[论文解读] A geographically distributed bio-hybrid neural network with memristive plasticity

Alexander Serb, Andrea Corna+9 more|arXiv (Cornell University)|Sep 13, 2017

Advanced Memory and Neural Computing被引用 4

一句话总结

本文提出了一种地理分布式的生物-混合神经网络（bNN），通过忆阻突触将大鼠皮层神经元与VLSI类神经形态电路连接，实现在互联网上的双向通信。该系统展示了基于可塑性的信号传输，贯穿生物神经元与人工神经元，为神经电子互联网（IoN）奠定了基础。

ABSTRACT

Throughout evolution the brain has mastered the art of processing real-world inputs through networks of interlinked spiking neurons. Synapses have emerged as key elements that, owing to their plasticity, are merging neuron-to-neuron signalling with memory storage and computation. Electronics has made important steps in emulating neurons through neuromorphic circuits and synapses with nanoscale memristors, yet novel applications that interlink them in heterogeneous bio-inspired and bio-hybrid architectures are just beginning to materialise. The use of memristive technologies in brain-inspired architectures for computing or for sensing spiking activity of biological neurons8 are only recent examples, however interlinking brain and electronic neurons through plasticity-driven synaptic elements has remained so far in the realm of the imagination. Here, we demonstrate a bio-hybrid neural network (bNN) where memristors work as "synaptors" between rat neural circuits and VLSI neurons. The two fundamental synaptors, from artificial-to-biological (ABsyn) and from biological-to- artificial (BAsyn), are interconnected over the Internet. The bNN extends across Europe, collapsing spatial boundaries existing in natural brain networks and laying the foundations of a new geographically distributed and evolving architecture: the Internet of Neuro-electronics (IoN).

研究动机与目标

• 开发一种将生物神经元与人工类神经形态电路通过忆阻突触元件集成的生物-混合神经网络。
• 通过长距离的可塑性驱动突触接口，实现在生物神经元与人工神经元之间的双向通信。
• 证明跨越大陆的地理分布式神经网络架构的可行性，打破神经网络设计中的空间边界。
• 为神经电子互联网（IoN）奠定基础，这是一种新型分布式、可演化神经电子系统范式。
• 验证忆阻突触作为“synaptor”在支持生物与人工神经系统的动态、自适应信号传输中的功能有效性。

提出的方法

• 采用忆阻器作为可塑性突触元件（synaptor），将大鼠皮层神经元培养物与基于VLSI的脉冲神经网络连接。
• 建立双向突触连接：人工到生物（ABsyn）和生物到人工（BAsyn），每条连接均由忆阻器件介导。
• 利用基于互联网的通信，在位于欧洲不同国家的远程神经网络系统之间传输脉冲活动。
• 实现能够处理和生成与生物神经元兼容的脉冲信号的类神经形态VLSI电路。
• 设计系统以支持基于突触前与突触后活动动态调整的可塑性突触权重，模仿生物突触可塑性。
• 集成实时数据流和同步协议，以维持地理分离节点间脉冲活动的一致性。

实验结果

研究问题

• RQ1 忆阻突触是否能有效实现在长距离下生物与人工脉冲神经元之间的双向通信？
• RQ2 是否可行构建一个在多个大陆间保持功能一致性与可塑性的地理分布式神经网络？
• RQ3 在结合生物与电子神经组件的混合系统中，如何保持并利用突触可塑性？
• RQ4 哪些架构原则能够实现跨互联网的稳定、可扩展且可演化的神经电子网络？
• RQ5 此类系统能否作为未来脑启发计算与传感应用中国际神经电子互联网（IoN）的基础模型？

主要发现

• 该系统成功实现了在互联网上，大鼠皮层神经元培养物与VLSI类神经形态电路之间的双向实时通信。
• 忆阻突触实现了动态、可塑的信号传输，突触权重能根据突触前与突触后脉冲活动自适应调整。
• 该bNN跨越欧洲多个地点，证明了包含生物与人工组件的地理分布式神经网络的可行性。
• 通过忆阻可塑性将生物与人工神经元集成，实现了网络中持续且一致的脉冲活动。
• 该架构展示了自组织、可演化神经系统的潜力，为神经电子互联网（IoN）奠定了基础。
• 该系统在长距离传输中保持了信号保真度与时间一致性，验证了通信框架的鲁棒性。