基于阻变忆阻器的习惯化感知神经系统

感觉神经系统(SNS)是人类生物系统的基石。它建立了外部环境和生物之间的联系。外部信息首先被不同的感受器(触觉、视觉、嗅觉等)感知，然后传递到大脑进行处理。最后，对外部信息执行相应的响应。然而，在环境中，SNS始终受到各种刺激。因此，生物体能够区分哪些刺激是需要注意的，哪些刺激是无关的，不应该有反应，这是非常重要的。即使是简单的生物也必须不断地区分那些值得回应的刺激和那些没有行为关联的刺激在SNS中，习惯化是这种区分的基本形式之一。习惯化的一个简单定义是对相同重复刺激的反应减弱，尽管它也可能包括其他复杂的特征。习惯化对生物体适应一般环境起着至关重要的作用，帮助生物体过滤掉无关重复的信息。因此，将习惯化纳入基于电子设备的人工SNS可以显著提高其信息处理能力。

感觉神经系统(SNS)建立了外部刺激和生物反应之间的联系。在这个系统中，习惯化是过滤掉无关重复信息，使SNS适应外部环境的基本特征。为了在电子设备中模拟这一关键过程，研制了一种基于LixSiOy的忆阻器(TiN/LixSiOy /Pt)，该忆阻器在重复刺激下的时间响应类似于习惯化。通过将该突触装置连接到基于Ag/SiO2:Ag/Au忆阻器的泄露积分-发放（LIF）神经元，实验证明了其具有习惯化的纯忆阻SNS。最后，建立了基于SNS的习惯化脉冲神经网络，并成功地应用于机器人的避障导航中。研究结果表明，用忆阻器直接模拟生物激发学习过程是神经形态硬件实现的一个较好的选择。

The sensory nervous system (SNS) builds up the association between external stimuli and the response of organisms. In this system, habituation is a fundamental characteristic that filters out irrelevantly repetitive information and makes the SNS adapt to the external environment. To emulate this critical process in electronic devices, a LixSiOy-based memristor (TiN/LixSiOy/Pt) is developed where the temporal response under repetitive stimulation is similar to that of habituation. By connecting this synaptic device to a leaky integrate-and-fire neuron based on a Ag/SiO2:Ag/Au memristor, a fully memristive SNS with habituation is experimentally demonstrated. Finally, a habituation spiking neural network based on the SNS is built and its application in obstacle avoidance for robot navigation is successfully presented. The results provide that a direct emulation of the biologically inspired learning process by memristors could be a sound choice for neuromorphic hardware implementation.