专题: 面向类脑计算的物理电子学
2022, 71 (14): 140101.
doi: 10.7498/aps.71.140101
摘要 +
类脑计算技术作为一种脑启发的新型计算技术, 具有存算一体、事件驱动、模拟并行等特征, 为智能化时代开发高效的计算硬件提供了技术参考, 有望解决当前人工智能硬件在能耗和算力方面的“不可持续发展”问题. 硬件模拟神经元和突触功能是发展类脑计算技术的核心, 而支持这一切实现的基础是器件以及器件中的物理电子学. 根据类脑单元实现的物理基础, 当前类脑芯片主要可以分为数字CMOS型、数模混合CMOS型以及新原理器件型三大类. IBM的TrueNorth、Intel的Loihi、清华大学的Tianjic以及浙江大学的Darwin等都是数字CMOS型类脑芯片的典型代表, 旨在以逻辑门电路仿真实现生物单元的行为. 数模混合型的基本思想是利用亚阈值模拟电路模拟生物神经单元的特性, 最早由Carver Mead提出, 其成功案例有苏黎世的ROLLs、斯坦福的Neurogrid等. 以上两种类型的类脑芯片虽然实现方式上有所不同, 但共同之处在于都是利用了硅基晶体管的物理特性. 此外, 以忆阻器为代表的新原理器件为构建非硅基类脑芯片提供了新的物理基础. 它们在工作过程中引入了离子动力学特性, 从结构和工作机制上与生物单元都具有很高的相似性, 近年来受到国内外产业界和学术界的广泛关注. 鉴于硅基工艺比较成熟, 当前硅基物理特性是类脑芯片实现的主要基础. 忆阻器等新原理器件的类脑计算技术尚处于前沿探索和开拓阶段, 还需要更成熟的制备技术、更完善的系统框架和电路设计以及更高效的算法等.

2022, 71 (14): 140501.
doi: 10.7498/aps.71.20220666
摘要 +
随着深度学习的高速发展, 目前智能算法的飞速更新迭代对硬件算力提出了很高的要求. 受限于摩尔定律的告竭以及冯·诺伊曼瓶颈, 传统CMOS集成无法满足硬件算力提升的迫切需求. 利用新型器件忆阻器构建神经形态计算系统可以实现存算一体, 拥有极高的并行度和超低功耗的特点, 被认为是解决传统计算机架构瓶颈的有效途径, 受到了全世界的广泛关注. 本文按照自下而上的顺序, 首先综述了主流忆阻器的器件结构、物理机理, 并比较分析了它们的性能特性. 然后, 介绍了近年来忆阻器实现人工神经元和人工突触的进展, 包括具体的电路形式和神经形态功能的模拟. 接着, 综述了无源和有源忆阻阵列的结构形式以及它们在神经形态计算中的应用, 具体包括基于神经网络的手写数字和人脸识别等. 最后总结了目前忆阻类脑计算从底层到顶层所遇到的挑战, 并对该领域后续的发展进行了展望.

2022, 71 (14): 147301.
doi: 10.7498/aps.71.20220308
摘要 +
生物感知系统具有高并行、高容错、自适应和低功耗等独特优点. 采用神经形态器件实现生物感知功能的仿生, 在脑机接口、智能感知、生物假体等领域具有重大应用前景. 与其他神经形态器件相比, 多端口神经形态晶体管不仅可以同时实现信号的传输和训练学习, 还可以对多路信号进行非线性的时空整合与协同调控. 然而, 传统刚性神经形态晶体管很难实现弯曲变形以及和人体密切贴合, 限制了神经形态器件应用范围. 所以, 具有良好弯曲特性的柔性神经形态晶体管的研究成为了最近的研究重点. 本文首先介绍了多种柔性神经形态晶体管的研究进展, 包括器件结构、工作原理和基本功能; 另外, 本文还将介绍上述柔性神经形态晶体管在仿生感知领域中的应用; 最后给出上述研究领域的总结和简单展望.

2022, 71 (14): 148502.
doi: 10.7498/aps.71.20220226
摘要 +
交互式人工智能系统的构建依赖于高性能人工感知系统和处理系统的开发. 传统的感知处理系统传感器、存储器和处理器在空间上是分离的, 感知数据信息的频繁传输和数据格式转换造成了系统的长延时与高能耗. 受生物感知神经系统的启发, 耦合感知、存储、计算功能的感存算一体化技术为未来感知处理领域提供了可靠的技术方案. 具有感知光、压力、化学物质等能力的忆阻器是应用于感存算一体系统的理想器件. 本文从器件层面综述了应用于感存算一体化系统忆阻器的研究方向和研究进展, 包括视觉、触觉、嗅觉、听觉和多感官耦合类别, 并在器件、工艺与集成、电路系统架构和算法方面指出现阶段的挑战与展望, 为未来神经形态感存算一体化系统的发展提供可行的研究方向.

2022, 71 (14): 148504.
doi: 10.7498/aps.71.20220463
摘要 +
随着搭载于边缘终端上的图像与视频等数据密集型应用的日益增长, 基于传统冯·诺依曼架构的互补金属氧化物半导体(complementary metal oxide semiconductor, CMOS)硬件系统正面临着能耗、速度和尺寸等多方面的挑战. 神经形态器件包括具有存算一体特性的电学阻变器件和具有感存算一体特性的光电阻变器件, 因其具有与生物神经系统的高相似度, 及其高能效、高集成度、宽带宽等优势, 在图像处理应用方面展现出巨大发展潜力. 这类器件不仅能够用于加速传统图像低阶预处理和高阶处理中的大量运算, 且能用于实现仿生物视觉系统的高效图像处理算法. 本文介绍了最近的电学及光电神经形态阻变器件, 并结合图像处理算法综述了神经形态阻变器件在图像处理方面的硬件实施和挑战, 并对其发展前景提出了思考.

2022, 71 (14): 148505.
doi: 10.7498/aps.71.20220111
摘要 +
传统冯·诺依曼计算机在并行性计算和自适应学习方面效率较低, 无法满足当前飞速发展的信息技术对高效、高速计算的迫切需求. 受脑启发的神经形态计算具有高度并行性、超低功耗等优势, 被认为是打破传统计算机局限性, 实现新一代人工智能的理想途径. 神经形态器件是实施神经形态计算的硬件载体, 是构建神经形态芯片的关键. 与此同时, 人类视觉系统与光遗传学的发展为神经形态器件的研究提供了新的思路. 新兴的光电神经形态器件结合了光子学与电子学各自的优势, 在神经形态计算领域展露出巨大潜力, 受到了国内外研究人员广泛关注. 本文对光电神经形态器件及其应用的最新研究进行了总结. 首先综述了人工光电突触与人工光电神经元, 内容包括器件结构、工作机制以及神经形态功能模拟等方面. 然后, 对光电神经形态器件在人工视觉系统、人工感知系统、神经形态计算等领域中的潜在应用作了阐述. 最后, 总结了当前光电神经形态器件所面临的挑战, 并对其未来的发展方向进行了展望.

2022, 71 (14): 148507.
doi: 10.7498/aps.71.20220397
摘要 +
通过在基本单元上集成存储和计算功能, 存内计算技术能够显著降低数据搬运规模, 被广泛认为是突破传统冯·诺依曼计算架构性能瓶颈的新型计算范式. 非挥发存储器件兼具非易失特性和存算融合功能, 是实现存内计算的良好功能器件. 本文首先介绍了存内计算范式的基本概念, 包括技术背景和技术特征. 然后综述了用于实现存内计算的非挥发存储器件及其性能特征, 包含传统闪存器件和新型阻变存储器; 进一步介绍了基于非挥发存储器件的存内计算实现方法, 包括存内模拟运算和存内数字运算. 之后综述了非挥发存内计算系统在深度学习硬件加速、类脑计算等领域的潜在应用. 最后, 对非挥发型存内计算技术的未来发展趋势进行了总结和展望.

2022, 71 (14): 148701.
doi: 10.7498/aps.71.20220350
摘要 +
脑启发神经形态计算系统有望从根本上突破传统冯·诺依曼计算机系统架构瓶颈, 极大程度地提升数据处理速度和能效. 新型神经形态器件是构建高能效神经形态计算的重要硬件基础. 光电忆阻器作为新兴的纳米智能器件, 因具备整合光学感知、信息存储和逻辑计算等功能特性, 被认为是发展类脑视觉系统的重要备选. 本文将综述面向感存算功能一体化的光电忆阻器研究进展, 包括光电忆阻材料与机制、光电忆阻器件与特性、感存算一体化功能及应用等. 具体将根据机制分类介绍光子-离子耦合型和光子-电子耦合型光电忆阻材料, 根据光电忆阻特性调节方式介绍光电调制型和全光调制型光电忆阻器件, 根据感存算一体化功能介绍其在认知功能模拟、光电逻辑运算、神经形态视觉功能、动态探测与识别等方面的应用. 最后总结光电忆阻器的主要优势以及所面临的挑战, 并展望光电忆阻器的未来发展.

2022, 71 (14): 148702.
doi: 10.7498/aps.71.20220281
摘要 +
生物感官集感知、存储与运算为一体的架构使其可以高效并且实时地采集和处理外界信息, 这样的感存算一体化架构可为物联网时代面临的传感器数据爆炸问题提供很好的解决方案. 为此, 本文提出仿生生物感官的感存算一体化系统, 采用不同的传感器模拟生物感受器的功能, 以获取环境信息, 传感器输出的模拟信号输入到模拟信号处理系统进行预处理, 这样信号不需要在模拟域与数字域之间转换, 可极大降低功耗和延时; 预处理后的信号输入类脑运算芯片中进行分析和决策, 该芯片由基于忆阻器的人工突触及人工神经元组成, 通过控制突触与神经元的连接方式, 可以实现不同的算法架构, 如全连接脉冲神经网络、卷积脉冲神经网络以及循环脉冲神经网络等; 通过运行不同的神经网络, 类脑运算芯片可以实现对不同传感器信号的识别、预测以及分类等任务; 更进一步, 将多种仿生感觉系统的识别或预测结果结合起来, 就可以实现多感官融合, 这样的系统架构可以用于自动驾驶及智能机器人等复杂的场景中.

2022, 71 (14): 140701.
doi: 10.7498/aps.71.20220082
摘要 +
储池计算是类脑计算范式的一种, 具有结构简单、训练参数少等特点, 在时序信号处理、混沌动力学系统预测等方面有着巨大的应用潜力. 本文提出了一种基于存内计算范式的储池计算硬件实现方法, 利用忆阻器阵列完成非线性向量自回归过程中的矩阵向量乘法操作, 有望进一步提升储池计算的能效. 通过忆阻器阵列仿真实验, 在Lorenz63时间序列预测任务中验证了该方法的可行性, 以及该方法在噪声条件下预测结果的鲁棒性, 并探究忆阻器阵列阻值精度对预测结果的影响. 这一结果为储池计算的硬件实现提供了一种新的途径.
