[发明专利]一种基于忆阻器的自适应神经元电路

说明书

本发明提供一种基于忆阻器的自适应神经元电路，包括：激励脉冲、非易失性忆阻器以及电容构成充电回路；易失性忆阻器、电容以及电阻构成放电回路；电阻两端的电压信号作为神经元电路的输出脉冲；工作过程如下：非易失性忆阻器接收到激励脉冲后，电容通过充电回路充电，电容电压逐渐增大，当易失性忆阻器两端电压小于阈值电压时，输出脉冲为0，当易失性忆阻器两端电压大于或等于阈值电压时，电容通过放电回路放电，电阻两端电压作为输出脉冲产生动作电位；在激励脉冲的作用下，非易失性忆阻器的阻值逐渐增大，导致产生的所述动作电位频率越来越小，模拟了神经元对恒定的外界刺激逐渐适应的特性。本发明模拟了神经元的自适应功能。

技术领域

本发明属于类脑仿生领域，更具体地，涉及一种基于忆阻器的自适应神经元电路。

背景技术

模拟人脑的生理结构和工作机理构建仿生的神经计算系统是实现人工智能的重要途径。人类的大脑是由约百亿个神经元和约百万亿个突触构成，其中单个神经元与多个突出互联，形成复杂的网状结构，因此模拟人脑结构的前提是硬件实现神经元和突触两种基本单元。传统的人工神经元和人工突触是基于CMOS电路构建的，实现单个神经元或突触往往需要数十个甚至上百个晶体管，电路结构复杂，面积大，功耗高，不利于大规模集成。因此基于新型器件实现更小功耗更低的人工神经元和突触是神经形态计算领域的重要研究方向。

忆阻器的问世为解决这个问题提供了契机。目前基于忆阻器的人工突触已经取得巨大的进展，单个忆阻器件已经能够模拟突触的多种功能，同时基于忆阻器的人工神经元也已经取得了重要的突破，例如文献《An Artificial Neuron Based on aThresholdSwitching Memristor》中利用简单的电路结构，结合易失性忆阻器件实现神经元的多种功能。但这些工作往往是基于简化的IF神经元模型，忽略了大多数生物神经元动力学，例如某些生物神经元在接收到恒定的刺激时，会表现出一定的适应能力，具体表现为其产生的动作电位频率降低。

因此有需要基于简单的电路结构实现一种自适应神经元电路，以模拟神经元可以适应恒定刺激的能力。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种基于忆阻器的自适应神经元电路，旨在解决现有技术无法模拟神经元适应恒定刺激能力的问题。

为实现上述目的，本发明提供了一种基于忆阻器的自适应神经元电路，包括：非易失性忆阻器、易失性忆阻器、电容以及电阻；

所述非易失性忆阻器的第一端连接激励脉冲输入端，第二端分别连接电容的第一端和易失性忆阻器的第一端；若所述非易失性忆阻器的第一端接收到激励脉冲，所述非易失性忆阻器的电阻值会逐渐升高；所述易失性忆阻器两端的电压小于其阈值电压时，易失性忆阻器处于高阻态；所述易失性忆阻器两端的电压大于或等于其阈值电压时，易失性忆阻器处于低阻态；

所述易失性忆阻器的第二端连接电阻的第一端；所述电容的第二端和电阻的第二端均接地；所述激励脉冲、非易失性忆阻器以及电容构成充电回路；所述易失性忆阻器、电容以及电阻构成放电回路；所述激励脉冲作为神经元电路的输入脉冲，所述电阻两端的电压信号作为神经元电路的输出脉冲；

所述神经元电路的工作过程如下：非易失性忆阻器的第一端接收到激励脉冲后，电容通过充电回路充电，电容两端电压逐渐增大，当易失性忆阻器两端电压小于阈值电压时，输出脉冲为0，此过程为神经元积分过程；当易失性忆阻器两端电压大于或等于阈值电压时，电容通过放电回路放电，电阻两端电压作为输出脉冲产生动作电位，此过程为神经元的发放过程；

所述神经元电路的自适应过程为：在激励脉冲的作用下，所述非易失性忆阻器的阻值逐渐增大，导致电路中充电回路的时间常数逐渐增大，电容在恒定的激励脉冲下的充电速度会越来越慢，达到易失性忆阻器的阈值电压所需的时间逐渐增多，最终导致产生的所述动作电位频率越来越小，模拟了神经元对恒定的外界刺激逐渐适应的特性。

在一个可选的示例中，所述电容为定值电容或者可变电容，电容值范围为10fF至10μF。