[发明专利]一种基于忆阻器的VFL-RELU脉冲神经元的电路

说明书

本发明公开一种基于忆阻器的VFL‑RELU脉冲神经元的电路，属于集成电路设计技术领域。一种基于忆阻器的VFL‑RELU脉冲神经元的电路，包括：BDW阈值忆阻器、电容、金氧半导场效的晶体管MOSFET。所述BDW阈值忆阻器具有双边不同窗口，将所述金氧半导场效晶体管MOSFET的栅极电压作为输入电压，所述晶体管MOSFET的漏极作为输出，对所述电容充电，待所述电容上电压小于所述BDW阈值忆阻器的保持电压(Vh)，所述BDW阈值忆阻器变为高阻态，所述BDW阈值忆阻器分压变大，所述电容重新充电；所述半导场效晶体管MOSFET包括P型MOSFET和N型MOSFET，输入电压可以调谐输出脉冲频率。本发明所提供的脉冲神经元电路通过忆阻器的选择和偏置电压的添加，解决了高效脉冲神经元的电路设计问题，且电路简单。

技术领域

本发明属于集成电路设计技术领域，具体涉及一种基于忆阻器的VFL-RELU脉冲神经元的电路。

背景技术

忆阻器最先由加州大学伯克利分校的蔡少棠(Leon.O.Chua)教授于1971年从理论上推导得到。2008年，惠普实验室第一次制造出了真正意义上的实物忆阻器。忆阻器是一个动态元件，对它施加外部电压时，忆阻值会随着施加电压的方向增大或减小。因此，用忆阻器的忆阻值来表示神经网络中突触连接的权重的强和弱是一个合适的选择。

人工神经网络(Artificial Neural Network，ANN)，是20世纪80年代以来人工智能领域兴起的研究热点。它是根据生物神经网络(Biological Neural Network，BNN)的特点建立起的具有强大的运算能力，且能够借助于信息技术实现的运算模型。一个大型的人工神经网络能够解决模式识别，信号处理，联想记忆等方面的问题。

与人工神经网络中的神经元不同，脉冲神经元负责整合输入的脉冲信号并输出新的脉冲信号来传递信息，其工作形式模拟生物神经元，对信号的处理过程体现在膜电位(Vmem)的变化上。脉冲神经元的基本功能可以抽象为带泄漏的积累发放(LeakyIntegrate-and-Fire,LIF)，同时其也是神经形态计算中应用最广泛的仿生脉冲神经元模型。LIF模型将神经元膜电位的变化分为两个过程描述：人为设置一个膜电位阈值，当膜电位低于阈值时，脉冲神经元体现出带泄漏的积累功能，并可用一个一阶微分方程描述；一旦膜电位高于阈值，脉冲神经元随即发放脉冲并将膜电位重置。然而现有的脉冲神经网络难以解决电平信号的编码问题，且无法高效负值编码。

发明内容

本发明的目的在于提供一种基于忆阻器的VFL-RELU脉冲神经元的电路。

本发明的目的可以通过以下技术方案实现：

一种基于忆阻器的VFL-RELU脉冲神经元的电路，包括：BDW阈值忆阻器、电容、金氧半导场效的晶体管MOSFET。

所述BDW阈值忆阻器具有双边不同窗口，所述BDW阈值忆阻器和电容并联，然后串联所述金氧半导场效的晶体管MOSFET；将所述金氧半导场效晶体管MOSFET的栅极电压作为输入电压，所述晶体管MOSFET的漏极作为输出，对所述电容充电，待所述电容上电压小于所述BDW阈值忆阻器的保持电压(Vh)，所述BDW阈值忆阻器变为高阻态，所述BDW阈值忆阻器分压变大，所述电容重新充电；所述半导场效晶体管MOSFET包括P型MOSFET和N型MOSFET，输入电压可以调谐输出脉冲频率，填加所述P型MOSFET，满足输入电压为负时，调谐脉冲的发射，当输入电压为负时，所述N型MOSFET关断呈现超高阻态，所述P型MOSFET打开；同理当输入电压为正时，所述P型MOSFET关断呈现超高阻态，所述N型MOSFET打开；通过时分复用的方式实现VFL-ReLU脉冲神经元编码，当输入为正时，使用正上拉电压VDD，此时利用忆阻器正向窗口实现VFL-ReLU脉冲神经元的正向编码；输入为负时，使用负的上拉所述电压VDD，此时利用所述BDW阈值忆阻器负向窗口实现VFL-ReLU脉冲神经元的负向编码。