摘要：神经形态计算潜力巨大，但硬件开销仍居高不下。如何破局？实验室最新研究融合忆阻器脉冲发生器与电化学晶体管状态调控单元，高效实现可重构仿生神经元，产生丰富脉冲发放行为，推动人工智能与脑科学的进一步交叉融合！

神经形态计算潜力巨大，但硬件开销仍居高不下。如何破局？实验室最新研究融合忆阻器脉冲发生器与电化学晶体管状态调控单元，高效实现可重构仿生神经元，产生丰富脉冲发放行为，推动人工智能与脑科学的进一步交叉融合！

2025年2月5日，浙江大学脑机智能全国重点实验室、计算机学院、良渚实验室的潘纲、林芃课题组联合西湖大学孔玮研究员等，在《Science Advances》期刊上在线发表题为“Bio-plausible reconfigurable spiking neuron for neuromorphic computing”的论文。本研究利用MOTT忆阻器高效脉冲发生能力及ECRAM精确状态调控能力，开发了一种新型仿生神经元，该神经元模仿生物神经元的工作方式，具有高效、灵活的信号处理能力，并且使用的硬件资源更少、成本更低。这一成果解决了传统仿生神经元设计中硬件复杂且昂贵的问题，为面向更智能的神经形态计算系统实现提供了崭新的视角，为人工智能与脑科学的融合与互促发展提供了新的方向。

神经拟态计算旨在模拟大脑中的神经元和突触的动力学行为，以提升人工智能系统的计算效率与认知能力，是当下研究热点。人工神经元作为神经形态计算系统的基本单元，借鉴生物神经元的多样化放电模式，对提升类脑系统的信息处理能力有着重要意义。现有基于传统CMOS技术的仿生神经元模型，如Hodgkin-Huxley (H-H)模型，其具有的多种脉冲模式可用于不同信息处理场景，如生物节律性循环活动与感觉信息编码等。但由于CMOS器件缺乏本征的神经动力学，构建这类神经元的电路结构复杂，难以直接在硬件系统中实现和应用。另一方面，简化的神经元模型，如Leaky-integrate-fire (LIF)模型，虽被广泛应用于神经形态计算系统的设计中，却因脉冲发放模式单一，无法完全模拟丰富的生物脉冲发放行为，限制了神经形态计算系统的认知表现。

本研究受经典快-慢神经元电路分析方法启发，设计了一种基于MOTT忆阻器和ECRAM的异构集成神经元电路(图1)，利用MOTT忆阻器高效脉冲发生能力及ECRAM精确状态调控能力，实现了仿生度高、功能丰富可调、电路开销低等优势的新型类脑神经元电路。与以往只通过改变输入刺激或替换电路元件，来改变神经元脉冲发放模式的研究工作相比，该工作首次实现只采用编写器件状态这一简单有效的调控手段，即可达到多样化的神经元发放模式调制的效果（图2），更加突出了类脑器件在神经形态计算系统中的低硬件开销、高密度集成等优势，为更高效的人工智能系统构建提供了新的硬件支撑。

生物相似度更高的神经元发放模式在神经网络信息处理中起着至关重要的作用，例如，簇发放神经元模型在脉冲神经网络中可以实现更加精确的脉冲发放时间控制，用较小的时间步实现更好的分类准确率，达到准确率与工作效率的同步优化。未来将开展更加深入的研究工作，借助新型器件异构集成技术实现更高效及智能的神经形态计算芯片及系统，并应用到脑机接口、脑启发计算等新型领域，助力人工智能与脑科学的融合与互促发展。

浙江大学计算机科学与技术学院博士生肖宇、张碧华，信息与电子工程学院本科生刘毅泽为本文的第一作者。其中，刘毅泽通过浙江大学“领航人才培养计划”加入本项目，该计划是从全国重点实验室中遴选优秀导师，与全面发展的本科生进行双向选择，共同开展科研项目或其他形式的科研训练计划，为本科生参与高水平科研项目提供了优质的平台。浙江大学脑机智能全国重点实验室、计算机学院、良渚实验室的潘纲教授、林芃研究员与西湖大学孔玮研究员为本文的共同通讯作者。此外，浙江大学陈鹏博士后、何恩慧研究员、霍文驹博士生、马德副教授、郑乾研究员、唐华锦教授，复旦大学张续猛副研究员、蒋昊研究员等也为本研究做出了重要贡献。本研究得到了重点研发计划重大项目“感存算一体的神经元计算机系统”、国家杰出青年科学基金、浙江省自然科学基金重大项目及浙江大学紫金计划资助。

原文链接：

新闻来源：脑机智能全国重点实验室

来源：启真脑机智能基地