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。

与LIF神经元输出时间相关的尖峰信号不同, 振荡神经元在超出阈值的恒定刺激(电压/电流)下输出连续尖峰, 其核心为多个振荡神经元间的同步特性。FeFET[93]、Mott忆阻器[68,94??? -98]、自旋器件[99???-103]、导电丝型忆阻器[104?-106]都可以构建振荡神经元。由于铁电极化回滞的作用, 铁电基振荡神经元的输出频率在栅压双向扫描下呈现回滞特性[93]。自旋振荡神经元由于有限磁化弛豫, 其振荡波幅值具有记忆性, 其频率容易与另一个自旋神经元耦合锁定[101,107]。Romera等[108]利用三个MTJ振荡神经元构筑了振荡电路(图6(a))。如图6(b)所示, 三个MTJ神经元能够独立发射微波信号, 且输出频率处于分离状态。当微波在线路中传播时, 三个神经元频率完成耦合(图6(c))。

基于Mott器件和导电丝型忆阻器构建的振荡神经元电路结构与其LIF神经元一致[94]。以NbO_x振荡神经元为例, 当施加恒定电压时, 电路可释放振荡波。振荡波输出频率可以通过电容和施加电压幅值进行调控[109]。当输入电压远超过V_th时, 电路可自动停止输出振荡波, 保护神经元[110]。神经元间同步振荡行为是利用振荡神经元进行类脑计算的基本要求[95]。Corti等[96]利用VO₂忆阻器构建了两个振荡神经元(图6(d)), 通过调节R_C, 两个神经元振荡波形相位可实现同相(图6(e))和异相(图6(f))耦合, 且同相和异相振荡能够可逆转变。

* S: Source; R: Resistor; C: Capacitor; T: Transistor ...

Low-power microwave relaxation oscillators based on phase-change oxides for neuromorphic computing

2019

... 与LIF神经元输出时间相关的尖峰信号不同, 振荡神经元在超出阈值的恒定刺激(电压/电流)下输出连续尖峰, 其核心为多个振荡神经元间的同步特性.FeFET[93]、Mott忆阻器[68,94??? -98]、自旋器件[99???-103]、导电丝型忆阻器[104?-106]都可以构建振荡神经元.由于铁电极化回滞的作用, 铁电基振荡神经元的输出频率在栅压双向扫描下呈现回滞特性[93].自旋振荡神经元由于有限磁化弛豫, 其振荡波幅值具有记忆性, 其频率容易与另一个自旋神经元耦合锁定[101,107].Romera等[108]利用三个MTJ振荡神经元构筑了振荡电路(图6(a)).如图6(b)所示, 三个MTJ神经元能够独立发射微波信号, 且输出频率处于分离状态.当微波在线路中传播时, 三个神经元频率完成耦合(图6(c)). ...

* S: Source; R: Resistor; C: Capacitor; T: Transistor ...

Electrical and thermal dynamics of self-oscillations in TaO_x-based threshold switching devices

2020

本文的其它图/表