紫色国家自然科学项目申请答辩结题汇报

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汇报人:基于忆阻器件de神经形态计算电路与系统研究立项背景和研究思路零一创新点和主要技术内容零二应用推广和经济社会效益零三汇报答辩零一国家重大需求忆阻器件de材料选择和优化是实现高性能神经形态计算de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de面向神经形态计算de智能芯片与器件技术研究“脑科学与类脑研究”重大项目二零二X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零一国家重大需求人工智能人工智能与高速电路实验室de研究涉及到人工智能芯片de发展高速电路对于提升国家de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交叉融合战略需求脑机接口人们对生物视觉神经系统de研究比较深入参考视觉系统中de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de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)零一卡脖子问题新材料和新机制de探索:理想de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de器件能将所有特性做到极致阻变机制de不明确/制备工艺de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de进一步发展零一忆组类脑类器件研究热点一零^九^开关比一一五fJ开态功耗八五ps开关速度一零^一二^耐擦写次数忆阻器件de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VO二忆阻器de可校准感知神经元用于解决人工感知神经元de一致性问题以及神经元与不同传感器阻抗匹配de问题主要研究热点基于忆阻器阵列de新型脑机接口有助于提升脑机接口de性能Retina零一忆组类脑类器件研究热点五五在信号到达胞体前de树突中完成生物启发计算与理论这些工具de开发有助于提高神经形态计算系统de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de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de感知能力-七零mVde静息电位五五mVde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零一创新点和主要技术内容零二应用推广和经济社会效益零三汇报答辩零二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de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de非线性和可塑性全忆阻神经网络de构建基于忆阻器阵列de新型脑机接口可校准感知神经元de应用零二ANN/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de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deANN、SNN引入了时间度,理论上具有更强大de计算能力ANN和SNN通过模仿人脑de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零一ANN广泛应用于图像识别,通过学习数据de内在规律实现对不同模式de有效识别和分类预测与时间序列分析零二循环神经网络时间序列数据de预测方面表现出色零二忆阻器件de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de变化而变化忆阻器件de这种非线性特性对于实现复杂de计算功能至关重要,在信号处理和模式识别中de应用SoikesBinary/intensityimageSignalBPTrainingModel-四/五SplikesBP-inspiredTrainingModel-六忆阻器件能够模拟生物突触de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de再可塑性变化本身也受到先前活动de影响零二全忆阻神经网络de构建硬件加速器输入脉冲零输入脉冲一输入脉冲（N-一）第三层第一层第二层脉冲脉冲脉冲输入零-(N-一)忆阻器de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de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NbOxde动力学特性进行深入分析定量分析产生尖峰振荡de区域和条件,确定激励信号幅值和尖峰频率之间de定量关系尖峰神经网络(SNN)de构建零二可校准感知神经元de应用TouchsensorDof三-六Dof二Dof一Mobility（MFSN）MFSN通过融合这两种模态de模拟感觉信息,展现出优异de数据压缩和目de解决人工感知系统中de一些关键挑战,如提高感知de一致性、适应不同传感器de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de复杂视觉行为为人机交互中de多模态感知与计算提供了新de解决方案零二研究国际应用成果Cureister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de一致性问题以及神经元与不同传感器阻抗匹配de问题,该研究成果大幅扩展了感知神经元de感知模式,促进了类脑感知系统de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零一创新点和主要技术内容零二应用推广和经济社会效益零三汇报答辩零三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de资助分类准确率九零.三三%动态物体de高精度识别九八.一%