Physica Status Solidi (RRL) – Rapid Research Letters:面向仿生神经网络应用的离子/电子耦合神经形态器件综述进展

近年来,人工智能(AI)已经成为了全球重点关注的研究热点之一。但是,现有AI技术主要基于传统冯∙诺依曼架构,受限于冯·诺依曼瓶颈问题,其在非结构化大数据的处理中具有一定的局限性,并限制了传统人工智能(AI)技术在便携式、低功耗和类脑智能领域的应用。突触作为人脑认知行为的基本单元,是神经元间发生联系的关键部位,是构建人工神经网络的重要出发点。因此,神经形态器件的研究正在成为AI领域的一个重要分支。离子/电子耦合器件通过外电场下电解质内的离子运动来传递电信号,具有独特的离子驰豫行为、类生物离子驰豫时间尺度和较低的器件操作电压等特点。因此,这类器件可以用于模仿生物突触功能进而构建仿生神经网络,为实现基于硬件的AI提供了新的思路,相关研究也受到了学术界的广泛关注。

中国科学院宁波材料技术与工程研究所的竺立强研究员课题组撰写了综述文章“Ionotronic Neuromorphic Devices for Bionic Neural Network Applications”,系统总结了面向仿生神经网络应用的离子/电子耦合神经形态器件,主要分析了离子/电子耦合晶体管和忆阻器的基本工作原理,介绍了这类器件在生物突触塑性和高级神经功能模仿方面的研究进展,展望了离子/电子耦合神经形态器件在多功能智能人造感知学习系统中的应用潜力。硕士生虞菲为该论文的第一作者,竺立强研究员为该论文的通讯作者。

论文先后介绍了离子/电子耦合晶体管和离子型忆阻器的基本工作原理、器件基本电学性能及其可调制突触权重的实现方法。总结了这类离子型器件在多种突触塑性模仿方面的应用,包括短时程/长时程突触塑性行为(STP/LTP)、STP到LTP转变行为、尖峰时间依赖可塑性(STDP)学习法则、尖峰速率依赖可塑性(SRDP)和突触再可塑性(Metaplasticity)等行为。随后,介绍了离子/电子耦合神经形态器件在高级神经功能模仿方面的研究进展,讨论了几类高级神经功能的实现方法,包括逻辑功能、图像记忆、模式识别、条件反射和神经感知功能。最后,简单描述了构建仿生神经网络和基于硬件的AI所面临的挑战,并展望了离子/电子耦合神经形态器件在构建多功能智能人造感知学习系统和神经形态AI芯片等方面的应用潜力。

相关论文发表于近期的Physica Status Solidi (RRL)-Rapid Research Letters (DOI:10.1002/pssr.201800674)