越來越多的研究強調了新皮層錐體神經元的空間樹突分支對于通過局部突觸整合支持非線性計算的重要性。特別是樹枝狀分支在時間信號處理和特征檢測中起著關鍵作用。這要歸功于突觸延遲的存在所實現的重合檢測（CD）機制，該機制將時間上不同的輸入對齊以進行有效整合。對尖峰神經網絡的計算研究進一步強調了延遲對于使用純前饋神經網絡實現時空模式識別的重要性，而無需求助于遞歸架構。鑒于此，來自蘇黎世大學的Melika Payvand研究提出了“DenRAM”，這是具有樹枝狀隔間的前饋尖峰神經網絡的第一個實現，使用集成到130nm技術節點中的模擬電子電路實現，并與電阻隨機存取存儲器（RRAM）技術相耦合。
文章要點：
1) 該研究證實，DenRAM的樹枝狀電路使用RRAM設備來實現網絡中的延遲和突觸權重，通過配置RRAM設備以再現生物現實的時間尺度，利用其異質性證明了DenRAM復制突觸延遲剖面的能力，并有效地實現時空模式識別的CD，同時，為了驗證該體系結構，在兩個具有代表性的時間基準上進行了全面的系統級模擬，證明了DenRAM對模擬硬件噪聲的彈性，以及與具有同等參數的遞歸體系結構相比，其優越的準確性；
2) 此外，該研究表明，DenRAM不僅為神經形態架構帶來了豐富的時間處理能力，還減少了邊緣設備的內存占用，保證了時間基準的高精度，并代表著低功耗實時信號處理技術的重要進步。
參考資料：
D’Agostino, S., Moro, F., Torchet, T. et al. DenRAM: neuromorphic dendritic architecture with RRAM for efficient temporal processing with delays. Nat. Commun.(2024).
DOI：10.1038/s41467-024-47764-w
https://doi.org/10.1038/s41467-024-47764-w
