模擬神經(jīng)形態(tài)計(jì)算系統(tǒng)模擬人類大腦的并行性和連通性，與數(shù)字系統(tǒng)相比，具有更大的表達(dá)能力和能源效率。雖然許多設(shè)備已經(jīng)成為人工神經(jīng)元和人工突觸的候選設(shè)備，但人工樹(shù)突的候選設(shè)備很少。在這項(xiàng)工作中，我們報(bào)道了生物相容性石墨烯基人工樹(shù)突(梯度)，可以實(shí)現(xiàn)樹(shù)突加工。通過(guò)使用雙側(cè)柵極結(jié)構(gòu)，通過(guò)Nafion膜施加的電流可用于控制三層石墨烯通道上的器件電導(dǎo)，顯示泄漏循環(huán)、α和高斯樹(shù)突電位的時(shí)空響應(yīng)。這些設(shè)備可以通過(guò)可變連接來(lái)實(shí)現(xiàn)高階神經(jīng)元響應(yīng)，我們通過(guò)數(shù)據(jù)驅(qū)動(dòng)的尖峰神經(jīng)網(wǎng)絡(luò)模擬表明，在低頻運(yùn)行穩(wěn)定的情況下，尖峰活動(dòng)減少了≤15%，而精度沒(méi)有損失。這使得畢業(yè)生成為節(jié)能生物界面脈沖神經(jīng)網(wǎng)絡(luò)的有力候選者。
圖1. GrAD設(shè)計(jì)，單門操作。(a)神經(jīng)元圖，描繪了三個(gè)樹(shù)突分支(紫色)，每個(gè)分支都由GrAD(左)實(shí)現(xiàn)。mGrAD的圖片和GrAD結(jié)構(gòu)圖(中間)，其中動(dòng)態(tài)是通過(guò)輸入門和調(diào)諧門控制的，讀出是通過(guò)施加在石墨烯通道上的電壓(紫色)通過(guò)端子D和s。Nafion-117門控材料是淺藍(lán)色的，Au觸點(diǎn)是金色的。GrAD的電路原理圖符號(hào)(右)。(b)生物樹(shù)突中常見(jiàn)的漏回、α和高斯樹(shù)突核波形。(c)−1 ~ 1v前后兩次掃頻時(shí)μGrAD的傳輸特性。D-S電流用藍(lán)色表示，InG-S電流用紅色表示。(d)顯示突觸特征的μGrAD的單門電流操作。
圖2.mGrAD時(shí)相關(guān)響應(yīng)。(a)在輸入門施加方電流脈沖，在調(diào)諧門施加恒流，產(chǎn)生漏回響應(yīng)。
(b)漏回mGrAD器件對(duì)不同頻率(藍(lán)色為1hz，綠色為2hz，橙色為5hz)輸入脈沖序列的響應(yīng)。
達(dá)到閾值所需的時(shí)間用紅色虛線表示。(c)在施加于調(diào)諧門的直流電流變化時(shí)，漏回枝晶的激活函數(shù)(藍(lán)色三角形表示0 nA，綠色正方形表示100 nA，橙色圓圈表示200 nA)。(d)三角形輸入電流脈沖，在調(diào)諧門處施加恒定電流，產(chǎn)生α響應(yīng)。(e)不同IIG振幅下的Alpha mGrAD器件響應(yīng)(實(shí)線)與理想Alpha內(nèi)核響應(yīng)(虛線)的對(duì)比。(f)不同ITG值(藍(lán)色為100 nA，綠色為200 nA，橙色為300 nA，紅色為400 nA，紫色為500 nA)下的Alpha和高斯波形生成。
圖3. 多個(gè)GrAD和μGrAD時(shí)間相關(guān)響應(yīng)。(a)樹(shù)突單位的符號(hào)表示。(b)樹(shù)枝狀單元電路圖。(c)由兩個(gè)單獨(dú)輸入(紫色和紅色)的樹(shù)突組成的樹(shù)突單元的實(shí)驗(yàn)輸出(藍(lán)色)。(d) μGrAD雙側(cè)門器件布局的光學(xué)顯微鏡圖像。(e)不同IIG值下的Alpha波形生成。(f)不同ITG值下的Alpha和高斯波形生成。
圖4. 樹(shù)突尖峰神經(jīng)網(wǎng)絡(luò)模擬。(a)樹(shù)突多層感知器的符號(hào)表示。模擬交叉桿的電路表示如圖所示。(b) 20次訓(xùn)練后的最大精度與每幅圖像采樣時(shí)間的關(guān)系。下降的準(zhǔn)確度低于指定點(diǎn)的10%。(c)網(wǎng)絡(luò)的總尖峰活動(dòng)隨每張圖像采樣時(shí)間的函數(shù)。褪色的顏色表示每張圖像對(duì)應(yīng)的采樣時(shí)間的精度為10%。(d) 20次訓(xùn)練后的最大準(zhǔn)確度與最大輸入頻率的關(guān)系。(e)網(wǎng)絡(luò)的總尖峰活動(dòng)與最大輸入頻率的關(guān)系。
相關(guān)研究成果由德克薩斯大學(xué)奧斯汀分校Jean Anne C. Incorvia等人2024年發(fā)表在Nano Letters (鏈接: https://doi.org/10.1021/acs.nanolett.4c00739)上。原文：Graphene-Based Artificial Dendrites for Bio-Inspired Learning in Spiking Neuromorphic Systems
轉(zhuǎn)自《石墨烯研究》公眾號(hào)
