CN103078055A - 一种模拟生物神经突触的单元、装置及方法 - Google Patents

一种模拟生物神经突触的单元、装置及方法 Download PDF

Info

Publication number
CN103078055A
CN103078055A CN2013100019075A CN201310001907A CN103078055A CN 103078055 A CN103078055 A CN 103078055A CN 2013100019075 A CN2013100019075 A CN 2013100019075A CN 201310001907 A CN201310001907 A CN 201310001907A CN 103078055 A CN103078055 A CN 103078055A
Authority
CN
China
Prior art keywords
pulse signal
synapse
amplitude
electricity
nerve synapse
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.)
Granted
Application number
CN2013100019075A
Other languages
English (en)
Other versions
CN103078055B (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 CN201310001907.5A priority Critical patent/CN103078055B/zh
Priority to PCT/CN2013/070277 priority patent/WO2014106352A1/zh
Publication of CN103078055A publication Critical patent/CN103078055A/zh
Application granted granted Critical
Publication of CN103078055B publication Critical patent/CN103078055B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/049Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • G06N3/065Analogue means

Abstract

本发明公开了一种基于硫系化合物的模拟生物神经突触的单元、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;第一电极层接收第一脉冲信号,第二电极层接收第二脉冲信号。器件能根据输入信号改变其电导模拟突触权重的改变。当第一脉冲信号的频率与第二脉冲信号的频率之间的差值为正或负时,电导发生改变实现了生物神经突触的脉冲频率依赖突触可塑性功能的模拟;当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,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。本发明能在单个无机器件实现生物神经突触的基本功能,提供构成人工神经网络的基本元器件,能够取得提高集成度、降低功耗的效果。

Description

一种模拟生物神经突触的单元、装置及方法
技术领域
本发明属于微电子器件领域,更具体地,涉及一种模拟生物神经突触的单元、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,突破冯诺依曼架构。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,其中学习和记忆被证实是存储在神经突触中,而人脑中神经突触的数目是神经元数目的约104倍,在传统VLSI、CMOS方法构建的神经电路中,突触元件占整个电路面积的80%以上,且消耗了绝大部分电路的功耗,因此迫切需要一种能实现突触功能的结构简单,尺寸小,功耗低的元器件。公开号为CN101770560A,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的专利申请文件中提到基于CMOS集成电路用多个晶体管构成一个神经元,而且不涉及具有学习能力的神经突触。公开号为CN1670963A,发明名称为:仿神经元突触结构的柔性三极管的专利申请文件中提到的是仅仅模拟神经元突触的结构,而没有实现神经突触的功能。
发明内容
针对现有技术的缺陷,本发明的目的在于提供一种模拟生物神经突触的单元,旨在解决用多个元器件才能实现一个神经突触功能的问题。
本发明提供了一种模拟生物神经突触的单元,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一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二脉冲信号来模拟突触后刺激。
更进一步地,所述第一电极层用于接收外部的第一脉冲信号,所述第二电极层用于接收外部的第二脉冲信号;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的频率与所述第二脉冲信号的频率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脉冲速率依赖突触可塑性功能的模拟;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。
更进一步地,所述第一电极层的材料为惰性导电金属;所述第二电极层的材料为活泼导电金属。
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。
本发明还提供一种模拟生物神经突触的装置,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一脉冲信号,给所述第二电极层施加第二脉冲信号,并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或负,控制所述第一脉冲信号的频率与所述第二脉冲信号的频率之间的差值为正或负,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信号差峰值为正或负。
本发明还提供一种模拟生物神经突触的方法,包括下述步骤:
在第一电极层上施加第一脉冲信号,在第二电极层上施加第二脉冲信号;
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的频率与所述第二脉冲信号的频率之间的差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速率依赖突触可塑性功能;
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的幅值与所述第二脉冲信号的幅值之间的差值为负,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的幅值与所述第二脉冲信号的幅值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速率依赖突触可塑性功能步骤包括:
控制所述第一脉冲信号的频率保持不变,通过控制所述第二脉冲信号的频率为设定的频率阈值,使得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保持不变的功能;
通过控制所述第二脉冲信号的频率大于所述频率阈值,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的功能;
通过控制所述第二脉冲信号的频率小于所述频率阈值,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的功能。
更进一步地,所述模拟生物神经突触的脉冲速率依赖突触可塑性功能步骤还包括:
控制所述第二脉冲信号的频率并使其增大,所述功能材料层的电导增大得越快,模拟了生物神经突触的突触权重上升得越快的功能;
控制所述第二脉冲信号的频率并使其减小,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。
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的幅值与所述第二脉冲信号的幅值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的幅值与所述第二脉冲信号的幅值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的幅值与所述第二脉冲信号的幅值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的幅值与所述第二脉冲信号的幅值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的幅值与所述第二脉冲信号的幅值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的幅值与所述第二脉冲信号的幅值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的幅值与所述第二脉冲信号的幅值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的幅值与所述第二脉冲信号的幅值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。
本发明与现有技术相比,由于能在单个器件实现生物神经突触的基本功能,即突触权重调节功能、脉冲速率依赖突触可塑性功能和脉冲时间依赖突触可塑性功能;能够取得提高集成度、降低功耗的有益效果。
附图说明
图1是本发明实施例提供的模拟生物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突触的装置中控制器的电压脉冲信号与电导的关系图;
图2(c)是本发明实施例1提供的模拟生物神经突触的装置中模拟生物神经突触的奇对称Ⅰ型STDP控制器的突触前后电压脉冲信号的时间关系图;
图2(d)是本发明实施例1提供的模拟生物神经突触的奇对称Ⅰ型STDP效果图。
图2(e)是本发明实施例1提供的模拟生物神经突触的装置中模拟生物神经突触的奇对称Ⅱ型STDP控制器的突触前后电压脉冲信号的时间关系图;
图2(f)是本发明实施例1提供的模拟生物神经突触的奇对称Ⅱ型STDP效果图。
图2(g)是本发明实施例1提供的模拟生物神经突触的装置中模拟生物神经突触的偶对称Ⅰ型STDP控制器的突触前后电压脉冲信号的时间关系图;
图2(h)是本发明实施例1提供的模拟生物神经突触的偶对称Ⅰ型STDP效果图。
图2(i)是本发明实施例1提供的模拟生物神经突触的装置中模拟生物神经突触的偶对称Ⅱ型STDP控制器的突触前后电压脉冲信号的时间关系图;
图2(j)是本发明实施例1提供的模拟生物神经突触的偶对称Ⅱ型STDP效果图。
图2(k)是本发明实施例1提供的模拟生物神经突触的SRDP效果图。
图3(a)是本发明实施例2提供的模拟生物神经突触的单元的结构示意图;
图3(b)是本发明实施例2提供的模拟生物神经突触的装置中控制器的电压脉冲信号与电导的关系图;
图3(c)是本发明实施例2提供的模拟生物神经突触的装置中模拟生物神经突触的奇对称Ⅰ型STDP控制器的突触前后电压脉冲信号的时间关系图;
图3(d)是本发明实施例2提供的模拟生物神经突触的奇对称Ⅰ型STDP效果图。
图3(e)是本发明实施例2提供的模拟生物神经突触的SRDP效果图。
图4(a)是本发明实施例3提供的模拟生物神经突触的单元的结构示意图;
图4(b)是本发明实施例3提供的模拟生物神经突触的装置中控制器的电压脉冲信号与电导的关系图;
图4(c)是本发明实施例3提供的模拟生物神经突触的装置中模拟生物神经突触的奇对称Ⅰ型STDP控制器的突触前后电压脉冲信号的时间关系图;
图4(d)是本发明实施例3提供的模拟生物神经突触的奇对称Ⅰ型STDP效果图。
图4(e)是本发明实施例3提供的模拟生物神经突触的SRDP效果图。
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。
本发明提供了一种模拟生物神经突触装置,该神经突触器件装置能模拟实现生物神经突触的突触可塑性调节功能实现突触抑制和易化。其为二端器件,结构简单,且所采用的功能材料为硫系化合物材料,已在集成电路工业界成熟应用,易于制备,成本低廉;器件尺寸可至纳米级,功耗低,有较大的可能性应用于大规模神经网络阵列。本发明的模拟生物神经突触的装置能模拟生物神经突触的基本功能,具体包括:(1)突触权重可以根据输入信号的正负进行改变;(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突触可塑性STDP功能;(3)突触权重可根据突触前后脉冲的频率差改变,即实现脉冲速率依赖突触可塑性SRDP功能。
该神经突触器件为一个两端器件,一端为突触前,另一端为突触后。其具有可连续改变的电导值,代表突触权重,即突触前与突触后神经元之间的连接强度。电导值根据通过它的电流的方向而改变,正向电流使其电导减小,负向电流使其电导增大;但当电流小于一定阈值(100μA)时,其电导不发生变化。通过设计突触前和突触后脉冲刺激信号,实现脉冲时间依赖突触可塑性STDP(spike-timing dependent plasticity,脉冲时间依赖突触可塑性);实现脉冲速率依赖突触可塑性SRDP(spike-rate dependentplasticity,脉冲速率依赖突触可塑性)功能。具体实现通过实施例说明。
本发明的模拟神经突触器件能模拟实现生物神经突触的一些基本功能,能为构建人工神经网络提供一种基本单元。
现在将参考示出本发明的示范性实施例的附图,更全面地描述本发明。然而,可以用许多不同的形式实施本发明,并且本发明不应该理解为限制于这里列出的实施例;更确切地说,提供这些实施例以便本公开更彻底和全面,并且向本领域的技术人员充分地传达本发明的观念。
模拟生物神经突触的装置包括控制器和模拟生物神经突触器件;模拟生物神经突触器件包括:第一电极,其材料为惰性导电金属,如铂(Pt)、钛钨(TiW)和钽(Ta)等;第二电极,其材料为活泼导电金属,如银(Ag)、铜(Cu)等;功能材料,其材料为硫系化合物,如Ge2Sb2Te5、Sb2Te3、GeTe、BiTe和AgInSbTe等。器件的电导G调节是基于金属电极与硫系化合物界面处发生氧化反应,生成的活性金属离子在电场作用下进入功能材料内迁移,不同极性的外加电压使活性金属离子朝不同方向迁移实现器件电导的增大或减小。控制器能产生电信号,形成突触前刺激和突触后刺激。
生物学上,神经突触包括突触前和突触后。在本发明中,突触前是第一电极,突触后是第二电极。突触前和突触后的刺激可以改变突触权重W。突触权重W用器件的电导G表示,即W=G。施加在第一电极上的信号,为突触前刺激;施加在第二电极上的信号,是突触后刺激。Δt为突触前与突触后刺激的时间差,当突触前刺激先于突触后刺激时,Δt>0;当突触前刺激滞后于后突触刺激时,Δt<0。ΔW为刺激作用使神经突触权重的改变量。
图1是本发明实施例提供的模拟生物神经突触的装置的结构示意图,模拟生物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神经突触单元连接的控制器,控制器用于给所述第一电极层施加第一脉冲信号,给所述第二电极层施加第二脉冲信号,并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或负,控制所述第一脉冲信号的频率与所述第二脉冲信号的频率之间的差值为正或负,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信号差峰值为正或负。控制器可以对阵列中的一个或多个单元施加电信号。而神经突触单元的结构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,模拟生物神经突触的单元包括第一电极层、与第一电极层连接的功能材料层,与功能材料层连接的第二电极层;第一电极层用于模拟突触前,第二电极层用于模拟突触后,功能材料层的电导用于模拟突触权重;通过给第一电极层施加第一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二脉冲信号来模拟突触后刺激;第一电极层用于接收外部的第一脉冲信号,所述第二电极层用于接收外部的第二脉冲信号;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,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;当第一脉冲信号的频率与第二脉冲信号的频率之间的差值为正或负时,功能材料层的电导发生改变实现了生物神经突触的脉冲速率依赖突触可塑性功能的模拟;当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,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。
其中,第一电极层的材料可以为惰性导电金属;第二电极层的材料可以为活泼导电金属;功能材料层的材料可以为硫系化合物。
为了便于说明本发明实施例提供的模拟生物神经突触的单元及方法,现结合具体实例详述如下:
图2(a)示出本发明的实施例1提供的模拟生物神经突触的单元的结构;该结构为三明治叠层结构,第一电极材料为铂(Pt),第二电极材料为银(Ag),功能材料为银铟锑碲(AgInSbTe)。
参考图2(a),本发明的神经突触器件包括第一电极101、第二电极103和第一电极101和第二电极103之间功能材料102。第一电极101和功能材料102、功能材料102和第二电极103形成电接触,呈三明治叠层结构。其中,第一电极材料为铂(Pt),第二电极材料为银(Ag),功能材料为银铟锑碲(AgInSbTe)。
图2(b)是示出根据实施例1,在神经突触器件中模拟实现生物突触的突触权重调节功能。其中电压脉冲信号施加在第一电极101上,第二电极103接地,电导为第一电极101与第二电极103之间的神经突触器件的电导。
参考图2(b),表示神经突触器件具有连续的电导,即具有连续的突触权重值,并能随电压脉冲信号而改变。当脉冲信号为正,电导减小,即神经突触权重下降;当脉冲信号为负,电导增大,即神经突触权重上升。正电压脉冲信号幅值越强,电导减小的值越小,即神经突触权重越小,突触越抑制;负电压脉冲信号越强,电导增大的值越大,即神经突触权重越大,突触越易化。实现突触权重调节功能。
图2(c)和2(d)是示出根据实施例1,在神经突触器件中模拟实现生物突触的奇对称Ⅰ型脉冲时间依赖突触可塑性STDP功能。其中突触前刺激信号施加在第一电极101上,突触后刺激信号施加在第二电极103上,突触前后刺激信号差为第一电极101与第二电极103之间的信号差。
参考图2(c),当Δt>0,突触前刺激与突触后刺激信号差的峰值201为负,在此组前后突触刺激作用下,神经突触器件的电导增大,突触权重增大,ΔW>0。同理,当Δt<0,突触前刺激与突触后刺激信号差的峰值为正,在此组前后突触刺激作用下,神经突触器件的电导减小,突触权重减小,ΔW<0。参考图2(d),当Δt>0,ΔW>0且随Δt指数衰减,当Δt<0,ΔW<0且也随Δt指数衰减。实现生物神经突触的奇对称Ⅰ型脉冲时间依赖突触可塑性STDP功能。
图2(e)和2(f)是示出根据实施例1,在神经突触器件中模拟实现生物突触的奇对称Ⅱ型脉冲时间依赖突触可塑性STDP功能。其中突触前刺激信号施加在第一电极101上,突触后刺激信号施加在第二电极103上,突触前后刺激信号差为第一电极101与第二电极103之间的信号差。
参考图2(e),当Δt>0,突触前刺激与突触后刺激信号差的峰值202为正,在此组前后突触刺激作用下,神经突触器件的电导减小,突触权重减小,ΔW<0。同理,当Δt<0,突触前刺激与突触后刺激信号差的峰值为负,在此组前后突触刺激作用下,神经突触器件的电导增大,突触权重增大,ΔW>0。参考图2(f),当Δt>0,ΔW<0且随Δt指数衰减,当Δt<0,ΔW>0且也随Δt指数衰减。实现生物神经突触的奇对称Ⅱ型脉冲时间依赖突触可塑性STDP功能。
图2(g)和2(h)是示出根据实施例1,在神经突触器件中模拟实现生物突触的偶对称Ⅰ型脉冲时间依赖突触可塑性STDP功能。其中突触前刺激信号施加在第一电极101上,突触后刺激信号施加在第二电极103上,突触前后刺激信号差为第一电极101与第二电极103之间的信号差。
参考图2(g),当Δt较小(Δt的绝对值小于施加在第二电极层上的脉冲信号宽度的四分之一)时,突触前刺激与突触后刺激信号差的峰值203为负,在此组前后突触刺激作用下,神经突触器件的电导增大,突触权重增大,ΔW>0。同理,当Δt较大(Δt的绝对值大于等于施加在第二电极层上的脉冲信号宽度的四分之一)时,突触前刺激与突触后刺激信号差的峰值为正,在此组前后突触刺激作用下,神经突触器件的电导减小,突触权重减小,ΔW<0。参考图2(h),当Δt较小时,ΔW>0,当Δt较大时,ΔW<0,ΔW随Δt呈垂直平移的正态分布,实现生物神经突触的偶对称Ⅰ型脉冲时间依赖突触可塑性STDP功能。
图2(i)和2(j)是示出根据实施例1,在神经突触器件中模拟实现生物突触的偶对称Ⅱ型脉冲时间依赖突触可塑性STDP功能。其中突触前刺激信号施加在第一电极101上,突触后刺激信号施加在第二电极103上,突触前后刺激信号差为第一电极101与第二电极103之间的信号差。
参考图2(i),当Δt较小(即Δt的绝对值小于施加在第二电极层上的脉冲信号宽度的二分之一)时,突触前刺激与突触后刺激信号差的峰值204为较大(即大于突触前刺激的峰值),在此组前后突触刺激作用下,神经突触器件的电导减小,突触权重减小,ΔW<0。当Δt较大(即Δt的绝对值大于等于施加在第二电极层上的脉冲信号宽度的二分之一)时,突触前刺激与突触后刺激信号差的峰值较小(即小于等于突触前刺激的峰值),在此组前后突触刺激作用下,神经突触器件的电导基本不变,突触权重基本不变,ΔW≈0。参考图2(j),当Δt较小时,ΔW<0,当Δt较大时,ΔW≈0,ΔW随Δt呈负的正态分布,实现生物神经突触的偶对称Ⅱ型脉冲时间依赖突触可塑性STDP功能。
图2(k)是示出根据实施例1,在神经突触器件中模拟实现生物突触的脉冲速率依赖突触可塑性SRDP功能。其中突触前刺激信号施加在第一电极101上,突触后刺激信号施加在第二电极103上。
突触前刺激信号的频率保持不变。当突触后刺激信号的电压脉冲频率在一设定值f0(f0可根据具体要求,设置为1Hz~50kHz)时,神经突触器件的电导基本不变,突触权重基本保持不变,ΔW≈0;当后突触刺激信号的频率大于f0时,神经突触器件的电导增大,突触权重上升,ΔW>0,并且突触后刺激信号频率越大,突触权重的上升量就越大,也就是ΔW越大;当突触后刺激信号的频率小于f0时,神经突触器件的电导减小,突触权重下降,ΔW<0,并且突触后刺激信号频率越小,突触权重的下降量就越大,也就是ΔW越小。实现生物神经突触的脉冲速率依赖突触可塑性SRDP功能。
图3(a)示出了本发明实施例2提供的模拟生物神经突触的单元的结构;参考图3(a),本发明的神经突触器件包括第一电极101、第二电极103和第一电极101和第二电极103之间的绝缘层104和功能材料102。第一电极101和功能材料102、功能材料102和第二电极103形成电接触,呈T型结构。其中,第一电极材料为钽(Ta),第二电极材料为铜(Cu),功能材料为碲化锗(GeTe),绝缘层材料为二氧化硅(SiO2)。控制器能向第一电极和第二电极产生电信号。
图3(b)是示出根据实施例2,在神经突触器件中模拟实现生物突触的突触权重调节功能。其中电压脉冲信号施加在第一电极101上,第二电极103接地,电导为第一电极101与第二电极103之间的神经突触器件的电导。
参考图3(b),表示神经突触器件具有连续的电导,即具有连续的突触权重值,并能随电压脉冲信号而改变。当脉冲信号为正,电导减小,即神经突触器件权重下降;当脉冲信号为负,电导增大,即神经突触器件权重上升。正电压脉冲信号幅值越强,电导减小的值越小,即神经突触器件权重越小,突触越抑制;负电压脉冲信号越强,电导增大的值越大,即神经突触器件权重越大,突触越易化。实现突触权重调节功能。
图3(c)和3(d)是示出根据实施例2,在神经突触器件中模拟实现生物突触的奇对称Ⅰ型脉冲时间依赖突触可塑性STDP功能。其中突触前刺激信号施加在第一电极101上,突触后刺激信号施加在第二电极103上,突触前后刺激信号差为第一电极101与第二电极103之间的信号差。
参考图3(c),当Δt>0,突触前刺激与突触后刺激信号差的峰值301为负,在此组前后突触刺激作用下,神经突触器件的电导增大,突触权重增大,ΔW>0。同理,当Δt<0,突触前刺激与突触后刺激信号差的峰值为正,在此组前后突触刺激作用下,神经突触器件的电导减小,突触权重减小,ΔW<0。参考图3(d),当Δt>0,ΔW>0且随Δt指数衰减,当Δt<0,ΔW<0且也随Δt指数衰减。实现生物神经突触的奇对称Ⅰ型脉冲时间依赖突触可塑性STDP功能。
同理,实施例2也能实现其它三种脉冲时间依赖突触可塑性STDP功能,在此不再赘述。
图3(e)是示出根据实施例2,在神经突触器件中模拟实现生物突触的脉冲速率依赖突触可塑性SRDP功能。其中突触前刺激信号施加在第一电极101上,突触后刺激信号施加在第二电极103上。
突触前刺激信号的频率保持不变。当突触后刺激信号的电压脉冲频率在一设定值f0(f0可根据具体要求,设置为1Hz~50kHz)附近时,神经突触器件的电导基本不变,突触权重基本保持不变,ΔW≈0;当后突触刺激信号的频率大于f0时,神经突触器件的电导增大,突触权重上升,ΔW>0,并且突触后刺激信号频率越大,突触权重的上升量就越大,也就是ΔW越大;当突触后刺激信号的频率小于f0时,神经突触器件的电导减小,突触权重下降,ΔW<0,并且突触后刺激信号频率越小,突触权重的下降量就越大,也就是ΔW越小。实现生物神经突触的脉冲速率依赖突触可塑性SRDP功能。
图4(a)为实施例3提供的模拟生物神经突触的单元的结构;参考图4(a)的神经突触器件包括第一电极101、第二电极103第一电极101和第二电极103之间的绝缘层104功能材料102第一电极101和功能材料102功能材料102第二电极103成电接触,呈I型结构。其中,第一电极材料为钛钨(TiW),第二电极材料为银(Ag),功能材料为锗锑碲(Ge2Sb2Te5),绝缘层材料为二氧化硅(SiO2)。控制器能向第一电极和第二电极产生电信号。
图4(b)据实施例3,在神经突触器件中模拟实现生物突触的突触权重调节功能。其中电压脉冲信号施加在第一电极11上,第二电极103电导为第一电极10与第二电极103神经突触器件的电导。
参考图4(b)经突触器件具有连续的电导,即具有连续的突触权重值,并能随电压脉冲信号而改变。当脉冲信号为正,电导减小,即神经突触器件权重下降;当脉冲信号为负,电导增大,即神经突触器件权重上升。正电压脉冲信号幅值越强,电导减小的值越小,即神经突触器件权重越小,突触越抑制;负电压脉冲信号越强,电导增大的值越大,即神经突触器件权重越大,突触越易化。实现突触权重调节功能。
图4(c)和4(d)是示出根据实施例3,在神经突触器件中模拟实现生物突触的奇对称Ⅰ型脉冲时间依赖突触可塑性STDP功能。其中突触前刺激信号施加在第一电极101上,突触后刺激信号施加在第二电极103上,突触前后刺激信号差为第一电极101与第二电极103之间的信号差。
参考图4(c),当Δt>0,突触前刺激与突触后刺激信号差的峰值401为负,在此组前后突触刺激作用下,神经突触器件的电导增大,突触权重增大,ΔW>0。同理,当Δt<0,突触前刺激与突触后刺激信号差的峰值为正,在此组前后突触刺激作用下,神经突触器件的电导减小,突触权重减小,ΔW<0。参考图4(d),当Δt>0,ΔW>0且随Δt指数衰减,当Δt<0,ΔW<0且也随Δt指数衰减。实现生物神经突触的奇对称Ⅰ型脉冲时间依赖突触可塑性STDP功能。
同理,实施例3也能实现其它三种脉冲时间依赖突触可塑性STDP功能,在此不再详述。
图4(e)是示出根据实施例3,在神经突触器件中模拟实现生物突触的脉冲速率依赖突触可塑性SRDP功能。其中突触前刺激信号施加在第一电极101上,突触后刺激信号施加在第二电极103上。
突触前刺激信号的频率保持不变。当突触后刺激信号的电压脉冲频率在一设定值f0附近时,神经突触器件的电导基本不变,突触权重基本保持不变,ΔW≈0;当后突触刺激信号的频率大于f0时,神经突触器件的电导增大,突触权重上升,ΔW>0,并且突触后刺激信号频率越大,突触权重的上升量就越大,也就是ΔW越大;当突触后刺激信号的频率小于f0时,神经突触器件的电导减小,突触权重下降,ΔW<0,并且突触后刺激信号频率越小,突触权重的下降量就越大,也就是ΔW越小。实现生物神经突触的脉冲速率依赖突触可塑性SRDP功能。
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。
本发明公开的模拟生物神经突触的装置及方法;模拟神经突触器件能根据输入刺激信号改变其权重状态,以及根据两端输入刺激信号的时间差改变其权重状态,实现突触抑制和易化,以及根据两端输入信号的频率改变其权重状态,实现突触抑制和易化。本发明能提供构成人工神经网络的基本元器件。
这里描述的各种实施例的特征可以用没有明确示出的方式进行合并或修改。由此,虽然已参考本发明的示范性实施例具体示出和描述了本发明,但本领域内的普通技术人员应该明白,在没有偏离由所附权利要求定义的本发明的精神和范围的前提下,形式和细节可以进行不同的改变。

Claims (15)

1.一种模拟生物神经突触的单元,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前,所述第二电极层用于模拟突触后,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一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二脉冲信号来模拟突触后刺激。
2.如权利要求1所述的单元,其特征在于,所述第一电极层用于接收外部的第一脉冲信号,所述第二电极层用于接收外部的第二脉冲信号;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的频率与所述第二脉冲信号的频率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脉冲速率依赖突触可塑性功能的模拟;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。
3.如权利要求1所述的单元,其特征在于,所述第一电极层的材料为惰性导电金属;所述第二电极层的材料为活泼导电金属。
4.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。
5.一种模拟生物神经突触的装置,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,其特征在于,所述神经突触单元为权利要求1-4任一项所述的单元。
6.如权利要求5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一脉冲信号,给所述第二电极层施加第二脉冲信号,并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或负,控制所述第一脉冲信号的频率与所述第二脉冲信号的频率之间的差值为正或负,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信号差峰值为正或负。
7.一种模拟生物神经突触的方法,其特征在于,包括下述步骤:
在第一电极层上施加第一脉冲信号,在第二电极层上施加第二脉冲信号;
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的频率与所述第二脉冲信号的频率之间的差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速率依赖突触可塑性功能;
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。
8.如权利要求7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的幅值与所述第二脉冲信号的幅值之间的差值为负,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。
9.如权利要求8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的幅值与所述第二脉冲信号的幅值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。
10.如权利要求7所述的方法,其特征在于,所述模拟生物神经突触的脉冲速率依赖突触可塑性功能步骤包括:
控制所述第一脉冲信号的频率保持不变,通过控制所述第二脉冲信号的频率为设定的频率阈值,使得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保持不变的功能;
通过控制所述第二脉冲信号的频率大于所述频率阈值,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的功能;
通过控制所述第二脉冲信号的频率小于所述频率阈值,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的功能。
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脉冲速率依赖突触可塑性功能步骤还包括:
控制所述第二脉冲信号的频率并使其增大,所述功能材料层的电导增大得越快,模拟了生物神经突触的突触权重上升得越快的功能;
控制所述第二脉冲信号的频率并使其减小,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。
12.如权利要求7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的幅值与所述第二脉冲信号的幅值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的幅值与所述第二脉冲信号的幅值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7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的幅值与所述第二脉冲信号的幅值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的幅值与所述第二脉冲信号的幅值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7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的幅值与所述第二脉冲信号的幅值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的幅值与所述第二脉冲信号的幅值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7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的幅值与所述第二脉冲信号的幅值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的幅值与所述第二脉冲信号的幅值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。
CN201310001907.5A 2013-01-04 2013-01-04 一种模拟生物神经突触的单元、装置及方法 Active CN103078055B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201310001907.5A CN103078055B (zh) 2013-01-04 2013-01-04 一种模拟生物神经突触的单元、装置及方法
PCT/CN2013/070277 WO2014106352A1 (zh) 2013-01-04 2013-01-09 一种模拟生物神经突触的单元、装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310001907.5A CN103078055B (zh) 2013-01-04 2013-01-04 一种模拟生物神经突触的单元、装置及方法

Publications (2)

Publication Number Publication Date
CN103078055A true CN103078055A (zh) 2013-05-01
CN103078055B CN103078055B (zh) 2015-06-03

Family

ID=48154523

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310001907.5A Active CN103078055B (zh) 2013-01-04 2013-01-04 一种模拟生物神经突触的单元、装置及方法

Country Status (2)

Country Link
CN (1) CN103078055B (zh)
WO (1) WO2014106352A1 (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107045649A (zh) * 2014-07-21 2017-08-15 徐志强 具有短期记忆和长期记忆的模拟神经网络
CN108054276A (zh) * 2017-12-06 2018-05-18 杭州电子科技大学 用于人工神经网络中的O-Ti-Sb-Te基突触仿生器件
WO2018094717A1 (zh) * 2016-11-28 2018-05-31 华为技术有限公司 基于脉冲神经网络的信号处理方法和装置
CN108777153A (zh) * 2018-05-25 2018-11-09 华中科技大学 一种多端输入突触器件其可塑性调制方法
WO2019021081A1 (en) * 2017-07-26 2019-01-31 International Business Machines Corporation SYSTEM AND METHOD FOR CONSTRUCTING SYNAPTIC WEIGHTS FOR ARTIFICIAL NEURAL NETWORKS FROM PAIRS OF SIGNED ANALOGUE CONDUCTANCES OF VARIABLE SIGNIFICANCE
CN111052152A (zh) * 2017-08-31 2020-04-21 Tdk株式会社 包含仿神经元件的阵列的控制装置、离散化步长的运算方法及程序
CN111323654A (zh) * 2020-02-28 2020-06-23 北京大学 一种阻变器件的突触模拟方法及系统
CN112434802A (zh) * 2020-11-06 2021-03-02 北京大学 一种实现基于铁电晶体管的自适应随机脉冲神经元的方法
CN112794279A (zh) * 2019-11-13 2021-05-14 中国科学院苏州纳米技术与纳米仿生研究所 人工突触器件和人工突触器件的制备方法
CN112850635A (zh) * 2019-11-12 2021-05-28 中国科学院苏州纳米技术与纳米仿生研究所 人工传入神经、仿生感知系统和人工传入神经的制备方法
WO2021114133A1 (en) * 2019-12-11 2021-06-17 Autonym Pte. Ltd. Method and system for informed decision making

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US20100299297A1 (en) * 2009-05-21 2010-11-25 International Business Machines Corporation System for electronic learning synapse with spike-timing dependent plasticity using phase change memory
TW201214307A (en) * 2010-07-07 2012-04-01 Qualcomm Inc Communication and synapse training method and hardware for biologically inspired networks
US20120084241A1 (en) * 2010-09-30 2012-04-05 International Business Machines Corporation Producing spike-timing dependent plasticity in a neuromorphic network utilizing phase change synaptic devices
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
EP1434232B1 (en) * 2001-08-13 2007-09-19 Advanced Micro Devices, Inc. Memory cell
CN101106172B (zh) * 2007-07-26 2010-05-19 复旦大学 一种可擦写、可读出的无机薄膜电双稳器件及其制备方法
US8250010B2 (en) * 2009-05-21 2012-08-21 International Business Machines Corporation Electronic learning synapse with spike-timing dependent plasticity using unipolar memory-switching elements
CN103078054B (zh) * 2013-01-04 2015-06-03 华中科技大学 一种模拟生物神经元和神经突触的单元、装置及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US20100299297A1 (en) * 2009-05-21 2010-11-25 International Business Machines Corporation System for electronic learning synapse with spike-timing dependent plasticity using phase change memory
TW201214307A (en) * 2010-07-07 2012-04-01 Qualcomm Inc Communication and synapse training method and hardware for biologically inspired networks
US20120084241A1 (en) * 2010-09-30 2012-04-05 International Business Machines Corporation Producing spike-timing dependent plasticity in a neuromorphic network utilizing phase change synaptic devices
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

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107045649B (zh) * 2014-07-21 2020-06-02 徐志强 具有短期记忆和长期记忆的模拟神经网络
CN107045649A (zh) * 2014-07-21 2017-08-15 徐志强 具有短期记忆和长期记忆的模拟神经网络
WO2018094717A1 (zh) * 2016-11-28 2018-05-31 华为技术有限公司 基于脉冲神经网络的信号处理方法和装置
US11308386B2 (en) 2016-11-28 2022-04-19 Huawei Technologies Co., Ltd. Signal processing method and apparatus based on spiking neural network
GB2579494A (en) * 2017-07-26 2020-06-24 Ibm System and method for constructing synaptic weights for artificial neural networks from signed analog conductance-pairs of varying significance
WO2019021081A1 (en) * 2017-07-26 2019-01-31 International Business Machines Corporation SYSTEM AND METHOD FOR CONSTRUCTING SYNAPTIC WEIGHTS FOR ARTIFICIAL NEURAL NETWORKS FROM PAIRS OF SIGNED ANALOGUE CONDUCTANCES OF VARIABLE SIGNIFICANCE
GB2579494B (en) * 2017-07-26 2022-03-30 Ibm System and method for constructing synaptic weights for artificial neural networks from signed analog conductance-pairs of varying significance
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
CN111052152A (zh) * 2017-08-31 2020-04-21 Tdk株式会社 包含仿神经元件的阵列的控制装置、离散化步长的运算方法及程序
CN111052152B (zh) * 2017-08-31 2023-09-05 Tdk株式会社 包含仿神经元件的阵列的控制装置、离散化步长的运算方法及程序
CN108054276B (zh) * 2017-12-06 2021-05-07 杭州电子科技大学 用于人工神经网络中的O-Ti-Sb-Te基突触仿生器件
CN108054276A (zh) * 2017-12-06 2018-05-18 杭州电子科技大学 用于人工神经网络中的O-Ti-Sb-Te基突触仿生器件
CN108777153B (zh) * 2018-05-25 2021-01-26 华中科技大学 一种多端输入突触器件及其可塑性调制方法
CN108777153A (zh) * 2018-05-25 2018-11-09 华中科技大学 一种多端输入突触器件其可塑性调制方法
CN112850635A (zh) * 2019-11-12 2021-05-28 中国科学院苏州纳米技术与纳米仿生研究所 人工传入神经、仿生感知系统和人工传入神经的制备方法
CN112794279A (zh) * 2019-11-13 2021-05-14 中国科学院苏州纳米技术与纳米仿生研究所 人工突触器件和人工突触器件的制备方法
WO2021114133A1 (en) * 2019-12-11 2021-06-17 Autonym Pte. Ltd. Method and system for informed decision making
CN111323654B (zh) * 2020-02-28 2021-08-06 北京大学 一种阻变器件的突触模拟方法及系统
CN111323654A (zh) * 2020-02-28 2020-06-23 北京大学 一种阻变器件的突触模拟方法及系统
CN112434802A (zh) * 2020-11-06 2021-03-02 北京大学 一种实现基于铁电晶体管的自适应随机脉冲神经元的方法
CN112434802B (zh) * 2020-11-06 2022-05-20 北京大学 一种实现基于铁电晶体管的自适应随机脉冲神经元的方法
US11868868B2 (en) 2020-11-06 2024-01-09 Peking University Method for implementing adaptive stochastic spiking neuron based on ferroelectric field effect transistor

Also Published As

Publication number Publication date
WO2014106352A1 (zh) 2014-07-10
CN103078055B (zh) 2015-06-03

Similar Documents

Publication Publication Date Title
CN103078055B (zh) 一种模拟生物神经突触的单元、装置及方法
CN103078054B (zh) 一种模拟生物神经元和神经突触的单元、装置及方法
Indiveri et al. Integration of nanoscale memristor synapses in neuromorphic computing architectures
CN103580668B (zh) 一种基于忆阻器的联想记忆电路
Ambrogio et al. Unsupervised learning by spike timing dependent plasticity in phase change memory (PCM) synapses
Zhang et al. Hybrid memristor-CMOS neurons for in-situ learning in fully hardware memristive spiking neural networks
Milo et al. Demonstration of hybrid CMOS/RRAM neural networks with spike time/rate-dependent plasticity
Serrano-Gotarredona et al. A proposal for hybrid memristor-CMOS spiking neuromorphic learning systems
Kuzum et al. Nanoelectronic programmable synapses based on phase change materials for brain-inspired computing
Chang et al. Building neuromorphic circuits with memristive devices
Liu et al. Optimization of non-linear conductance modulation based on metal oxide memristors
Kuzum et al. Synaptic electronics: materials, devices and applications
CN102456157B (zh) 神经元器件和神经网络
Sung et al. Simultaneous emulation of synaptic and intrinsic plasticity using a memristive synapse
CN109447250B (zh) 一种基于忆阻器中电池效应的人工神经元
CN106845634A (zh) 一种基于忆阻器件的神经元电路
Brivio et al. Extended memory lifetime in spiking neural networks employing memristive synapses with nonlinear conductance dynamics
CN106981567A (zh) 一种基于光电耦合忆阻器的人工突触器件及其调制方法
CN107408222A (zh) 神经形态突触
CN110739393B (zh) 一种仿生突触器件及其制作方法及其应用
Covi et al. Spike-driven threshold-based learning with memristive synapses and neuromorphic silicon neurons
Lapkin et al. Spike-timing-dependent plasticity of polyaniline-based memristive element
CN109787592B (zh) 一种随机神经脉冲发生器
Kang et al. Emulation of spike-timing dependent plasticity in nano-scale phase change memory
Gerasimova et al. Design of memristive interface between electronic neurons

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