面向動態(tài)記憶和學習功能的神經(jīng)電晶體可塑性研究

神經(jīng)形態(tài)結構融合學習和記憶功能領域的研究主要集中在人工突觸的可塑性方面，同時神經(jīng)元膜的固有可塑性在神經(jīng)形態(tài)信息處理的實現(xiàn)中也很重要。德國德累斯頓大學聯(lián)合清華大學北京未來芯片創(chuàng)新中心腦靈感計算研究中心(CBICR)近期發(fā)表了一篇名為“Intrinsic plasticity of silicon nanowireneurotransistors for dynamic memory and learning functions”的論文，文獻提出一種由矽奈米線電晶體制成的神經(jīng)電晶體，表面覆有離子摻雜的溶膠-凝膠硅酸鹽薄膜，從而模擬神經(jīng)元薄膜的固有可塑性。

該文獻的工作得出了以下幾點結論：① 神經(jīng)電晶體中的介電工程(如文獻提出的溶膠-凝膠的可控離子摻雜)可以補充和強化記憶材料在下一代神經(jīng)形態(tài)計算設備中的功能。②文獻提出了一個單一的神經(jīng)元設備架構及其電路模型，以多個突觸后輸入作為門輸入，多個軸突終端作為晶體管輸出，模擬了一個基于形態(tài)學和層次結構特征的真實神經(jīng)元的信息處理。該裝置模擬說明了神經(jīng)電晶體非線性信號過程的動態(tài)學習能力，學習功能由s形函數(shù)系數(shù)的反饋給出，即元塑性；實驗結果突出了非線性信息處理的能力，這依賴于神經(jīng)電晶體的固有可塑性。通過利用電流器件的輸出動態(tài)控制，能實現(xiàn)在一定的時間范圍內(nèi)更快或更慢地產(chǎn)生和達到峰值閾值，并控制峰值的速率，這是神經(jīng)元計算的主要算法。③未來的研究可以研究是否可以通過將文獻所提出的神經(jīng)晶體管與脈沖發(fā)生器相結合來構建一個完全用于尖峰神經(jīng)網(wǎng)絡的神經(jīng)元處理器。