Forscher erreichen neuronale synaptische Plastizität und neuronale Netzwerk-Simulation basierend auf Induktor

Das menschliche Gehirn ist ein hochgradig vernetztes, massiv paralleles und strukturell komplexes Netzwerk von ~ 10 ^ 11 Neuronen und 10 ^ 15 Synapsen. In neuronalen Netzen werden Neuronen als Rechenmaschinen des Gehirns angesehen, Es akzeptiert parallel Eingangssignale von Tausenden von Synapsen, die mit den Dendriten verbunden sind, welche biologische Prozesse sind, die Veränderungen in synaptischen Gewichten durch spezifische Muster synaptischer Aktivität erzeugen, ein Prozess, der als Gehirnlernen bekannt ist Quellspeicher analoge synaptische Plastizität und Lernen, künstliche neuronale Netze konstruieren, ist der Schlüssel für die zukünftige Realisierung von neuromorphe brain-Computer. in den letzten Jahren mit dem Aufkommen der künstlichen Intelligenz Technologie und Entwicklung neuer elektronischer Geräte, ein einziges elektronisches Gerät Die Simulation neuronaler synaptischer Plastizität und Lernfunktionen hat zu einem neuen Grenzforschungsbereich geführt - Synaptic Electronics.

Derzeit ist die Hauptanalogelektronik synaptischen Ende Widerstandsvorrichtung (memristor) und drei Anschlüsse Widerstandsvorrichtung (Feldeffekttransistor) an den synaptischen Funktion. Synaptischen Gewichtungen und der variable Widerstand des Gewichtes dieser Geräte (Projizieren Änderungen in Verbindungsstärke touch) ist sehr ähnlich, das Institut für Physik der chinesischen Akademie der Wissenschaften / Peking nationalen Labor für Physik der kondensierten Materie nationale Forschungszentrum für magnetische Sun Yang Forschungsgruppe synaptische Plastizität und Lernen zu simulieren. vor kurzem erfolgreich eingesetzt wurde Die Welt hat zuerst ein nichtflüchtiges Schaltungselement basierend auf dem magnetoelektrischen Kopplungseffekt (memtranstor) vorgeschlagen. Dieses Gerät wird durch die nichtlineare Beziehung zwischen Ladung und Fluss definiert, wobei der Zustandswert elektrisch gekoppelt ist darstellen, kann durch einen Spannungswert der Magnetkupplung Messvorrichtung. in früheren Arbeiten, Sun Yang beruhten auf Forschungsgruppen gegeben wird erfolgreich Speicher mit zwei Zuständen Lagerung bei Raumtemperatur, Multi-State-Speicherfunktionen und Boolesche Logikoperationen gekoppelt gezeigt. Verglichen mit resistiven Vorrichtungen hat die Speichervorrichtung den Vorteil eines geringeren Energieverbrauchs.

Vor kurzem Sun Yang Research Group Associate Professor Shang Berge, Ph.D. Shen sehen Xin und Mitarbeiter Chinesischen Akademie der Wissenschaften, Physik Forscher Shen Bao-gen, Beijing Normal University Professor Wang Shouguo neue Fortschritte in der Anwendungsspeicher gemacht gekoppelt ist, erfolgreich Kopplung wird in Konflikt eingesetzt erinnert berührt Bereich der Elektronik. sie Ni / PMN-PT einen Kopplungseffekt rt große magnetische / Ni Speicher gekoppelt Einrichtung durch die Pulstriggerspannung eingestellt und die Impulsfrequenz, um eine kontinuierliche Veränderung reversibel elektrisch gekoppelt Werte, Simulation von Neuriten zu erreichen berühren Gewichtszunahme und das Verhalten verringern. Neurobiologie Studien zeigten, dass die synaptische gezeigt Lern ​​Herb dem Gesetz folgen, dass die synaptische Gewichte variieren in Abhängigkeit der Aktivität von Neuronen stimuliert vor und nach der synaptischen Verbindungen. sie Impulsspannungswellenform durch die Gestaltung auslösen, und die zwei Impulswellenformen überlagert werden, eine Impulsfolge abhängig synaptischer Plastizität Verhalten der Plastizität zu erreichen (die STDP) ist. auf dieser Basis, sie ein neuronales Netz aufgebaut, basierend auf 4 * 4 gekoppelten Speicher, zufälliges Rauschen das Lernen, das analoge Die Bild statische und dynamische Lernfunktion.Die Studie zum ersten Mal in der Welt mit dem Memristor, um die synaptische Plastizität und Lernfunktion zu simulieren, Es wurde die Machbarkeit der Konstruktion eines leistungsschwachen neuronalen Netzwerks auf der Basis eines Speicherbausteins nachgewiesen, der einen völlig neuen Ansatz für die Entwicklung der synaptischen Elektronik und des hirnartigen Rechnens bietet.

Relevante Forschungsergebnisse veröffentlicht in Advanced Materials. Die Forschung wurde von der National Natural Science Foundation, Ministerium für Wissenschaft und Technologie und der Chinesischen Akademie der Wissenschaften finanziert.

Figur 1.a, Diagramm grundlegende Schaltungselemente, b, Yi Entkoppler Kennlinie; c, Arbeitsgedächtnis gekoppelt Diagramm; d, magnetische Kopplungsspannung (VME) und die Elektrode mit dem Magnetfeld der Richtung ändern.

Figur 2.a, schematische Synapsen; b, Anregungs- / Hemmung der postsynaptischen Potentiale (EPSP / IPSP) mit der Triggerimpuls Spannungsänderungen; C, 2,5 kV / cm Impulsspannung Trigger EPSP / IPSP Triggerimpuls mit der Anzahl von Bedingungen, unter Ändern.

Abbildung 3.a, b, Puls-Timing-abhängige Plastizität und die entsprechende Puls-Trigger-Wellenform c, d, Puls-Timing in Abhängigkeit von der vereinfachten Form der Plastizität und der entsprechenden Puls-Trigger-Wellenform.

Abbildung 4.a, neuronales Netzwerkdiagramm, b, Triggerimpuls-Signalverlaufsdiagramm, c, neuronales Netzwerklernen vor und nach der Verteilung der synaptischen Gewichtung, d, Lerngenauigkeit des Sättigungswerts mit der Anzahl der Rauschpixel ändert sich.