[论文解读] Self-Adaptive Spike-Time-Dependent Plasticity of Metal-Oxide Memristors

M. Prezioso, Farshad Merrikh‐Bayat+3 more|arXiv (Cornell University)|May 20, 2015

Advanced Memory and Neural Computing参考文献 32被引用 9

一句话总结

该论文首次通过实验展示了在Al2O3/TiO2-x金属氧化物忆阻器中实现自适应的脉冲时序依赖可塑性（STDP），采用一种反馈控制的STDP协议，可在不同初始电导值下稳定突触权重。该方法确保了可靠神经形态计算所必需的稳定、自调节可塑性，通过12×12交叉阵列和基于紧凑忆阻器模型的数值模拟得到验证。

ABSTRACT

Metal-oxide memristors have emerged as promising candidates for hardware implementation of artificial synapses - the key components of high-performance, analog neuromorphic networks - due to their excellent scaling prospects. Since some advanced cognitive tasks require spiking neuromorphic networks, which explicitly model individual neural pulses (spikes) in biological neural systems, it is crucial for memristive synapses to support the spike-time-dependent plasticity (STDP), which is believed to be the primary mechanism of Hebbian adaptation. A major challenge for the STDP implementation is that, in contrast to some simplistic models of the plasticity, the elementary change of a synaptic weight in an artificial hardware synapse depends not only on the pre-synaptic and post-synaptic signals, but also on the initial weight (memristor's conductance) value. Here we experimentally demonstrate, for the first time, STDP protocols that ensure self-adaptation of the average memristor conductance, making the plasticity stable, i.e. insensitive to the initial state of the devices. The experiments have been carried out with 200-nm Al2O3/TiO2-x memristors integrated into 12x12 crossbars. The experimentally observed self-adaptive STDP behavior has been complemented with numerical modeling of weight dynamics in a simple system with a leaky-integrate-and-fire neuron with a random spike-train input, using a compact model of memristor plasticity, fitted for quantitatively correct description of our memristors.

研究动机与目标

• 解决硬件突触中脉冲时序依赖可塑性（STDP）因依赖忆阻器初始电导值而导致的不稳定性问题。
• 开发一种自适应STDP协议，确保在不同初始状态下平均电导保持稳定。
• 实现基于忆阻器突触的可靠脉冲神经网络硬件实现。
• 通过12×12忆阻器交叉阵列实验和数值建模，验证自适应行为。

提出的方法

• 实施一种反馈控制的STDP协议，通过调节前突触和后突触脉冲的时序来调控突触权重变化。
• 使用集成在12×12交叉阵列中的200-nm Al2O3/TiO2-x忆阻器进行实验验证。
• 基于实验数据开发一个紧凑的忆阻器可塑性模型，用于数值仿真。
• 通过随机脉冲训练输入的漏电积分-发放神经元仿真，测试在自适应STDP下的权重动态行为。
• 校准STDP协议，确保电导在长时间内保持有界且稳定。
• 将实验结果与数值仿真进行对比，验证紧凑模型的定量准确性。

实验结果

研究问题

• RQ1 能否使金属氧化物忆阻器中的STDP对初始电导值实现自适应？
• RQ2 所提出的STDP协议是否能在不同初始电导状态下的突触权重实现稳定？
• RQ3 在真实神经输入模式下，自适应STDP协议的性能如何？
• RQ4 紧凑忆阻器模型能否准确再现观测到的自适应可塑性行为？
• RQ5 在自适应STDP协议下，突触权重的长期稳定性如何？

主要发现

• 自适应STDP协议成功在广泛初始电导值范围内稳定了忆阻器的平均电导。
• 12×12交叉阵列的实验结果表明，电导调节一致，无漂移或饱和现象。
• 基于漏电积分-发放神经元的数值仿真证实，在随机脉冲训练输入下权重动态行为稳定。
• 紧凑忆阻器模型准确描述了实验数据，实现了对可塑性行为的可靠仿真。
• 该协议实现自调节，无需外部反馈控制，完全依赖器件内在动态特性与时序控制。
• 该方法实现了STDP在硬件神经形态系统中的鲁棒、可扩展实现，克服了传统STDP的关键局限。