[论文解读] Control of the Correlation of Spontaneous Neuron Activity in Biological and Noise-activated CMOS Artificial Neural Microcircuits

Ramin Hasani, Giorgio Ferrari+6 more|arXiv (Cornell University)|Feb 24, 2017

Neuroscience and Neural Engineering参考文献 46被引用 3

一句话总结

本文提出一种低功耗、基于CMOS的人工神经微电路，通过定制噪声注入和可配置的突触连接，复现了生物皮层微电路中观察到的自发放电相关性。通过使用多个突触模拟中间神经元介导的通信，该人工系统实现了与生物网络相当的相关性水平，揭示了高突触连接性对于强种群间相关性至关重要。

ABSTRACT

There are several indications that brain is organized not on a basis of individual unreliable neurons, but on a micro-circuital scale providing Lego blocks employed to create complex architectures. At such an intermediate scale, the firing activity in the microcircuits is governed by collective effects emerging by the background noise soliciting spontaneous firing, the degree of mutual connections between the neurons, and the topology of the connections. We compare spontaneous firing activity of small populations of neurons adhering to an engineered scaffold with simulations of biologically plausible CMOS artificial neuron populations whose spontaneous activity is ignited by tailored background noise. We provide a full set of flexible and low-power consuming silicon blocks including neurons, excitatory and inhibitory synapses, and both white and pink noise generators for spontaneous firing activation. We achieve a comparable degree of correlation of the firing activity of the biological neurons by controlling the kind and the number of connection among the silicon neurons. The correlation between groups of neurons, organized as a ring of four distinct populations connected by the equivalent of interneurons, is triggered more effectively by adding multiple synapses to the connections than increasing the number of independent point-to-point connections. The comparison between the biological and the artificial systems suggests that a considerable number of synapses is active also in biological populations adhering to engineered scaffolds.

研究动机与目标

• 理解生物微电路在种群水平上自发神经元活动相关性如何产生。
• 开发一种低功耗、基于硅基的人工神经系统，通过噪声激活的放电神经元复现生物相关性动力学。
• 研究突触连接模式和噪声类型对生物与人工系统中种群间相关性的影响。
• 通过将人工系统与生物系统相关性特征匹配，反向工程生物微电路的连接结构。
• 建立一种可扩展、可重构的神经形态平台，利用CMOS技术研究集体神经动力学。

提出的方法

• 在0.35 µm CMOS工艺中设计紧凑、低功耗的CMOS硅基神经元、兴奋性与抑制性突触，以及白噪声和粉红噪声生成器。
• 采用环形拓扑结构，通过中间神经元将四个隔离的神经元岛连接，实现种群间通信。
• 使用高斯白噪声作为输入，触发生物与人工神经元中的自发放电活动。
• 采用皮尔逊相关系数量化不同神经元岛之间放电序列的统计依赖性。
• 系统性地改变中间神经元连接类型：单点对点连接与每条连接使用多个突触，以评估其对相关性的影响。
• 使用MATLAB的corrcoef函数对包含64个神经元和1024个突触的人工网络进行仿真，计算完整的相关系数矩阵。

实验结果

研究问题

• RQ1 人工神经元岛之间突触连接的数量和类型如何影响自发放电活动的相关性？
• RQ2 基于CMOS的人工神经微电路能否复现生物皮层微电路中观察到的相关性动力学？
• RQ3 背景噪声（白噪声与粉红噪声）在调节自发放电和种群间相关性方面发挥什么作用？
• RQ4 多突触连接与点对点连接相比，在增强神经元种群间相关性方面表现如何？
• RQ5 在多大程度上可以通过匹配人工系统输出来反向工程生物微电路的连接结构？

主要发现

• 当每条互连使用多个突触时，人工CMOS神经网络在神经元种群间实现的相关性水平与生物皮层微电路高度匹配。
• 在中间神经元连接中增加多个突触，比增加独立的点对点连接更能显著增强种群间相关性。
• 采用三重突触连接（3×8拓扑）的人工系统相关系数矩阵与生物网络的相关性特征高度相似，表明实现了高保真度复现。
• 即使与下一神经元岛的所有神经元完全连接，人工系统也未在相关性上达到饱和，表明未相关联的噪声注入可能成为限制因素。
• 结果表明，生物微电路可能通过每个中间神经元使用大量功能突触来实现强而稳定的种群间相关性。
• 同时使用白噪声与粉红噪声生成器，实现了灵活且生物上合理的自发放电激活，支持稳健且低功耗的神经形态运行。