用于类脑计算中密集忆阻器-突触连接的CMOS脉冲神经元
神经与进化计算
2015-06-10 v2 新兴技术
摘要
密集集成CMOS脉冲神经元和纳米级忆阻器突触的神经形态系统为类脑计算开辟了新途径。现有的硅神经元已模拟了神经生物物理动态，但与忆阻器突触不兼容，或者使用了额外的训练电路从而消除了使用忆阻器所获得的许多密度优势，或者能效低下。在此我们描述一种新颖的CMOS脉冲漏积分发放神经元电路。基于带单个运算放大器的可重构架构，所述神经元容纳大量忆阻器突触，并以优化的功耗实现在线脉冲时序依赖可塑性 (STDP) 学习。一个180nm CMOS设计的仿真结果显示，在标称1MΩ忆阻下于10,000个忆阻器突触中实现STDP学习时功耗效率指标为97%，且在整合输入脉冲时仅消耗13μA电流。因此，所述CMOS神经元为大规模类脑神经形态系统提供了一种通用构建模块。
引用
@article{arxiv.1506.01069,
title = {A CMOS Spiking Neuron for Dense Memristor-Synapse Connectivity for Brain-Inspired Computing},
author = {Xinyu Wu and Vishal Saxena and Kehan Zhu},
journal= {arXiv preprint arXiv:1506.01069},
year = {2015}
}
备注
This is a preprint of an article accepted for publication in International Joint Conference on Neural Networks (IJCNN) 2015