忆阻神经形态系统中故障元件影响的分析

如今，基于脉冲神经网络(SNN)的神经形态系统吸引了众多研究者的关注。有许多研究旨在提升神经形态系统的性能，这些研究已展现出令人满意的结果。为了放大神经形态系统的性能，开发实际的神经形态系统至关重要。在开发过程中，忆阻器因其有用的特性而扮演着关键角色。尽管忆阻器对于实际的神经形态系统至关重要，但它们容易发生故障。然而，很少有研究分析使用忆阻器的神经形态系统中故障元件的影响。为解决这一问题，我们通过改变故障比率、类型和位置，分析了含有故障元件的忆阻神经形态系统的性能。我们选择神经元和突触来注入故障。我们向突触注入两种类型的故障：SA0和SA1故障。故障突触出现在随机位置和重要位置。通过我们的分析，我们发现了以下四个有趣的点。第一，忆阻特性增加了神经形态系统对故障元件的脆弱性。第二，存在导致性能急剧下降的故障神经元比率。第三，故障突触导致的性能退化取决于故障类型。最后，当SA1故障突触出现在重要位置时，它们会提升性能。