忆阻神经回路

更低延迟避障

基于忆阻神经元的脉冲特征驱动感觉运动控制回路,模仿蟋蟀避障神经回路,并结合选择性通信方案解码混合脉冲特征,实现机器人避障控制,区别于传统基于速率或通用神经网络的神经形态系统。

Yue, Yang · Fangduo, Zhu · 张续猛 · Chen, Pei · Wang, Yongzhou · Zhu, Jiaxue · Ding, Yanting · Cheng, Lingli · Li, Chao · Jiang, Hao · 王中锐 · 林芃 · Shi, Tuo · Wang, Ming · 刘琦 · 许宁生 · 刘明

Nature Communications 2024

参数信息

回路神经元数量

3

技术优势

避免延迟更低

该回路直接将传感输入编码为混合脉冲特征并由下降神经元选择性解码，省略了传统平台中脉冲频率统计等中间步骤，因此避障响应更快。

用脉冲特征而非频率编码

上升神经元产生混合的 tonic spiking 和 bursting 特征来编码输入，而传统系统通常仅依赖平均放电频率，丢失脉冲时序信息。

无需软件解码

选择性通信方案由硬件神经元直接解码混合脉冲特征，将信号处理嵌入模拟电路，避免了额外处理器和算法延迟。

回路规模精简

仅用三个忆阻 Hodgkin-Huxley 神经元（一个上升、两个下降）即实现完整的感觉运动控制回路，适合芯片集成。

应用场景

• 机器人避障：直接接入机器人传感-执行回路，以低于常规平台的延迟完成避障动作。
• 神经形态机器人：为神经形态机器人提供脉冲特征驱动的感觉运动控制方案，替代传统速率编码。
• 类脑芯片：以三个忆阻神经元硬件实现蟋蟀避障微环路，为类脑芯片提供已验证的功能模块。