محققان دستیابی به پلاستیسیته سیناپتی نورونال و شبیه سازی شبکه عصبی بر اساس القایی

مغز انسان یک نورون از 10 ^ 11 و 10 که متشکل از یک سیناپسی شدت به هم پیوسته ~ 15 ^، موازی، ساختار شبکه پیچیده ای از متغیر در شبکه های عصبی، نورون از مغز در نظر گرفته شده موتور محاسبه است، آن را می پذیرد ورودی از موازی، هزار سیناپس متصل به فرآیندهای پلاستیسیته سیناپسی دندریتیک است برای تولید یک تغییر بیولوژیکی وزن سیناپسی با یک الگوی خاص از فعالیت سیناپسی، این روند در نظر گرفته می شود مغز یاد می گیرد و حافظه منبع پلاستیسیته سیناپسی آنالوگ و یادگیری، ساخت شبکه های عصبی مصنوعی، کلید تحقق آینده neuromorphic مغز کامپیوتر است. در سال های اخیر، با ظهور از تکنولوژی هوش مصنوعی و ظهور دستگاه های الکترونیکی جدید، با استفاده از یک دستگاه واحد الکترونیکی شبیه سازی نورون سیناپس های و یادگیری، شکل گیری یک پژوهش لبه برش جدید - سیناپس الکترونیک (سیناپسی الکترونیک).

در حال حاضر، اصلی سیناپسی الکترونیک آنالوگ به پایان می رسد دستگاه مقاومتی (ممریستور) و دستگاه مقاومتی سه ترمینال (ترانزیستور اثر میدان) به تابع سیناپسی. وزن سیناپسی و مقاومت متغیر و وزن این دستگاه ها (طرح تغییر در قدرت اتصال لمسی) بسیار شبیه است، با موفقیت استفاده شده است برای شبیه سازی شکل پذیری سیناپسی و یادگیری است. به تازگی، موسسه فیزیک، آکادمی علوم چین / پکن آزمایشگاه ملی برای مرکز تحقیقات ملی فیزیک ماده چگال مخصوص مگنتو گروه سون یانگ تحقیقات برای اولین بار پیشنهاد عنصر مدار غیر فرار بین المللی بر اساس اثر کوپلینگ مغناطیسی - حافظه همراه دستگاه (memtranstor) مانند یک دستگاه است که توسط یک رابطه غیر خطی بین شارژ و شار مغناطیسی است که به ارزش دولتی برق همراه تعریف نمایندگی، ممکن است توسط یک مقدار ولتاژ از دستگاه اندازه گیری کوپلینگ مغناطیسی در کار قبلی داده شده است.، خورشید یانگ در گروه های تحقیقاتی مستقر بودند با موفقیت حافظه همراه به ذخیره سازی دو دولت در دمای اتاق، حافظه چند دولت و عملیات منطق بولی نشان داده است. در مقایسه با دستگاه مقاومتی، حافظه همراه است استفاده از مصرف برق پایین تر است.

به تازگی، کوه خورشید یانگ گروه پژوهشی دانشیار شانگ، دکتری شن دیدن شین و همکاران آکادمی علوم چین، محقق فیزیک شن بائو نسل، استاد دانشگاه نرمال پکن وانگ Shouguo ساخته شده پیشرفت های جدید در حافظه برنامه همراه است، موفقیت یادآوری جفت در جنگ مورد استفاده قرار لمس زمینه الکترونیک. آنها نیکل / PMN-PT داشتن یک اثر جفت RT مغناطیسی حافظه همراه نیکل دستگاه بزرگ / با تنظیم ولتاژ ماشه پالس و فرکانس پالس برای رسیدن به تغییرات مداوم برگشت پذیر مقادیر الکتریکی همراه، neurite شبیه سازی لمس افزایش وزن و کاهش رفتار است. مطالعات بیولوژی اعصاب که سیناپسی یادگیری گیاهان دارویی پیروی از قانون، که در وزن سیناپسی بسته تحریک فعالیت نورون ها قبل و بعد از اتصالات سیناپسی نشان داده اند. آنها باعث پالس شکل موج ولتاژ از طریق طراحی، و دو شکل موج پالس سوار برای رسیدن به یک توالی پالس وابسته رفتار شکل پذیری سیناپسی از شکل پذیری (به STDP) است. بر این اساس، آنها یک شبکه عصبی و بر اساس 4 * 4 همراه است حافظه، یادگیری سر و صدا تصادفی، آنالوگ تصاویر از یادگیری ایستا و پویا. مطالعه برای اولین بار در جهان با استفاده از حافظه آنالوگ همراه به پلاستیسیته سیناپسی و یادگیری بود، نشان داده امکان سنجی ساخت حافظه کم قدرت همراه شبکه های عصبی، مغز سیناپسی مانند الکترونیک و یک رویکرد جدید به توسعه فن آوری محاسبات فراهم می کند.

نتایج تحقیقات در مورد مواد پیشرفته منتشر شده است. این تحقیق توسط بنیاد Zirankexue ملی، وزارت علوم و آکادمی علوم چین تامین شده بود.

است 1.A، عناصر اساسی مدار؛ ب، یی دیمر منحنی مشخصه؛ ج، حافظه کاری نمودار همراه؛ د، ولتاژ کوپلینگ مغناطیسی (VME) و الکترود با میدان مغناطیسی جهت تغییر می دهد.

است 2.A، سیناپس شماتیک؛ ب، تحریک / مهار پتانسیل پس سیناپسی (EPSP / IPSP) با تغییرات ماشه پالس ولتاژ؛ ج، 2.5 کیلو ولت / سانتی متر پالس ولتاژ ماشه EPSP / IPSP ماشه پالس با تعدادی از شرایط زیر را تغییر دهید.

است 3.A، b و پالس متناظر زمان بندی وابسته به شکل موج پذیری ماشه پالس. C، D، نبض زمان بندی پذیری وابسته در یک فرم ساده شده و متناظر با شکل موج پالس ماشه.

شکل 4a، نمودار شبکه عصبی، b، نمودار موج موج پیکسل، c، یادگیری شبکه عصبی قبل و بعد از توزیع وزن سیناپسی، d، دقت یادگیری از مقدار اشباع با تعداد تغییرات پیکسل های صوتی.