本项目将神经科学的最新研究进展- - 生物实验中发现的脉冲时间依赖的可塑性学习规则(STDP)和电路领域新型电路元件- - 忆阻器相结合,研究适合用超大规模集成电路(VLSI)实现的新型神经形态系统,使其更接近人脑的结构和功能,增强智能信息处理能力。第一,将STDP规则的脉冲检测部分和权值更新部分分别内化到神经元和突触电路中,利用纳米元件忆阻器作为突触,设计体积小、功耗低、功能强的单元模块电路。第二,研究基于STDP规则和忆阻器突触的神经形态系统,包括单个神经元STDP规则的验证,拓扑结构设计和稳定性分析,结合现代互补金属氧化物半导体(CMOS)工艺完成系统的VLSI实现。第三,将该系统应用到逻辑运算和图像处理,形成智能信息处理新方法。项目立足于交叉学科,研究成果将为开发智能信息处理系统提供重要的理论和实践依据。这方面工作在国际上处于萌芽状态,有望取得突破性进展,是一项有广泛前景的应用基础研究。
plasticity learning rule (STDP);neural morphological systems;very large scale integrated circuit(VLSI);memristor synapse;
根据项目任务书,本项目主要将神经科学的最新研究进展——生物实验中发现的脉冲时间依赖的可塑性学习规则(STDP)和电路领域新型电路元件——忆阻器相结合,研究适合用超大规模集成电路(VLSI)实现的新型神经形态系统,使其更接近人脑的结构和功能,增强智能信息处理能力。第一,将STDP 规则的脉冲检测部分和权值更新部分分别内化到神经元和突触电路中,利用纳米元件忆阻器作为突触,设计体积小、功耗低、功能强的单元模块电路。第二,研究基于STDP 规则和忆阻器突触的神经形态系统,包括单个神经元STDP 规则的验证,拓扑结构设计和稳定性分析,结合现代互补金属氧化物半导体(CMOS)工艺完成系统的VLSI 实现。第三,将该系统应用到逻辑运算和图像处理,形成智能信息处理新方法。项目立足于交叉学科,研究适合用超大规模集成电路(VLSI)实现的新型神经形态系统,使其更接近人脑的结构和功能,增强智能信息处理能力,研究成果将为开发智能信息处理系统提供重要的理论和实践依据。这方面工作在国际上处于萌芽状态,有望取得突破性进展,是一项有广泛前景的应用基础研究。圆满完成了预定的研究目标。三年来,我们在IEEE Transactions on Neural Networks and Learning System、International Journal of Bifurcation and Chaos和中国科学F辑: 信息科学等知名国际国内杂志上发表学术论文26篇,其中SCI检索13篇,EI检索5篇,接受待发表SCI/EI学术论文5篇。申请国家发明专利3项,正式获准授权2项。获得实用新型专利1项。2名博士生研究生和17名硕士研究生已经在此项目中获益。