国家自然科学项目

科研物理科学院科研集成电路学院科研研究中心科研重点实验室科研物理化学研究所科研大学主要完成人：吴科研、张科研、赵科研国家自然科学项目申请答辩结题汇报PPT脑科学基于忆阻器件的神经形态计算电路与研究汇报人：

立项背景和研究思路01创新点和主要技术内容02应用推广和经济社会效益03汇报答辩01国家重大需求忆阻器件的材料选择和优化是实现高性能神经形态计算的关键集成电路设计人工智能装备计算机科学国家自然科学基金会支持的面向神经形态计算的智能芯片与器件技术研究“脑科学与类脑研究”重大项目202X年度项目申报指南关键点脑认知原理解析类脑计算与脑机智能技术及应用基础01国家重大需求人工智能人工智能与高速电路实验室的研究涉及到人工智能芯片的发展高速电路对于提升国家的人工智能水平和电子电路技术具有重要作用旨在加速从机制探究技术创新到临床转化服务国家重大战略需求脑机接口人们对生物视觉神经系统的研究比较深入参考视觉系统中的光传导通路开发了卷积神经网络(ConvolutionalNeuralNetwork,CNN)，在图像处理任务上获得了良好的效果人类视觉处理系统水平细胞到达双极细胞无长突细胞视网膜神经节细胞(Ganglioncell)01卡脖子问题新材料和新机制的探索：理想的模拟型阻变器件对中间状态数、线性度和耐擦写特性都提出需求，但目前并未发现足够优秀的器件能将所有特性做到极致阻变机制的不明确/制备工艺的不成熟新机制探索神经网络构建神经形态计算新材料探索旨在逐步解决并推动忆阻器件及其神经形态计算的进一步发展01忆组类脑类器件研究热点10^9^开关比115fJ开态功耗85ps开关速度10^12^耐擦写次数忆阻器件的特性神经形态硬件与系统设计研究新型神经形态芯片、忆阻器与类脑计算硬件、低功耗神经网络加速器基于外延VO2忆阻器的可校准感知神经元用于解决人工感知神经元的一致性问题以及神经元与不同传感器阻抗匹配的问题主要研究热点基于忆阻器阵列的新型脑机接口有助于提升脑机接口的性能Retina01忆组类脑类器件研究热点55在信号到达胞体前的树突中完成生物启发计算与理论这些工具的开发有助于提高神经形态计算系统的可编程性和适应性软件与工具开发神经科学基础/大脑功能模拟/神经编码与解码机制研究类脑视觉、听觉及其他感官处理、机器学习在认知任务中的应用、情境理解和行为规划等，这些研究模拟生物感知系统，提升人工智能的感知能力-70mV的静息电位55mV的发放阈值上升物理化学特性可校准感知神经元与类脑多模态感知脉冲神经网络（SNN）立项背景和研究思路01创新点和主要技术内容02应用推广和经济社会效益03汇报答辩02主要创新点推动忆阻器件和神经形态计算技术发展/为未来人工智能和数据处理提供新方向开发相应的软件工具和编程框架模拟生长突触忆阻器件可塑性忆阻器件非线性忆阻器件的非线性和可塑性全忆阻神经网络的构建基于忆阻器阵列的新型脑机接口可校准感知神经元的应用02ANN/SNN网络类型ANNSNN生物合理性生物合理性不足具有生物合理性信息表示模拟的激活值（频率）多种脉冲编码方案整合时间空间激活函数非线性激活函数仿生脉冲神经元计算能力相较基于频率编码的ANN、SNN引入了时间度，理论上具有更强大的计算能力ANN和SNN通过模仿人脑的处理方式目标解决计算生物学生物信息学模式识别与分类01ANN广泛应用于图像识别,通过学习数据的内在规律实现对不同模式的有效识别和分类预测与时间序列分析02循环神经网络时间序列数据的预测方面表现出色02忆阻器件的非线性和可塑性主要源于其电阻值可以根据历史电荷或电压的变化而变化忆阻器件的这种非线性特性对于实现复杂的计算功能至关重要，在信号处理和模式识别中的应用SoikesBinary/intensityimageSignalBPTrainingModel-4/5SplikesBP-inspiredTrainingModel-6忆阻器件能够模拟生物突触的可塑性，包括短时程可塑性（如双脉冲易化和抑制）和长时程可塑性（如长时程增强和长时程抑制）忆阻器件还能模拟更复杂的再可塑性变化本身也受到先前活动的影响02全忆阻神经网络的构建硬件加速器输入脉冲0输入脉冲1输入脉冲（N-1）第三层第一层第二层脉冲脉冲脉冲输入0-(N-1)忆阻器的物理模型与特性分析忆阻器神经元电路设计这些电路能够模拟生物神经元的发放行为如全或无、动作电位尖峰周期振荡等主要研究创新对忆阻器如NbOx的动力学特性进行深入分析定量分析产生尖峰振荡的区域和条件，确定激励信号幅值和尖峰频率之间的定量关系尖峰神经网络(SNN)的构建02可校准感知神经元的应用TouchsensorDof3-6Dof2Dof1Mobility（MFSN）MFSN通过融合这两种模态的模拟感觉信息，展现出优异的数据压缩和目的解决人工感知系统中的一些关键挑战，如提高感知的一致性、适应不同传感器的阻抗匹配问题，以及实现多模态感知神经形态感知器件人机交互系统多模态融合感知+模拟了生物体中的复杂视觉行为为人机交互中的多模态感知与计算提供了新的解决方案02研究国际应用成果Julyeste能源学院研究院科研大学教授ABCDFELLOW美国物理专家用于解决人工感知神经元的一致性问题以及神经元与不同传感器阻抗匹配的问题，该研究成果大幅扩展了感知神经元的感知模式，促进了类脑感知系统的构建及其在电子皮肤应用这项研究成果在物理领域重要期刊《Laser&PhotonicsReviews》上发表立项背景和研究思路01创新点和主要技术内容02应用推广和经济社会效益03汇报答辩03应用推广和经济社会效益材料应用后二维仿生视觉硬件该工作得到了国家自然科学基金、国家重点研发计划上海市重点、科研研究资助局等项目的资助分类准确率90.33%动态物体的高精度识别98.1%跨模态感知柔性忆阻神经元3层脉冲神经网络的输入层视觉感知记忆阵列的图像感知与记忆结果忆阻存算一体技术在《先进材料》（AdvancedMaterials）上发表了关于忆阻存算一体技术的综述论文基于aJ级超低擦/写/读功耗的PtHfo2Ta