BTC忆阻突触器件及其类脑学习认知功能研究

Memristive synaptic device is the basic unit of artificial neuromorphic systems, which is of great scientific significance in reducing the volume and power consumption of artificial neural network, developing novel brain-inspired computing architecture to deal with the massive real-time data in the Big-Data era, and realizing the fusion of information storage and processing. However, the physical mechanism and signal transmission mechanism are still obscure for the synaptic behaviors, the internal relation between synaptic plasticity and associative learning is not clear, and imitation of brain function is still at the very early stage. To solve these key problems, the project studies BTC-based artificial synaptic devices and its learning cognition function. Based on array structure to realize the BTC synapse device, the basic synaptic function, the signal transmission mechanism, the relationship between synaptic weights and non-volatile will be expounded. Then the plasticity of synaptic device will be studied, the information transmit and processing model of learning behavior of the synapse devices will be established. Finally, the internal relation between synaptic plasticity and associative learning will be understood, based on the empirical learning mode of “learn→forget→learn again” for BTC synaptic device plasticity. The successful implementation of this project is very important for promoting the development of memristive synaptic devices and accelerating their applications in the artificial neural network.

忆阻突触器件是人工神经系统的基本单元，对减小人工神经网络的体积和功耗，开发面向大数据时代海量实时数据并行处理的仿脑计算架构，融合信息存储和处理具有重要意义。然而，现阶段突触器件的物理机制、信息传输处理机理还不清晰，突触可塑性与联想学习之间的内在联系还不明确，仿脑功能实现还处于初级阶段。本项目针对该科学问题，重点围绕BTC忆阻突触器件及其类脑学习认知功能展开研究，具体内容为：基于阵列结构实现BTC突触器件，研究其基本突触功能和信号传输机理，明确突触权重与非易失性的关系；研究BTC突触器件的可塑性，建立突触器件学习行为的信息传输处理模型；研究基于BTC突触器件可塑性的“学习→遗忘→再学习”的经验式学习模式，明确突触可塑性与联想学习之间的内在联系以及突触器件与其他传统元件配合工作的电学行为。本项目研究对推动忆阻突触器件的发展，促进忆阻突触器件在人工神经网络中的应用具有重要的理论意义和应用价值。

模仿生物神经突触可塑性的首要条件是突触器件的电导（或电阻）可模拟式地连续调节，而忆阻器作为一种反映元件上电荷和磁通之间依赖关系（M(q) = dφ(q) / dq）的无源元件，其电阻依赖于输入电流的历史，具有“记忆”电荷通过量的独特能力，具有以下基本性能：有非易失的突触权重，有突触可塑性，纳米级尺寸，低功耗，易于大规模互连集成。因此，忆阻器是模拟神经突触的完美器件，是神经突触的“电子版”，能够在一定程度上模仿大脑认知功能，在可实现大规模集成的人工神经网络方面具有巨大的应用前景，将为具有能够调节神经元突触权值的人工神经网络的实现铺平道路。基于此背景，本项目重点围绕忆阻突触器件的研制及其类脑学习功能展开研究。首先，根据研究需要和遇到的实际问题，修正优化了所采用的忆阻器/忆阻神经突触的材料体系，基于纳米忆阻器元件，研制了忆阻人工神经突触器件。其次，明确了研制的忆阻突触器件的基本突触功能、信号传输机理、突触权重与忆阻器非易失性的关系、突触器件的激励—响应关系以及可塑性。最后，建立了忆阻突触器件学习行为的信息传输处理模型，研究了忆阻突触器件可塑性“学习→遗忘→再学习”的经验式学习模式，明确了神经生物学中突触可塑性与联想学习之间的内在联系以及忆阻突触器件与其他传统元件共同配合工作的电学行为。本研究对推动忆阻突触器件的发展，促进忆阻突触器件在人工神经网络中的应用具有重要的理论意义。围绕本项目的研究，在国内外著名期刊上发表SCI收录论文11篇，授权国家发明专利7项，并实现两项发明专利的技术转让，转让经费共20万元。培养博士研究生1人，硕士研究生10人。依托本项目的研究成果指导学生参加大学生科技创新大赛。同时，将本项目最新的科研成果植入本科教学，并在全国电工电子基础课程实验教学案例设计竞赛中获奖。