开发有限公司 计算节点和包含动态纳米器件连接的计算节点网络
TW201214307A (en) * 2010-07-07 2012-04-01 Qualcomm Inc Communication and synapse training method and hardware for biologically inspired networks
CN102456157A (zh) * 2010-10-20 2012-05-16 北京大学 神经元器件和神经网络
CN102496385A (zh) * 2011-12-26 2012-06-13 电子科技大学 一种脉冲时序活动性转换电路

Also Published As

Publication number Publication date
WO2014106351A1 (zh) 2014-07-10
CN103078054A (zh) 2013-05-01

Similar Documents

Publication Publication Date Title
CN103078054B (zh) 一种模拟生物神经元和神经突触的单元、装置及方法
Suri et al. Phase change memory as synapse for ultra-dense neuromorphic systems: Application to complex visual pattern extraction
JP7047062B2 (ja) 神経形態学的処理装置
Jackson et al. Nanoscale electronic synapses using phase change devices
CN103078055B (zh) 一种模拟生物神经突触的单元、装置及方法
Chang et al. Building neuromorphic circuits with memristive devices
Kuzum et al. Energy efficient programming of nanoelectronic synaptic devices for large-scale implementation of associative and temporal sequence learning
EP2384488B1 (en) Electronic learning synapse with spike-timing dependent plasticity using memory-switching elements
US11017292B2 (en) Artificial neuron apparatus
US20100299297A1 (en) System for electronic learning synapse with spike-timing dependent plasticity using phase change memory
Covi et al. HfO2-based memristors for neuromorphic applications
Eryilmaz et al. Experimental demonstration of array-level learning with phase change synaptic devices
Mahalanabis et al. Incremental resistance programming of programmable metallization cells for use as electronic synapses
JP2011515747A (ja) ニューロモーフィック回路
CN108780520A (zh) 人工神经元装置
JP7357079B2 (ja) 相変化メモリの閉ループ・プログラミング
US8832011B2 (en) Electronic synapses from stochastic binary memory devices
Suri et al. Impact of PCM resistance-drift in neuromorphic systems and drift-mitigation strategy
Boybat et al. Stochastic weight updates in phase-change memory-based synapses and their influence on artificial neural networks
Mahalanabis et al. Demonstration of spike timing dependent plasticity in CBRAM devices with silicon neurons
Milo et al. Resistive switching synapses for unsupervised learning in feed-forward and recurrent neural networks
Sung et al. Bio-plausible memristive neural components towards hardware implementation of brain-like intelligence
Suri et al. Addition of HfO2 interface layer for improved synaptic performance of phase change memory (PCM) devices
CN112906880B (zh) 一种基于忆阻器的自适应神经元电路
Suri et al. Interface engineering of PCM for improved synaptic performance in neuromorphic systems

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant