搜索
北大集成电路学院/集成电路高精尖创新中心杨玉超教授团队在基于忆阻器混合动力学突触集成阵列的SNN硬件方面取得突破性进展
2 小时前
北京大学集成电路学院杨玉超教授课题组在Nature Electronics杂志发表研究论文，提出基于忆阻器混合动力学突触集成阵列的脉冲神经网络（SNN）硬件方案。该研究通过耦合界面型易失性忆阻器与非易失性忆阻器，构建了支持疲劳脉冲时序依赖可塑性（Fatigue STDP）学习规则的混合突触单元。实验表明，该硬件系统在10Hz至500kHz宽频范围内稳定工作，能效比达0.298 TOPS/W，成功突破传统SNN在高频噪声环境下学习效率低、缺乏频率自适应性的技术瓶颈。研究团队通过原位透射电镜等手段揭示了氧离子反向扩散主导的疲劳动力学机制，使器件在高频脉冲下呈现累积抑制效应，低频下保持信号传输。该成果为边缘端类脑智能系统提供了高鲁棒性、低功耗的硬件基础，并在视觉任务和语音识别中验证了其跨频率自适应学习能力。
