李宗晓, 胡令祥, 王敬蕊, 诸葛飞

无机材料学报 2024, 39 (4): 345-358. DOI:10.15541/jim20230405

摘要（734）

HTML （24）

PDF（pc）（3104KB）（644）

目前, 人工智能在人类社会发挥着越来越重要的作用, 以深度学习为代表的人工智能算法对硬件算力的要求也越来越高。然而随着摩尔定律逼近极限, 传统冯·诺依曼计算架构越来越难以满足硬件算力提升的迫切需求。受人脑启发的新型神经形态计算采用数据处理与存储一体架构, 有望为开发低能耗、高算力的新型人工智能技术提供重要的硬件基础。人工神经元和人工突触作为神经形态计算系统的核心组成部分, 是当前研究的前沿和热点。本文聚焦氧化物人工神经元, 从神经元数学模型出发, 重点介绍了基于氧化物电子器件的霍奇金-赫胥黎神经元、泄漏-累积-发射神经元和振荡神经元的最新研究进展, 系统分析了器件结构、工作机制对神经元功能模拟的影响规律。进一步, 根据不同尖峰发射动态行为, 阐述了基于氧化物神经元硬件的脉冲神经网络和振荡神经网络的研究进展。最后, 讨论了氧化物神经元在器件、阵列、神经网络等层面面临的挑战, 并展望了其在神经形态计算等领域的发展前景。

如图1(a)所示, 生物神经元在结构上通常由树突、胞体和轴突组成。树突短且分枝多, 与前神经元轴突形成突触, 并接受突触传导的神经递质; 胞体负责整合所有突触信息; 轴突则生成尖峰信号, 并通过突触传导至下一个神经元。此外, 神经元细胞膜上的多种电压门控离子(Na+、K+、Ca2+、Cl-等)通道(图1(b))与神经元复杂的动态行为息息相关。在静息状态下，神经元膜内外的电势差被称为静息电位(-70 mV)。当接收前突触兴奋信息时, 神经元膜外Na+向膜内流入, 神经元局部电位增加, 即发生去极化。当Na+达到平衡后, K+向膜外流出, 致使局部电位下降, 即发生超极化。在上述整个过程中, 神经元会产生尖峰信号(动作电位)。由于K+通道关闭延迟, 会产生一段局部电位低于静息电位的时间, 这段时间被称为不应期。在此期间, 神经元即使接收到超过阈值的刺激也不能产生动作电位。如果接收到前突触抑制信号, Cl-通道开启, 并允许其向细胞膜内运动, 可导致神经元进一步发生超极化, 局部电位进一步低于静息电位(图1(c))[10-11]。一个神经元会与多个神经元连接, 同时接收兴奋性和抑制性神经递质, 并整合所有突触信息, 判断是否产生动作电位。神经元膜电位动态过程受离子通道组成、分布、突触信号整合等影响。目前发现的生物神经元发射模式超过20种[12], 说明神经元膜电位呈现出丰富且复杂的动态变化。