[发明专利]一种神经元模拟装置及其控制方法

说明书

本发明公开了一种神经元模拟装置及其控制方法，所述装置包括：第一模块、第二模块和第三模块；第二模块包括非晶类铁电场效应晶体管，所述第二模块用于在所述非晶类铁电场效应晶体管的极化退化特性的作用下，使神经元模拟装置恢复到初始化状态；第一模块、第二模块和第三模块分别用于模拟神经元的积累特性、泄漏特性和发射特性；第一模块、第三模块均与第二模块连接，第二模块还分别与神经元模拟装置外的第一电源和脉冲信号发生装置连接。采用本发明实施例能提高神经元模拟的操作简便性，改善了神经元的模拟效果。

技术领域

本发明涉及脉冲神经网络领域，尤其涉及一种神经元模拟装置及其控制方法。

背景技术

在传统的Von Neumann架构中，处理单元与存储单元分离，导致了相当大的延迟和能量开销。随着信息技术的迅猛发展，传统的Von Neumann架构已无法应对更高算力、更低功耗的要求，因此亟需发展新的计算架构。受人脑的计算模式启发，研究人员提出了神经网络的计算架构。神经网络并行和高效的计算能力，可以克服传统的Von Neumann架构的“内存墙”瓶颈。

脉冲神经网络，其模拟神经元更加接近实际，它的膜电位达到某一个特定值才被激活。当一个神经元被激活，会产生一个信号传递给其他神经元，从而提高或降低其膜电位。其基本功能可以抽象成积累-泄漏-发射模型(LIF)。当神经元积累到一定电位时，实现发射功能。泄漏是给神经元的积累引入一个恒定的泄放通路。LIF模型是神经形态计算中应用最广泛的仿生脉冲神经元模型。

在脉冲神经网络的硬件实现上，使用传统MOSFET的实现方法，存在着硬件开销大，电路能耗高等缺点，不利于高密度集成。使用FeFET的实现方法，利用铁电材料的自发极化调制沟道电导率，可以大大减小硬件成本，提高集成密度。但是FeFET无法靠自身特性模拟泄漏特性，且在一次LIF循环结束后，需要施加一个复位电压将铁电薄膜的极化状态调整到初始状态。

发明内容

本发明实施例提供一种神经元模拟装置及其控制方法，提高了神经元模拟的操作简便性，改善了神经元的模拟效果。

本申请实施例的第一方面提供了一种神经元模拟装置，包括：第一模块、第二模块和第三模块，第一模块、第二模块和第三模块分别用于模拟神经元的积累特性、泄露特性和发射特性；

其中，第二模块包括非晶类铁电场效应晶体管，非晶类铁电场效应晶体管具有极化退化特性，用于使神经元模拟装置恢复到初始化状态；

第一模块、第三模块均与第二模块连接，第二模块还分别与神经元模拟装置外的第一电源和脉冲信号发生装置连接。

在第一方面的一种可能的实现方式中，第一模块、第三模块均与第二模块连接，第二模块还分别与神经元模拟装置外的第一电源和脉冲信号发生装置连接，具体为：

非晶类铁电场效应晶体管的漏极分别与第一模块和第三模块相连接；非晶类铁电场效应晶体管的源极与神经元模拟装置外的第一电源连接，非晶类铁电场效应晶体管的栅极与神经元模拟装置外的脉冲信号发生装置连接。

在第一方面的一种可能的实现方式中，非晶类铁电场效应晶体管的漏极分别与第一模块和第三模块相连接，具体为：

第一模块包括电容，第三模块包括电阻和开关；

电容的一端连接非晶类铁电场效应晶体管的漏极，电容的另一端接地；

电阻的一段连接非晶类铁电场效应晶体管的漏极，电阻的另一端串联连接开关后接地。

在第一方面的一种可能的实现方式中，脉冲信号发生装置产生脉冲电压，用于模拟输入神经元的兴奋性刺激。

本申请实施例的第二方面提供了一种神经元模拟装置的控制方法，应用于上述神经元模拟装置，所述控制方法包括：