2022-07-09

北京大学黄如院士-杨玉超教授团队在可校准感知神经元与类脑多模态感知方面取得重要进展

受生物学启发的神经形态感知系统能够有效处理从外界世界获得的物理信号具有并行、分布式和事件驱动的优势在生物感知系统中,感受器感知多模态的环境信息,神经细胞将这些信息编码为脉冲信号,随后脉冲信号被传递到大脑皮层进行进一步的处理。忆阻器由于其丰富的动力学特性,成为模拟生物神经元的重要候选器件,将忆阻器和传感器结合,可以构建高效、多模态的人工感知神经元。然而当前国际上对人工感知神经元的研究主要集中在单一物理信号的感知上,硬件仍然缺乏能够感知和编码多种物理信号的多感知神经元。神经元传感器之间的阻抗匹配问题以及神经元的一致性问题没有得到有效的解决。

针对这一关键问题,北京大学集成电路学院黄如院士-杨玉超教授课题组首次提出了一种基于外延VO2忆阻器的可校准感知神经元,用于解决人工感知神经元的一致性问题以及神经元与不同传感器阻抗匹配的问题。在材料层面上,外延生长的VO2高质量薄膜显著提高了人工神经元的周期间cycle-to-cycle一致性在电路层面上,通过在神经元电路中引入校准电阻,有效调控了神经元的发放频率曲线,从而进一步提高不同神经元之间device-to-device的一致性。为了解决神经元与不同类型传感器的阻抗匹配问题,进一步引入了缩放电阻用于将不同传感器的工作阻值调节到神经元所适配的阻值范围,从而实现了高一致性、可校准、多模态的人工感知神经元。

此基础上,团队进一步构建模态神经形态感知系统,能够将压力、光强、温度、弯曲度编码成电学脉冲。该神经形态感知系统作为3层脉冲神经网络的输入层,可以在基MNIST的压力分布图像上实现90.33%的分类准确率。该系统还被用于监测手指的弯曲度,进而实现了不同手势的感知。本项研究可以大幅扩展目前感知神经元有限的感知模式,解决根本cycle-to-cycledevice-to-device一致性问题,从而显著促进类脑感知系统的构建及其在电子皮肤神经机器人等领域应用。

相关成果以“A Calibratable Sensory Neuron Based on Epitaxial VO2 for Spike-based Neuromorphic Multisensory System”为题,发表在《自然-通讯》(Nature Communications)上。北京大学集成电路学院2018级博士生袁锐为第一作者,杨玉超教授、黄如院士为通讯作者。

相关研究工作得到了国家杰出青年基金国家重点研发计划后摩尔重大研究计划等项目以及霍英东教育基金会腾讯科学探索奖资助

图:基于可校准感知神经元的类脑模态感知系统

 

 


返回