用于具有电阻突触和原位学习的类脑神经网络的CMOS尖峰神经元
神经与进化计算
2015-11-25 v2
摘要
纳米级电阻存储器有望推动大规模神经形态系统中电子突触的密集集成。为了实现这样一种类脑计算芯片，需要一种紧凑的CMOS尖峰神经元，它能在驱动大量电阻突触的同时执行原位学习和计算。本工作提出了一种新颖的漏积分发放神经元设计，其利用单个运算放大器实现了电流积分和突触驱动的双重模式操作，并支持与交叉阵列电阻突触进行原位学习。所提出的设计采用0.18 m CMOS工艺实现。测量显示了该神经元驱动一千个电阻突触的能力，并演示了原位联想学习。该神经元电路占用0.01 mm的小面积，并具有9.3 pJspikesynapse的能效。
引用
@article{arxiv.1505.07814,
title = {A CMOS Spiking Neuron for Brain-Inspired Neural Networks with Resistive Synapses and In-Situ Learning},
author = {Xinyu Wu and Vishal Saxena and Kehan Zhu and Sakkarapani Balagopal},
journal= {arXiv preprint arXiv:1505.07814},
year = {2015}
}