Новости

Исследователи достигают нейрональной синаптической пластичности и нейронной сети, основанной на индукторе

Человеческий мозг - это очень взаимосвязанная, массово-параллельная и структурно сложная сеть нейронов ~ 10 ^ 11 и синапсов 10 ^ 15. В нейронных сетях нейроны рассматриваются как вычислительные двигатели мозга, Он принимает параллельные входные сигналы от тысяч синапсов, связанных с дендритами, которые являются биологическими процессами, которые приводят к изменениям синаптических весов через специфические закономерности синаптической активности, процесс, известный как обучение мозга и Память источника. Симуляция синаптической пластичности и функции обучения для создания искусственной нейронной сети - это будущая реализация нейроморфного мозга. В последние годы с появлением новых электронных устройств и технологий искусственного интеллекта использование одного электронного устройства Моделирование синаптической пластичности и функций обучения нейронов привело к появлению новой области исследований - Synaptic Electronics.

В настоящее время синаптическая электроника использует в основном двухконтактное устройство изменения сопротивления (мемристор) и трехполюсное устройство изменения сопротивления (полевой транзистор) для имитации функции синапса. Его сопротивление и синаптический вес нейронов Интенсивность сенсорного соединения) имеет очень схожие изменения и была успешно использована для имитации синаптической пластичности и функции обучения. Недавно Институт физики, Китайская академия наук / Пекинский центр физики конденсированного состояния Национальной лаборатории магнитной исследовательской группы Sun Microsystems в Впервые в мире был предложен элемент энергонезависимой схемы, основанный на эффекте магнитоэлектрической связи (memtranstor). Это устройство определяется нелинейной зависимостью между зарядом и потоком, значение состояния электрически связано Это можно измерить, измеряя значение напряжения магнитоэлектрической связи устройства. В предыдущей работе исследовательская группа SUN Yang успешно продемонстрировала хранение двух состояний, полиморфное хранение и логические логические функции при комнатной температуре на основе мемристора соответственно. По сравнению с резистивными устройствами, устройство памяти имеет преимущество в более низком потреблении энергии.

В последнее время исследовательская группа Sun Yang Shang Dashan, студент Ph.D. Шэнь Цзяньсинь и сотрудники CAS академик, физический исследователь Шен Баоген, профессор Пекинского педагогического университета Ван Шоуго, добились новых успехов в применении устройства памяти, успешного применения устройства памяти к внезапному В области электрохимии они добились непрерывных и обратимых изменений величин связи путем регулирования напряжения срабатывания импульсов и количества импульсов в устройстве памяти Ni / PMN-PT / Ni с большим эффектом магнитоэлектрической связи при комнатной температуре. Увеличение веса и ослабление контакта. Нейробиологические исследования показывают, что функция обучения нейросинксов после иврита, которая изменяется в весе синаптического, зависит от активации нейронов до и после соединения синапсов. Они вызывают формы сигнала путем проектирования импульсного напряжения, И наложили два набора импульсных сигналов для реализации синаптической пластичности поведения, зависящего от последовательности импульсов (STDP). На этой основе они построили 4 * 4 нейронную сеть на основе памяти рандомизатора и использовали метод обучения случайным шумом для имитации Статическая и динамическая функция изображения. Исследование впервые в мире с использованием мемристора для имитации синаптической пластичности и функции обучения, Доказана возможность построения маломощной нейронной сети на основе устройства памяти, которая обеспечивает совершенно новый подход к разработке синаптической электроники и мозгоподобных вычислений.

Соответствующие результаты исследований опубликованы в передовых материалах. Исследование финансировалось Национальным научным фондом, Министерством науки и техники и Китайской академией наук.

Рисунок 1.a, диаграмма основных схем, b, характеристики соединительного устройства, c, принцип работы муфты, d, напряжение магнитоэлектрической связи (VME) с магнитным полем и направление поляризации изменения.

Рисунок 2.a, схема синапсов, b, изменения триггерного потенциала EPSP / IPSP с импульсным импульсным напряжением, c, количество импульсов EPSP / IPSP с импульсным зажиганием в состоянии импульсного напряжения 2,5 кВ / см изменить.

Рисунок 3.a, b, зависимость от времени, зависящая от времени, и соответствующая импульсная импульсная волновая форма c, d, импульсная синхронизация, зависящая от упрощенной формы пластичности и соответствующей формы импульсного триггера.

Рисунок 4.a, диаграмма нейронной сети, b, диаграмма импульсных импульсных импульсов, c, обучение нейронной сети до и после распределения синаптического веса, d, точность обучения значения насыщения с количеством изменений шумовых пикселей.

2016 GoodChinaBrand | ICP: 12011751 | China Exports