作者列表：Yue Yang, Xumeng Zhang*, Pei Chen, Lingli Cheng, Chao Li, Yanting Ding, Qi Liu*
DOI: 10.1002/aisy.202400383
研究背景
神經元是生物神經系統的計算中心，具有事件驅動、時空整合、異步并行處理等特點，使系統具有較高的計算能力和能量效率。在硬件上模擬神經元一直是神經形態智能領域的研究熱點。除了常規的脈沖產生功能外，神經元之間的通信還依賴于它們改變放電模式以編碼不同信息的能力。例如，一些中間神經元表現出整合特性，只對高頻輸入做出反應，這使它們能夠在一定的時間窗口內整合和處理來自傳入神經元的時空信息，從而完成類似聲音或圖像定位的功能。這樣的策略使神經元能夠高效可靠地計算。因此，構建具有不同放電模式的神經元是構建高智能系統的關鍵。神經元模型是構建硬件神經元的參考。在各種神經元模型中，霍奇金-赫胥黎（H-H）模型具有最高的生物保真度。然而，基于憶阻器的H-H神經元目前缺乏通用的電路結構和對實現不同放電模式的基本原理的清晰理解。標準化設計原則的建立是靈活可控地實現不同放電模式的關鍵，是將其用于硬件計算的第一步。此外，將不同的放電模式應用于神經形態系統仍然是一個難題。明確這些放電行為的作用，在硬件上實現它們，并為后續算法開發和實際應用提出潛在的計算規則是至關重要的。
文章概述
近日，由復旦大學劉琦教授、張續猛青年副研究員領導的科研團隊聯合報道了一種具有不同放電模式的通用憶阻H-H神經元電路，通過改變輸入電壓（振幅/形狀）和電路參數（電容/電阻/恒壓源）可以實現生物神經元的23種放電模式。為了更好地理解電路參數與放電模式之間的關系，根據兩個憶阻器的開關頻次比將放電模式分為三大類，深入闡述了每類放電模式的電路設計原則。此外，提出了實現不同放電模式切換的通用電路參數調整規律。最后，討論了這些放電行為在生物神經系統中的作用以及在硬件系統中的潛在功能。研究結果對憶阻H-H神經元的發展具有重要指導意義，有助于高階神經形態系統的構建和應用。
圖文導讀
圖1 （a）生物神經元結構圖。（b）H-H模型示意圖。（c）憶阻H-H神經元電路原理圖。（d）NbOx閾值開關憶阻器件電學特性曲線。
圖2 按基于兩個TS器件的開關頻次比和所需電路結構對23種放電模式進行分類。
圖3 λ=1時H-H神經元的放電模式。a)基于NbOx的H-H神經元動作電位產生的基本步驟。RH-H能夠實現b)全有或全無，c)不應期，d)尖峰延遲，e)積分器，f)一類興奮，g)興奮阻滯，h)強直尖峰的放電模式。i)電容器在CH-H中的作用。CH-H只能響應輸入的變化， 實現了j)相位尖峰，k)反彈尖峰，l)閾值可變性和m)適應性放電模式。
圖4 λ>1下H-H神經元的放電模式。a) H-H神經元產生雙脈沖爆發（burst）的過程。b)與單次發射相比，爆發包含兩個額外的階段。A) TS1處于導通狀態時，TS2導通，延長TS1導通的時間。B) TS2關斷，而TS1仍處于導通狀態。RH-H實現了c)雙穩態，d)強直爆發，e)抑制誘導尖峰，f)抑制誘導爆發，g)尖峰頻率自適應。CH-H實現了h)相位爆發，i)反彈爆發，j)尖峰頻率自適應。
圖5 H-H神經元在λ>1下的放電模式，以及同時滿足λ<1和λ=1條件時的放電模式。a)λ>1時H-H神經元典型的亞閾值振蕩行為。與尖峰行為相比，它缺少涉及TS2打開和關閉的兩個階段。此外，RH-H實現了b)二類興奮和c)共振模式。為了同時滿足λ<1和λ=1的條件，需要d) PRCH-H實現e)混合放電模式以及f) SRCH-H實現g) DAP模式。
圖6 通過仿真得到了RH-H電路元件R1、R2、C1、C2、E1、E2和Vin調整后的放電模式相圖。改變Vin和a)R1、（b）R2（c）E1（d）E2（e）C1（f）C2時神經元電路輸出的相圖。
圖7實現不同的放電模式之間的切換所需的電路參數和輸入的調整規則。對于RH-H電路，λ=1時的一些放電模式，如全有或全無、尖峰延遲、不應期、積分、強直尖峰和一類興奮，以及λ<1時的一些放電模式，如強直爆發和抑制誘導尖峰，都可以通過調整輸入幅值或脈寬來切換。需要調整R2以獲得興奮阻滯。調節C1來實現抑制爆發和尖峰頻率自適應，通常要求C1比C2要高。需要對C1、E1和E2進行額外調整以實現雙穩態模式。需要對C1和C2進行調整，才能實現二類興奮、共振和亞閾振蕩，即C2接近甚至大于C1。對于CH-H電路，僅通過調整輸入即可實現反彈尖峰和反彈爆發之間的切換。此外，通過調節C1可以獲得閾值可變性模式。調節輸入可實現適應性、相位尖峰和相位爆發行為的切換。調節Cin可實現反彈尖峰、爆發和相位尖峰、爆發行為的切換。而混合模式和DAP放電模式通常分別需要PRCH-H和SRCH-H來實現。
結論
團隊提出了一種基于閾值開關器件的通用H-H神經元電路結構，并通過調整電路參數和輸入實現了生物神經元中觀察到的23種放電模式。為了理解這些行為出現的條件，團隊對其進行了分類，并闡明了每一類典型放電模式的基本步驟和電路條件。結果表明，不同的放電模式主要是由兩種TS器件的開關頻次比的變化引起的。在此基礎上，我們進一步研究了電路參數和輸入的變化對該參數的影響，以實現不同的放電模式。此外，我們探索了在固定電路元件參數下，僅通過改變輸入所能夠實現的放電模式，來最大限度地降低H-H神經元電路實際應用中參數調整的難度。最后，我們解釋了不同的放電行為在生物神經系統中的作用及其在神經形態智能系統中的潛在功能。這項工作為優化憶阻H-H神經元電路提供了重要的見解和指導，并促進了它們的實際應用。
期刊簡介
Wiley旗下智能系統領域開放獲取旗艦刊。期刊收錄關于具有刺激或指令響應智能的人造裝置系統的研究，包括機器人、自動化、人工智能、機器學習、人機交互、智能傳感和程序化自組裝等前沿應用。Advanced Intelligent Systems最新的期刊引文指標1.11，期刊影響因子6.8，在計算機科學，人工智能和自動化與控制系統中分類皆為Q1。(源自Clarivate 2023)
