注：文末有研究团队简介及本文作者科研思路分析
近年来，神经运算方兴未艾，张量处理器（Tensor Processing Unit，TPU）等专用的神经运算加速芯片的研制，大幅提高了运算效率并降低了功耗。与基于软件的神经网络相比，基于硬件的神经网络具有并行运算和低功耗的优点，然而采用传统的电子器件模拟神经突触和神经元所需元件数目众多、电路复杂，难于大规模集成。近日，华中科技大学的郭新教授团队采用一种在电场下可以产生质子的导电聚合物（PEDOT:PSS）作为电极，引入质子作为迁移离子，基于质子和电子的混合传导，研制出了结构为W/WO3/PEDOT:PSS的忆阻器，并以此作为核心器件模拟了生物神经元的功能。
忆阻器在构建硬件人工神经网络中已经成为近年来的研究热点。忆阻器与生物突触在结构和功能上都十分相似，仅用单器件就可实现一个突触的功能，因此，忆阻器的研制为构建基于硬件的人工神经网络提供了一条全新的道路。为构建一个完整的神经网络，除人工突触外，人们还需要人工神经元来完成信息的处理和对突触权重的调节，如何以更简单的电路更好地实现神经元的功能是目前该领域亟待解决的关键问题之一。
神经元在神经网络中负责处理树突端传来的信号并决定是否放电。神经科学家Hodgkin和Huxley研究了神经元的工作机理，提出了HH模型，这项工作于1963年获得了诺贝尔生理学或医学奖。HH模型指出：生物神经元处理信息和发放信号的过程涉及到神经元细胞膜上的钠离子通道电导和钾离子通道电导的变化。该模型是迄今为止对神经元功能解释得最清楚、与神经元本质最接近的模型。
HH模型中要求两种离子通道具有相近的通过速率，而对于常见的氧离子与电子混合导体，两种载流子的迁移速率差别过大，无法模拟生物神经元的功能。为此，以半径和质量最小的离子——质子作为混合导体的载流子之一，极大地提高了离子在混合导体WO3中的迁移速率，仅仅通过施加一个串联电阻，就可模拟HH神经元细胞膜表面离子通道电导的变化，向后续电路发放一个具有生物动作电位特征的信号，避免了复杂任意波形发生器的使用，由此模拟了神经元信号的发放。
除了发放脉冲，神经元还需要完成对信息的处理，这一过程涉及到神经元细胞膜电位的动态变化过程，只有当前级神经元给后级神经元的刺激幅度或者频率足够大时，细胞膜电位才会超过自身阈值，促使神经元放电；如果细胞膜电位未达到阈值，则会自发衰减到初始状态，这一过程即神经元的漏电流整合放电（Leaky Integrate-and-Fire, LIF）功能。在基于质子迁移的忆阻器中，由于质子在材料中的迁移速率较快，在外加电激励后的几毫秒内器件就会恢复到初始状态，即只有几毫秒内的连续电激励可以对该忆阻器电导的变化产生叠加效应。这种特性与神经元细胞的膜电位特性十分类似，因此，该器件还能实现神经元对信号的处理功能。
该忆阻器件具有极其简单的三明治结构，而且在施加电场的过程中有颜色的变化，结合拉曼光谱的表征可以证明质子在其中的迁移。电性能的测试表明，该器件具有对电压幅值和频率快速响应和易失的特性。
该电路可以模拟神经元功能，包括空间整合、时间整合以及脉冲发放。这一电路将神经元中HH模型与LIF的功能结合起来，完整地模拟一个神经元的信息处理和脉冲发放功能，有望为硬件人工网络的实现提供支持。这一成果最近发表在Advanced Materials上，文章的第一作者是华中科技大学的博士研究生黄鹤鸣。
该论文作者为：He-Ming Huang, Rui Yang, Zheng-Hua Tan, Hui-Kai He, Wen Zhou, Jue Xiong, Xin Guo
原文（扫描或长按二维码，识别后直达原文页面）：
Quasi-Hodgkin–Huxley Neurons with Leaky Integrate-and-Fire Functions Physically Realized with Memristive Devices
Adv. Mater., 2018, DOI: 10.1002/adma.201803849
作者简介
郭新，华中科技大学材料学院教授、中国固态离子学会理事、国际期刊Solid State Ionics编委、国际固态离子学会（International Society for Solid State Ionics）学术奖评审委员；回国前任德国于利希研究中心（Research Center Juelich）终身高级研究员。他曾在德国马普固体研究所（Max Planck Institute for Solid State Research）从事研究工作多年；2005年获美国陶瓷协会Ross Coffin Purdy Award；2012年全职回国后创建了“固态离子学实验室”，其研究领域可概括为固态离子导体与混合导体及其在信息、能源与环境等领域的应用，具体研究领域有：（1）类脑智能器件；（2）气敏传感器及人工嗅觉；（3）全固态电池；（4）功能器件的3D打印。
https://www.x-mol.com/university/faculty/37865
杨蕊，华中科技大学副教授，长期从事半导体功能薄膜材料与器件的研究工作；2016年入选华中科技大学材料学院首批优才计划，目前在Adv. Mater.、Adv. Funct. Mater.、ACS Nano、Small 等SCI国际主流期刊发表论文30余篇，参与申请中国专利4项、日本专利1项。
https://www.x-mol.com/university/faculty/37949
科研思路分析
Q：这项研究最初是什么目的？或者说想法是怎么产生的？
A：我们的最终目的是研制出基于硬件的人工神经网络。为了实现这一目的，我们需要人工突触和人工神经元。在研究之初，大部分的工作都聚焦在人工突触上，但是人工神经元的工作也必不可少。当时研究神经元模拟的工作还很少，也缺少一种比较通用的实现方法，我们希望可以提出一种方案比较简单地实现神经元的一些功能，从而将我们自己制作的人工突触通过人工神经元结合起来，实现一些简单神经网络的功能。
Q：研究过程中遇到哪些挑战？
A：这个工作涉及到材料制作和电路实现两部分，工作开始的时候我们觉得为忆阻器设计特定的电路是最困难的，可是实际操作的时候发现，电路设计这部分还是有很多成熟的理论可以借鉴。真正的困难在于原型器件与电路的连接，即如何把在仿真上已经实现的电路转换成实际电路。我们之前在课堂上学习的电路知识都是针对封装好的芯片，而现在做的是一种原型器件，没有封装，也没有屏蔽，产生了噪声大、易串扰的问题，在书本以及网上缺少解决这些问题的方案，对于没有经验的我们，只能在不停的试错中慢慢找到解决方案。
Q：该研究成果可能有哪些重要的应用？哪些领域的企业或研究机构可能从该成果中获得帮助？
A：该人工神经元具有电路简单、功能多样的特点，研究成果可以为硬件人工神经网络提供一种简单的神经元实现的方法，为硬件的大规模集成提供了基础，也可以为一些致力于实现硬件人工智能的企业提供一种解决方案。
本文版权属于X-MOL（x-mol.com），未经许可谢绝转载！欢迎读者朋友们分享到朋友圈or微博！
长按下图识别图中二维码，轻松关注我们！
点击“阅读原文”，查看 化学 • 材料 领域所有收录期刊
