复旦大学刘琦，张续猛AISY：用于高阶神经形态计算的忆阻霍奇金-赫胥黎（H-H）神经元

本文来源于Advanced Intelligent Systems，欢迎浏览！

论文信息

作者列表：Yue Yang, Xumeng Zhang*, Pei Chen, Lingli Cheng, Chao Li, Yanting Ding, Qi Liu*

DOI: 10.1002/aisy.202400383

研究背景

神经元是生物神经系统的计算中心，具有事件驱动、时空整合、异步并行处理等特点，使系统具有较高的计算能力和能量效率。在硬件上模拟神经元一直是神经形态智能领域的研究热点。除了常规的脉冲产生功能外，神经元之间的通信还依赖于它们改变放电模式以编码不同信息的能力。例如，一些中间神经元表现出整合特性，只对高频输入做出反应，这使它们能够在一定的时间窗口内整合和处理来自传入神经元的时空信息，从而完成类似声音或图像定位的功能。这样的策略使神经元能够高效可靠地计算。因此，构建具有不同放电模式的神经元是构建高智能系统的关键。神经元模型是构建硬件神经元的参考。在各种神经元模型中，霍奇金-赫胥黎（H-H）模型具有最高的生物保真度。然而，基于忆阻器的H-H神经元目前缺乏通用的电路结构和对实现不同放电模式的基本原理的清晰理解。标准化设计原则的建立是灵活可控地实现不同放电模式的关键，是将其用于硬件计算的第一步。此外，将不同的放电模式应用于神经形态系统仍然是一个难题。明确这些放电行为的作用，在硬件上实现它们，并为后续算法开发和实际应用提出潜在的计算规则是至关重要的。

文章概述

近日，由复旦大学刘琦教授、张续猛青年副研究员领导的科研团队联合报道了一种具有不同放电模式的通用忆阻H-H神经元电路，通过改变输入电压（振幅/形状）和电路参数（电容/电阻/恒压源）可以实现生物神经元的23种放电模式。为了更好地理解电路参数与放电模式之间的关系，根据两个忆阻器的开关频次比将放电模式分为三大类，深入阐述了每类放电模式的电路设计原则。此外，提出了实现不同放电模式切换的通用电路参数调整规律。最后，讨论了这些放电行为在生物神经系统中的作用以及在硬件系统中的潜在功能。研究结果对忆阻H-H神经元的发展具有重要指导意义，有助于高阶神经形态系统的构建和应用。

图文导读

图1 （a）生物神经元结构图。（b）H-H模型示意图。（c）忆阻H-H神经元电路原理图。（d）NbOx阈值开关忆阻器件电学特性曲线。

图2 按基于两个TS器件的开关频次比和所需电路结构对23种放电模式进行分类。

图3 λ=1时H-H神经元的放电模式。a)基于NbOx的H-H神经元动作电位产生的基本步骤。RH-H能够实现b)全有或全无，c)不应期，d)尖峰延迟，e)积分器，f)一类兴奋，g)兴奋阻滞，h)强直尖峰的放电模式。i)电容器在CH-H中的作用。CH-H只能响应输入的变化， 实现了j)相位尖峰，k)反弹尖峰，l)阈值可变性和m)适应性放电模式。

图4 λ>1下H-H神经元的放电模式。a) H-H神经元产生双脉冲爆发（burst）的过程。b)与单次发射相比，爆发包含两个额外的阶段。A) TS1处于导通状态时，TS2导通，延长TS1导通的时间。B) TS2关断，而TS1仍处于导通状态。RH-H实现了c)双稳态，d)强直爆发，e)抑制诱导尖峰，f)抑制诱导爆发，g)尖峰频率自适应。CH-H实现了h)相位爆发，i)反弹爆发，j)尖峰频率自适应。

图5 H-H神经元在λ>1下的放电模式，以及同时满足λ<1和λ=1条件时的放电模式。a)λ>1时H-H神经元典型的亚阈值振荡行为。与尖峰行为相比，它缺少涉及TS2打开和关闭的两个阶段。此外，RH-H实现了b)二类兴奋和c)共振模式。为了同时满足λ<1和λ=1的条件，需要d) PRCH-H实现e)混合放电模式以及f) SRCH-H实现g) DAP模式。

图6 通过仿真得到了RH-H电路元件R1、R2、C1、C2、E1、E2和Vin调整后的放电模式相图。改变Vin和a)R1、（b）R2（c）E1（d）E2（e）C1（f）C2时神经元电路输出的相图。

图7实现不同的放电模式之间的切换所需的电路参数和输入的调整规则。对于RH-H电路，λ=1时的一些放电模式，如全有或全无、尖峰延迟、不应期、积分、强直尖峰和一类兴奋，以及λ<1时的一些放电模式，如强直爆发和抑制诱导尖峰，都可以通过调整输入幅值或脉宽来切换。需要调整R2以获得兴奋阻滞。调节C1来实现抑制爆发和尖峰频率自适应，通常要求C1比C2要高。需要对C1、E1和E2进行额外调整以实现双稳态模式。需要对C1和C2进行调整，才能实现二类兴奋、共振和亚阈振荡，即C2接近甚至大于C1。对于CH-H电路，仅通过调整输入即可实现反弹尖峰和反弹爆发之间的切换。此外，通过调节C1可以获得阈值可变性模式。调节输入可实现适应性、相位尖峰和相位爆发行为的切换。调节Cin可实现反弹尖峰、爆发和相位尖峰、爆发行为的切换。而混合模式和DAP放电模式通常分别需要PRCH-H和SRCH-H来实现。

结论

团队提出了一种基于阈值开关器件的通用H-H神经元电路结构，并通过调整电路参数和输入实现了生物神经元中观察到的23种放电模式。为了理解这些行为出现的条件，团队对其进行了分类，并阐明了每一类典型放电模式的基本步骤和电路条件。结果表明，不同的放电模式主要是由两种TS器件的开关频次比的变化引起的。在此基础上，我们进一步研究了电路参数和输入的变化对该参数的影响，以实现不同的放电模式。此外，我们探索了在固定电路元件参数下，仅通过改变输入所能够实现的放电模式，来最大限度地降低H-H神经元电路实际应用中参数调整的难度。最后，我们解释了不同的放电行为在生物神经系统中的作用及其在神经形态智能系统中的潜在功能。这项工作为优化忆阻H-H神经元电路提供了重要的见解和指导，并促进了它们的实际应用。

期刊简介

Wiley旗下智能系统领域开放获取旗舰刊。期刊收录关于具有刺激或指令响应智能的人造装置系统的研究，包括机器人、自动化、人工智能、机器学习、人机交互、智能传感和程序化自组装等前沿应用。Advanced Intelligent Systems最新的期刊引文指标1.11，期刊影响因子6.8，在计算机科学，人工智能和自动化与控制系统中分类皆为Q1。(源自Clarivate 2023)

点击投稿