Nat. Commun：一种用于神经机器人的基于莫特忆阻器的人工尖峰传入神经 ...

文章链接：https://doi.org/10.1038/s41467-019-13827-6

图1. 生物传入神经元与人工传入神经元

背景

在大数据和物联网时代，大量的传感数据，如图片、演讲、视频等，需要进行实时高效的处理。由于冯-诺伊曼瓶颈，这对传统计算体系结构提出了重大挑战。基于尖峰神经网络(SNNs)的神经形态计算体系以其高效节能和强大的计算能力而被认为是一个很有吸引力的候选体系。近年来，开发了各种硬件SNNs的技术，如数字逻辑电路、互补金属氧化物半导体(CMOS)模拟电路和新兴的忆阻器。摘要由于晶体管的物理限制和缺乏理想的动态特性，忆阻器以其集成度高、功耗低、模拟特性和扩散动力学等特点引起了人们的特别关注。因此，基于记忆体的人工突触，尖峰神经元，近年来被积极研究，以构建SNNs的硬件实现。然而，从环境中采集的信号通常处于连续和模拟域，需要先转换成峰值作为SNNs的输入。因此，需要一种类似于生物学中的传入神经的特殊细胞来接收来自受体的信号，并将峰值信号传输到中枢神经系统和大脑。幸运的是，据报道，一种基于有机环振荡器(ORO)的仿生传入神经，其输出频率与生物感觉神经元的动作电位相匹配，可以通过连接突触晶体管来控制生物运动神经。ORO的尖峰频率可以通过压力传感器控制的输入电压来调节。然后，ORO的输出被进一步用于触发与生物传出神经相连的突触晶体管，突触晶体管的不同输出电流被转换成电压信号，刺激蟑螂的腿产生不同的伸展力。此外，其他类型的器件，包括二端忆阻器和三端晶体管，也有报道模仿痛觉感受器、机械感受器、光感觉运动突触等，以构建高效的人工感觉系统。对于这些系统，需要一种高度紧凑的人工尖峰传入神经(ASAN)来进一步将感知到的信号转换成尖峰。NbOx忆阻器是一种集成度高的双端器件。它具有负微分电阻(NDR)行为，可以作为电压扫描的动态阈值切换的基础，并使仿真生物神经元和模拟计算成为可能。

摘要

基于脉冲的神经形态计算为高效计算范式提供了巨大的潜力。近年来，基于传统互补金属氧化物半导体技术或忆阻器的尖峰神经网络的硬件实现得到了发展。然而，一种与环境的接口(在生物学中称为传入神经)，它可以将传感器的模拟信号转换成脉冲神经网络中的脉冲信号，目前还没有被证明。本文首次提出并实验证明了一种基于高可靠NbOx Mott忆阻器的人工尖峰传入神经。传入神经的尖峰频率与受到毒性高刺激前的刺激强度成正比，然后在一个拐点开始降低尖峰频率。利用这种传入神经，我们进一步构建了一个无动力尖峰机械感受器系统，并采用无源压电器件作为触觉传感器。实验结果表明，我们的传入神经在构建自我感知神经机器人中具有广阔的应用前景。

Neuromorphic computing based on spikes offers great potential in highly efficient computing paradigms. Recently, several hardware implementations of spiking neural networks based on traditional complementary metal-oxide semiconductor technology or memristors have been developed. However, an interface (called an afferent nerve in biology) with the environment, which converts the analog signal from sensors into spikes in spiking neural networks, is yet to be demonstrated. Here we propose and experimentally demonstrate an artificial spiking afferent nerve based on highly reliable NbOx Mott memristors for the first time. The spiking frequency of the afferent nerve is proportional to the stimuli intensity before encountering noxiously high stimuli, and then starts to reduce the spiking frequency at an inflection point. Using this afferent nerve, we further build a power-free spiking mechanoreceptor system with a passive piezoelectric device as the tactile sensor. The experimental results indicate that our afferent nerve is promising for constructing self-aware neurorobotics in the future.