忆容电磁辐射神经网络

增强神经混沌

在单向环形神经网络中引入阈值型忆容器作为电磁辐射，提升混沌复杂度并实现仿生放电模式转换，为随机数发生器等应用提供高熵源。

Fan, Shi · 曹颖鸿 · Xu, Xianying · Banerjee, Santo · 牟俊

Chaos, Solitons and Fractals 2026

技术优势

突破混沌生成限制

经典的URNN无法通过调参产生混沌，引入忆容辐射后网络即可在参数调节下进入混沌状态。

仿生放电模式可调

通过调节参数即可改变尖峰发放间隔，实现类似生物神经元的放电模式转换，无需更换电路拓扑。

隐藏吸引子对称性可控

仅改变初始条件即可改变隐藏吸引子的对称性，这一罕见特性为生成多样化混沌信号提供了灵活性。

应用场景

• 随机数发生器：利用高随机性混沌信号作为熵源，替代传统伪随机数生成器中的算法种子。
• 神经形态计算：忆容器件可作为人工突触，其仿生放电模式有助于构建更接近生物神经元的计算单元。
• 类脑计算：网络复现生物神经元的放电转换与混沌行为，为类脑信息处理提供硬件实现途径。
• 混沌加密：产生的高复杂度混沌序列可作为加密密钥，增强数据传输的抗破译能力。