当前，在自动驾驶、智能家居系统及工业控制等领域，越来越需要边缘智能硬件来本地处理传感器和智能设备实时生成的环境数据，以最小化决策延迟。而能够精确模拟多种生物神经元行为的神经形态硬件，有望推动超低功耗边缘智能的发展。现有研究已探索了具有突触可塑性（即通过适应性改变强化或弱化突触连接）的硬件，但要完整模拟学习与记忆过程，需要包括内在可塑性在内的多种可塑性机制协同作用。
针对上述问题，复旦大学微电子学院包文中/集成电路与微纳电子创新学院周鹏联合研究团队与香港理工大学柴扬教授合作，利用晶圆级二维半导体（MoS2）材料，基于动态随机存储器（DRAM）原理，提出了一种新型仿生神经元结构，并首次在单一硬件中实现了内在可塑性（Intrinsic Plasticity）、脉冲时序编码与视觉适应的协同集成。近日，相关成果以《基于单层二硫化钼的内在可塑性仿生神经元》（“A Bio-inspired Neuron with Intrinsic Plasticity Based on Monolayer Molybdenum Disulfide”）为题发表于电子学国际知名期刊Nature Electronics。
神经形态硬件是模拟类脑信息处理的关键，现有研究成果仍依赖于资源密集型的硅基CMOS硬件和基于脉冲频率的编码策略，缺乏有效的时空稀疏性，与生物系统相比能耗要高得多。此外，之前的器件研究集中在突触可塑性机制，忽视了动作电位阈值调节及静息电位偏移等神经元内在可塑性现象。为解决这一问题，研究者利用晶圆级MoS2材料开发了一种基于DRAM和反相器结构的积累-发放（Integrate-Fire）神经元模块，以模拟神经动力学过程中的积分与放电机制。该工作利用DRAM的写入电压设定神经元细胞的静息膜电位，并通过二维DRAM晶体管的泄漏电流模拟神经元的积分过程。当膜电位达到反相器的翻转阈值时，神经元会触发电压脉冲。其中输入信息以时间形式编码，模拟了生物神经元的特性，单脉冲的功耗仅为2.82nJ。简单来说，研究者通过调节DRAM的写入电压，即可调整神经元的静息电位，以模拟内在可塑性。
同时，该工作利用MoS2优异的光电特性，使神经元能够对光或电脉冲刺激实现节能的时序编码。神经元模块中的栅极偏置可全局调节，以调整MoS2晶体管的光电相应，模拟人类视网膜中光感受器细胞的可变光敏感性。通过在明亮环境下整体降低光敏感性，并在光线较暗的环境下提高光敏感性，该模块能够准确编码视觉图像。这些结果表明，神经元模块能够实现类似于人类视觉系统的光适应和暗适应。
图1. 模拟人脑视觉适应和特征识别的二维DRAM仿生神经元电路
基于上述二维电光协同神经元，研究者开发了一种生物启发的神经网络（BioNN）用于图像识别，将二维DRAM神经元模块用作图像预处理和计算层。该神经元能够同时进行脉冲时序编码、神经元本征可塑性调节、视觉适应的生物神经动力学过程，打破传统神经形态硬件架构限制，将感知、记忆、计算一体化，从而实现高效集成的类脑视觉事件处理。未来，二维神经元模块可作为拓展成大型神经形态计算系统的通用基本单元，与先进传感器、存储器及类脑算法深度融合，高效构建从边缘智能终端到大规模分布式类脑网络；其在自动驾驶、智慧医疗、机器人感知、脑机接口等领域发挥作用，为低功耗、实时响应的智能系统提供基础支撑，并推动类脑计算技术向更接近生物神经系统的方向演进。
图2. 生物启发神经网络电路实现视觉适应与特征识别
研究团队前期在二维半导体的工艺集成和电路应用方向有着十多年的技术积淀，此次突破打通了了从原子级材料调控、器件物理机理设计，晶圆级流片，到类脑计算架构电路的全链条创新能力。研究团队表示，这一突破充分发挥了二维半导体超低功耗优势，从而推动人工智能计算向更接近生物神经系统的高能效形态演进，同时也为二维半导体在边缘智能硬件与类脑视觉系统中的应用开辟全新路径。目前，团队成员也已经开始聚焦科研成果的工程化落地，致力于打通二维半导体“从1到10”的产业化道路。
复旦大学集成芯片与系统全国重点实验室、绍芯实验室（绍兴复旦研究院）的周鹏教授和包文中研究员，香港理工大学柴扬教授为论文共同通讯作者。青年研究员王印博士、课题组博士后缑赛飞、博士生董祥麒为共同第一作者。研究工作得到了科技部国家重点研发计划、上海市科委关键技术研发计划“先进材料”、基础研究特区等项目的支持。
如您对我们的产品感兴趣，欢迎联系咨询电话：135 1009 9916（微信同号）
学习了解更多碳化硅功率器件产品知识 请查看碳化硅课堂
