论文部分内容阅读
21世纪对人工智能的迫切需求推动了拟人脑人工神经网络的快速发展,而突触可塑性被认为是大脑学习和记忆的细胞学基础,电子突触可塑性也因此成为人工神经网络等类脑仿生领域的前瞻性研究热点。利用现有技术实现具有神经突触功能和集成度的电子突触十分关键但颇具挑战,相变存储器兼具存储功能和纳米可集成特性,是解决这一问题的重要途径,因此,相变纳米单元(Phase Change Nanometer Element,PCNE)的电子突触可塑性研究具有重大意义。本文基于MATLAB平台和相变存储单元的工作原理,采用有限元法,建立了T型PCNE三维结构的物理和数学模型。通过施加幅值、脉宽可控的电压脉冲,在电、热性能及相变过程仿真的基础上,模拟PCNE的电阻、温度及相态分布变化,对其作为电子突触的可行性及电子突触可塑性相关性能进行仿真验证与研究。首先,对PCNE一端电极施加电脉冲,控制SET和RESET过程中电压脉冲的幅值和脉宽,发现PCNE可以很好地完成对突触权重的修正和存储,具有实现长时程抑制(Long-term Depression,LTD)和长时程增强(Long-term Potentiation,LTP)非线性传输及学习的能力;此外,与神经突触一样,PCNE表现出脉冲频率依赖可塑性,脉冲的放电频率越大,突触权重的变化也越大。其次,基于神经突触的脉冲时间依赖可塑性(Spike-timing Dependent Plasticity,STDP)学习法则,设计了灵活的突触前、后脉冲方案,并根据特定初始态PCNE的R-V特性曲线,估算了PCNE的SET及RESET操作阈值,确定了脉冲参数,完成了非对称型及对称型两种时间窗口为纳秒数量级的STDP学习法则研究。结果表明,PCNE学习过程中的功耗仅为毫瓦数量级,能耗为皮焦耳数量级,达到了神经突触的能耗级别,一定程度上证实了基于PCNE的电子突触具有低能耗,高速度的优良特性。