传统计算机在处理确定结构的数据时表现得要比人脑出色得多，但是在处理诸如语音识别、自动驾驶等与现实世界交互的问题时却远不如人脑。神经形态计算从大脑内部结构及其运行模式中汲取灵感，有望显著降低诸如模式识别、特征提取和嘈杂环境中的数据挖掘等复杂计算任务的能耗和芯片面积。神经元对时空输入序列的检测和辨别是大脑功能的基础，也是人脑感知、认知和运动输出的基础。因此，研制人工神经形态器件并实现生物神经元时空信息处理功能的仿生对于实现超低功耗类脑计算意义十分巨大。
图 1 (a)神经元树突分支示意图。(b)在一个方向上具有多个平面栅极的神经晶体管的结构示意图，多栅极用来模拟神经元单个树突分支上的突触前末端。(c)晶体管对不同输入序列（IN 和 OUT）的响应。
在人脑中，每个神经元细胞具有多个突触输入端口（如图1a所示）。该研究采用氧化物双电层晶体管的多个栅电极作为神经元突触输入端，晶体管的源/漏电极作为神经元输出端（如图1b所示）。在多栅极上施加不同的时空尖峰序列，在源漏电极间施加微小电压读出神经元器件的输出信号，研究该神经形态晶体管器件对生物神经元时空信息处理功能的仿生模拟。实验结果表明(图1c)，从树突分支到细胞体（IN，即相对源漏电极而言，在栅极上由远及近施加刺激脉冲）或从细胞体到树突分支尖端（OUT，即相对源漏电极而言，在栅极上由近及远施加刺激脉冲）的连续输入刺激会产生强烈的方向选择特性。通过在不同方向上的栅 极施加刺激脉冲，进而实现了神经元晶体管对不同时空信息处理功能的仿生模拟。
图 2 (a) 人耳对声音方位角识别的示意图。(b)模拟人耳方位识别的器件示意图。(c) 当声音从右侧到来时两个源漏电极对的响应。(d) 当第二个输入前端信号到来时两个神经元响应幅度之比与时间间隔和声音方位角的关系
人脑中的声音定位是通过检测耳间时间差（ΔT）来实现的（如图2a所示）。在该论文中，课题组还构建了简易的容性耦合双输入/双输出人工神经网络，实现了人耳对声音方位角判别的模拟。两个输入前端和两个源漏电极对被认为是突触前神经元（PREN1和PREN2）和突触后神经元（POSTN1和POSTN2）（如图2b所示）。 PREN1和PREN2分别被看做是左耳和右耳声音感知神经元，并通过质子导电电解质的强电容耦合效应全连接到POSTN1和POSTN2。为了模仿声音定位功能，当声音来自右方时，先在PREN2上施加脉冲信号，然后在PREN1上施加相同的脉冲信号；当声音来自左方时，则相反。两个脉冲信号之间的时间间隔表示耳间时间差。图2c给出了当声音从右侧到来时两个源漏电极对的响应，当第二个脉冲到来时，POST1的响应大于POST2。若声音从左侧到来，则POST1的响应小于POST2。图2d给出了当第二个输入前端信号到来时两个神经元响应幅度之比与时间间隔和声音方位角的关系。表明此简单人工神经网络对声音方位角具有仿生检测功能。
该项研究工作得到国家****科学基金、国家自然科学基金和国家重点研发计划等项目的资助。
文章链接：https://onlinelibrary.wiley.com/doi/full/10.1002/adma.201900903
（电子科学与工程学院 科学技术处）
