人类大脑具备突出的高鲁棒性、低功耗等特点，自身能够有效应对外界环境的动态变化，具备强大学习能力，即便身处复杂环境也能够有效决策并稳定工作。类脑计算受人类大脑计算架构启发，拟基于生物神经网络工作原理设计实现高效计算硬件，较之传统的冯·诺依曼架构有望实现高并行、低功耗、高容错的计算模式，从而向更加智能化的信息处理方式迈进。人工神经元和人工突触被认为是构建类脑计算系统的关键单元，因此开发功能强大的人工神经元和人工突触对于构建类脑硬件系统具有重要意义，成为近几年的前沿热点。然而，目前已有的人工神经元大多仅实现了累积发放等较为简单的功能，未能抓住生物神经元丰富的、非线性的动力学行为。其次，在探索功能更强大的神经形态计算系统方面，将人工突触与人工神经元进行一体化集成，进而构建全忆阻神经网络硬件也是关键的挑战。
针对以上问题，纽约国际官方网站黄如院士-杨玉超研究员课题组提出并研制了一种基于氧化铌忆阻器的新型脉冲神经元，它不仅可以实现传统的全有/全无、阈值驱动发放等神经元特性，而且还可以支持时空复杂性信息整合、在单个脉冲神经元中实现动态逻辑（包括线性不可分的XOR逻辑）以及不同树突输入下的乘法性增益调制等复杂动力学特性，因此超越了简单的泄漏累积释放（LIF）模型等所描述的神经元功能，为基于忆阻器动力学的高精度神经形态器件构建做出了重要尝试。
为了充分发挥忆阻器在神经形态计算中的优势，研究组进一步构建了由氧化铌人工神经元和氧化钽人工突触一体化集成的全忆阻神经网络，并在该网络中实现了在线学习和基于非线性动力学的脉冲序列同时性检测等高效信息处理功能。这种神经元和突触由不同类型忆阻器构成的全忆阻神经网络硬件将对缓解芯片面积和能量的高要求、构建生物启发的智能系统起到重要的启发和推动作用。
相关成果以《具有时空动力学和增益调制的脉冲神经元用于一体化集成全忆阻神经网络》（Spiking Neurons with Spatiotemporal Dynamics and Gain Modulation for Monolithically Integrated Memristive Neural Networks）为题，发表于《自然·通讯》（Nature Communications）。微纳电子学系2017级博士研究生段庆熙为论文的第一作者。
以上研究工作得到国家重点研发计划项目、基金委创新群体项目、国家杰出青年科学基金、腾讯基金会、北京智源人工智能研究院等的大力支持。
图：具有非线性动力学的新型脉冲神经元与全忆阻神经网络
