神经形态计算旨在通过模仿构成人脑的神经元和突触的机制来实现人工智能（AI）。|人工神经元和突触可塑性相互作用( 二 ) 神经形态计算旨在通过模仿构

文章图片
图|神经元膜结构图（左）和TS-PCM的相应电路表示（右）（来源：Nature）
在这项最新研究中，研究人员报告了一种突触装置，该装置在单个单元中模拟突触和内在可塑性，此外，基于伴随神经可塑性的协同相互作用，建立了一个正反馈学习循环。最后，通过采用阈值开关相变存储器（TS-PCM）的伴随可塑性和反馈学习循环，成功实现了4×4模式的记忆和再训练。这是一种纳米级的神经形态存储设备，它可以在一个单元中同时模拟神经元和突触，其中短期和长期记忆共存，使用分别模拟神经元和突触特征的易失性和非易失性记忆装置。阈值开关器件用作易失性存储器，相变存储器用作非易失性器件。两个薄膜器件集成在一起，没有中间电极，实现了神经形态记忆中神经元和突触的功能适应性。

文章图片
图|由底部易失性和顶部非易失性存储层组成的神经形态存储设备，分别模拟神经元和突触特性（来源：KAIST）
【神经形态计算旨在通过模仿构成人脑的神经元和突触的机制来实现人工智能（AI）。|人工神经元和突触可塑性相互作用】与商用显卡类似，此前研究的人工突触装置常用于加速并行计算，与人脑的运行机制有明显区别。研究小组在神经形态记忆装置中实现了神经元和突触之间的协同相互作用，模拟了生物神经网络的机制。此外，所开发的神经形态器件可以用单个器件替代复杂的CMOS神经元电路，具有很高的可扩展性和成本效益。研究人员表示，这是朝着用半导体设备严格模拟人脑的神经形态计算目标迈出的又一步。