摘要：存算一体技术目前被认为是一种可以消除冯·诺依曼计算架构瓶颈的可行性技术。在众多的存算一体器件中,相变存储器(PCM)因其具有非易失性、可微缩性、高开关速度、低操作电压、循环寿命长以及与现有半导体工艺相兼容等优点,被认为是未来通用存储和神经形态计算器件中最具竞争力的候选者之一。首先介绍了PCM的工作原理和器件材料结构,并详细讨论了PCM在通用存储和神经形态计算领域的应用。PCM具有高集成度和低功耗的共性需求,但这两个应用领域对材料性能有不同的侧重点。详细分析了PCM目前存在的优缺点,如高编程电流导致的功耗问题,以及商业化应用面临的主要挑战。最后,针对PCM的研究现状提出了一系列改进措施,包括材料选择、器件结构设计、预操作、热损耗降低、3D架构,以及解决阻态漂移等问题,以推动其进一步发展和应用。

摘要：基于脉冲神经网络(SNN)的神经形态计算由于工作机理更接近于生物大脑,被认为有望克服深度学习的不足而成为解决人工智能问题的更佳途径。但是如何满足高性能、低功耗和适应规模伸缩需求是神经形态计算系统需要解决的挑战性问题。基于FPGA异构计算平台ZYNQ集群,在NEST类脑仿真器上,重点解决了具有脉冲时间依赖可塑性(STDP)突触计算复杂度高、并行度低、硬件资源占用大的问题。实验结果表明,设计的方法在8节点ZYNQ 7030集群上,性能是Xeon E5-2620 CPU的14.7倍。能效比方面,是Xeon E5-2620 CPU的51.6倍,是8节点ARM Cortex-A9的20.6倍。

摘要：忆阻器可以在单一器件上实现存储和计算功能,成为打破冯·诺依曼瓶颈的核心电子元器件之一。它凭借独特的易失性/非易失性电阻特性,可以很好地模拟大脑活动中的突触/神经元的功能。此外,基于金属氧化物的忆阻器与传统的互补金属氧化物半导体(CMOS)工艺兼容,受到了广泛关注。近年来,研究提出了多种基于单介质层结构的金属氧化物忆阻器,但仍然存在高低阻态不稳定、开关电压波动大和循环耐久性差等问题。在此基础上,研究人员通过在金属氧化物忆阻器中引入双介质层成功优化了忆阻器的性能。本文首先详细介绍了氧化物双介质层忆阻器的优势,阐述了氧化物双介质层忆阻器的阻变机理和设计思路,并进一步介绍了氧化物双介质层忆阻器在神经形态计算中的应用。本文将为设计更高性能的氧化物双介质层忆阻器起到一定的启示作用。

摘要：由于在神经形态计算方面具有优良的性能,忆阻器交叉阵列引起了研究者的广泛关注.利用忆阻器与传统器件提出了1个改进的忆阻器交叉阵列电路,可以准确地存储权重与偏置,结合相应的编码方案后可以运算点积操作,并将其用于卷积神经网络中的卷积核、池化与分类器部分.利用改进的忆阻器交叉阵列和基于卷积神经网络本身拥有的高容错性,还设计了1个忆阻卷积神经网络结构,可以完成1个基本卷积神经网络算法.在卷积操作后直接存储模拟形式的计算结果,使得卷积操作与池化操作之间避免了1次模数-数模转换过程.实验结果表明:设计的面积为0.852 5cm^2芯片上的运算性能是1台计算机速度的1 770倍,在面积基本相当的前提下,性能比前人设计的电路提高了7.7倍.设计存在可以接受的微小识别误差开销,与软件运行结果相比,此电路在每个忆阻器存储6b或8b信息的情况下平均识别误差分别只增加了0.039%与0.012%.

摘要：脉冲神经网络(SNNs, Spiking Neural Networks)被称为第三代神经网络，因其低能耗和事件驱动的特性而备受关注。在面对大规模数据处理时，人工神经网络(ANNs, Artificial Neural Networks)在计算效率和能源消耗方面仍存在不足。为应对这一挑战，SNNs被提出，其设计灵感来源于生物神经系统。不同于ANNs通过连续的实数值传递信息，SNNs采用离散脉冲的形式，部署在类脑神经形态的硬件上时，能够实现更高的计算效率和更低的能源消耗。本文总结了深度脉冲神经网络所面临的瓶颈，并从多个方面介绍了针对这些问题的优化策略。

摘要：作为神经形态视觉感知系统的基本单元,光电突触需实现光敏和突触双重功能.本文基于TSMC 180 nm标准CMOS工艺提出了一种由两个PMOS晶体管构建的光电浮栅突触结构,并利用浮栅电压表征突触权重.其中,一个PMOS管工作在光电混合模式,在光信号和电信号的刺激下,突触的浮栅电压分别呈现增加和降低特性,以此实现突触的兴奋性和抑制性功能;另一个PMOS管工作在隧穿模式,并通过Fowler-Nordheim(FN)隧穿机制修正突触权重.基于光电浮栅突触的电路模型,设计了用于像素识别的单元电路,搭建了3×3的像素阵列,并分析了无噪声和有噪声两种情形下的二值图像“+”识别.仿真结果表明,在基础光强为0 mW/cm^(2)和75 mW/cm^(2)的无噪情形和引入0.5 mW/cm^(2)噪声的有噪情形下,所设计的光电浮栅突触均可实现二值图像识别,并具有一定的抗噪声能力.

摘要：随着大数据和物联网(IoTs)的迅猛发展,人工智能(AI)技术受到了广泛关注。可克服冯·诺依曼瓶颈和提高串行计算机性能的光电神经形态器件在半导体器件和集成电路领域的发展迅猛。光信号具有低功耗、低串扰、高带宽和低计算要求等优点,可视为额外端口以丰富突触可塑性的调节自由度。光电器件的光电性能在很大程度上依赖于光电材料的设计、制备。其中,有机材料具备分子多样性、成本低、易加工、机械柔韧性以及与柔性基板兼容等优点,是构建高性能光电突触器件的重要材料载体。本文从有机材料出发,介绍了其在光电器件和视觉仿生领域应用的最新进展,并讨论了当前的应用挑战和未来发展趋势。

摘要：现有的类脑计算电路存在的识别对象单一、识别率低等问题,限制了类脑芯片的发展。该文结合器件量子电导及存算一体架构,提出一种基于忆阻器的多模式识别CNN电路设计方案。该方案首先构建具有多阻态、高精度、可重构的忆阻器模型;然后采用CNN架构与权重量化方法,提高电路的训练速度与识别率;最后,在交叉阵列结构中进行电导映射,完成MNIST、Fashion-MNIST和EMNIST等多种模式测试。实验结果表明所设计忆阻器具有50个稳定阻态以及LTP突触可塑性;CNN硬件电路的多模式识别率均为90%以上,尤其是MNIST识别率高达99.08%,并验证了高斯噪声下电路的抗干扰能力。

摘要：英国《自然·机器智能》杂志16日发表的一项人工智能研究,英特尔神经形态计算实验室以及康奈尔大学的联合团队报告称,他们实现了一种设计用来模拟生物嗅觉的神经算法。这项成果意味着一种强大方法的出现,在此基础上,未来可开发出超越当前人工智能趋势的新算法。