进化单极性忆阻器脉冲神经网络

神经形态计算——硬件上的类脑计算——通常需要大量的 CMOS 脉冲神经元，并通过密集的纳米级可塑性突触网格相互连接。忆阻器因其具有状态保持性和低功耗实现的潜力，常被引为强有力的突触候选器件。迄今为止，大量研究集中在双极性忆阻器突触上，它能够进行增量权重调整，并可在 Hebbian 学习方案下提供自适应自组织。本文考虑单极性忆阻器突触——一种通过施加合适的输入电压只能在两种状态（导电和阻性）之间进行非 Hebbian 切换的器件——并讨论其对神经形态系统的适用性。采用自适应进化过程来自主寻找高度适应的网络配置。在两个机器人任务上的实验表明，单极性忆阻器网络进化出任务求解控制器的速度比双极性忆阻器网络和包含恒定非可塑性连接的网络更快，同时性能至少相当。