材料学部代月花教授团队在忆阻器基神经元电路研究方面取得系列进展

摘要：神经元电路对于构建高效智能神经形态信息处理系统是至关重要的。面向不同应用场景，对于神经元电路的编码功能需求有所不同。代月花教授团队针对不同应用需求，完成了多种忆阻器基神经元电路设计开发。

神经元电路对于构建高效智能神经形态信息处理系统是至关重要的。面向不同应用场景，对于神经元电路的编码功能需求有所不同。代月花教授团队针对不同应用需求，完成了多种忆阻器基神经元电路设计开发。

集成电路学院代月花教授团队与复旦大学芯片与系统前沿研究院刘琦教授团队开展合作。针对神经形态计算系统中传统神经元电路无法对负值信息进行有效编码进而影响系统性能的问题，提出并成功实现一种基于非对称扩散型忆阻器(Ag/TaOx/SiOx/Pt)的L-ReLU神经元电路。通过利用银离子的可控迁移扩散机制，设计实现了非对称阈值转变特性的扩散型忆阻器，并基于该器件构建了L-ReLU脉冲神经元电路，实现对于神经形态计算系统中负值信息的有效编码。在输入信号作用下，该神经元能够将正负输入信息分别编码为可区分的正向和负向脉冲频率（图1）。该项成果以“An Artificial L-ReLU Neuron with Asymmetric Diffusive Memristor for High-Accuracy Neuromorphic Systems”为题，发表于Advanced Functional Materials (DOI: 10.1002/adfm.202423267)。安徽大学集成电路学院为第一通讯单位，集成电路学院23级博士生邹建勋和22级博士生冯哲为共同第一作者，安徽大学集成电路学院吴祖恒副教授、代月花教授和复旦大学芯片与系统前沿研究院张续猛青年副研究员为共同通讯作者。

图1. 基于非对称扩散型忆阻器阈值转变忆阻器的 L-ReLU脉冲神经元电路

在此之前，研究团队设计实现了非对称阈值转变忆阻器模型，并基于电路仿真软件LTspice设计开发了L-ReLU神经元电路，实现对于负值信息的编码功能验证（图2），相关成果以“L-ReLU Spiking Neuron Circuit Based on Threshold Switching Memristor for Conversion-Based Spiking Neural Networks”为题发表于IEEE Transactions on Circuits and Systems—II: Express Briefs，(DOI: 10.1109/TCSII.2024.3364822)。安徽大学集成电路学院为唯一通讯单位，集成电路学院23级博士生邹建勋为第一作者，朱云来老师和代月花教授为共同通讯作者。

图2. 基于非对称阈值转变忆阻器的 L-ReLU脉冲神经元电路

此外，针对面向运动检测应用场景需求，基于视觉神经系统中的双极细胞（Bipolar Cell Neuron Circuit，BCNC）神经元工作原理，研究设计了一种实现增量调制神经元电路，该电路能够实时编码输入信号的变化量（图3），实现在运动检测领域的应用验证，相关成果以“A Memristor-Based Bipolar Cell Neuron Circuit for Motion Detection and Action Prediction”为题发表于IEEE Transactions on Circuits and Systems—II: Express Briefs，(DOI: 10.1109/TCSII.2024.3380625)，安徽大学集成电路学院为唯一通讯单位，集成电路学院22级博士生冯哲为第一作者，吴祖恒副教授、朱云来老师和代月花教授为共同通讯作者。

图3.忆阻器基增量调制神经元电路

针对主流ReLU神经元电路抗攻击能力弱的问题，研究设计了一种忆阻器基径向基神经元电路，该电路能够有效过滤攻击信息，提高了网络的抗干扰能力（图4），相关成果以“Threshold Switching Memristor-Based Radial-Based Spiking Neuron Circuit for Conversion Based Spiking Neural Networks Adversarial Attack Improvement”为题发表于IEEE Transactions on Circuits and Systems—II: Express Briefs，(DOI: 10.1109/TCSII.2023.3318592)，安徽大学集成电路学院为唯一通讯单位，集成电路学院吴祖恒副教授为论文第一作者，徐祖雨副教授为论文通讯作者。