相变忆阻晶体管突触
无序系统与神经网络
2021-06-11 v2
摘要
在哺乳动物神经系统中，各种突触可塑性规则单独或协同地作用，并在广泛的时间尺度上支配着支持学习与记忆形成的进程。为在人工智能中模拟生物认知，神经形态计算平台因而需要能够忠实表达此类复杂可塑性与动力学的合成突触。尽管一些可塑性规则已通过精细的CMOS与忆阻电路得到仿真，但在同一低功耗纳米级器件中结合多种可塑性（如具有可调动力学的长时程可塑性（LTP）与短时程可塑性（STP））的硬件演示仍然缺失。在此，我们提出相变忆阻晶体管突触（phase change memtransistive synapse），其利用忆阻器的非易失性与晶体管的易失性，将LTP与同突触和异突触STP效应相耦合。我们展示了此类仿生突触可实现若干强大的认知框架，如短时程脉冲时序依赖可塑性（ST-STDP）与随机Hopfield神经网络。我们证明了，正如哺乳动物大脑一般，此类仿真能够在数据流中建立时间关联，以用于序列学习与组合优化任务。
引用
@article{arxiv.2105.13861,
title = {Phase Change Memtransistive Synapse},
author = {Syed Ghazi Sarwat and Benedikt Kersting and Timoleon Moraitis and Vara Prasad Jonnalagadda and Abu Sebastian},
journal= {arXiv preprint arXiv:2105.13861},
year = {2021}
}