一种基于忆阻器的神经元电路制造技术

本发明专利技术属于神经元器件技术领域，具体为一种基于忆阻器的神经元电路。本发明专利技术的神经元电路包括：积分重置电路、电阻比较电路和脉冲输出电路；积分重置电路以外部电路的电流作为输入，通过忆阻器的复位或置位操作来实现对输入电流的积分，并以忆阻器实时阻值的监测电压作为输出；电阻比较电路接收实时监测电压，将其与参考电阻的电压信号进行比较，并将电阻比较结果输出给脉冲输出电路；当实时监测电压越过阈值，脉冲输出电路向外部电路输出神经脉冲信号，同时把反馈信号发送给积分重置电路，使积分重置电路的忆阻器阻值重置。本发明专利技术具有集成后面积代价低，且实时性好、误操作率低的特点。

A neuron circuit based on memristor

【技术实现步骤摘要】
一种基于忆阻器的神经元电路
本专利技术属于神经元器件
，具体涉及一种基于忆阻器的神经元电路。
技术介绍
近年来，受益于摩尔定律、云计算和大数据的推动，人工智能（AI）技术在语音识别、图像识别、无人驾驶和医疗诊断等越来越多的领域的应用取得突破。但是，当前人工智能技术的大规模普及也面临着诸多问题，如训练时间长、计算资源和人力成本高以及训练数据需求量大等。发展高性能计算能够在一定程度上缓解当前人工智能面临的问题。但是，高性能计算主要还是依赖底层芯片的计算性能。随着摩尔定律的脚步逐步放缓，CMOS器件的微缩速度越来越慢，芯片计算性能的提升已经不足以应对人工智能发展带来的计算需求的增长。同时，功耗的过快增加也成为限制芯片集成度提高的重要因素。另外，由于人工智能是数据密集型计算，而目前的CPU、GPU、FPGA或专用芯片在架构上仍然基于传统的冯洛伊曼架构，计算和存储在物理上分离，计算过程中数据在总线的频繁搬运导致功耗和性能的巨大损失，即所谓“冯洛伊曼瓶颈”。神经形态计算被认为是高性能计算之后人工智能发展的下一个阶段。神经形态计算最早由加州理工本文档来自技高网...

【技术保护点】
1.一种基于忆阻器的神经元电路，其特征在于，包括积分重置电路、两种电阻比较电路和脉冲输出电路；其中：/n所述积分重置电路以外部电路的电流作为输入；所述积分重置电路通过忆阻器的复位或置位操作来实现对输入电流的积分；在积分过程中，忆阻器的阻值随着流过的电流大小和持续时间单调变化；所述积分重置电路的输出反映忆阻器实时阻值的监测电压；/n所述电阻比较电路以积分重置电路输出的实时监测电压作为输入；所述电阻比较电路将实时监测电压信号与参考电阻的电压信号进行比较，并将电阻比较结果输出给脉冲输出电路；/n所述脉冲输出电路以电阻比较电路输出的电阻比较结果作为输入；如果实时监测电压越过阈值，即越过参考电阻的电压信...

【技术特征摘要】
1.一种基于忆阻器的神经元电路，其特征在于，包括积分重置电路、两种电阻比较电路和脉冲输出电路；其中：
所述积分重置电路以外部电路的电流作为输入；所述积分重置电路通过忆阻器的复位或置位操作来实现对输入电流的积分；在积分过程中，忆阻器的阻值随着流过的电流大小和持续时间单调变化；所述积分重置电路的输出反映忆阻器实时阻值的监测电压；
所述电阻比较电路以积分重置电路输出的实时监测电压作为输入；所述电阻比较电路将实时监测电压信号与参考电阻的电压信号进行比较，并将电阻比较结果输出给脉冲输出电路；
所述脉冲输出电路以电阻比较电路输出的电阻比较结果作为输入；如果实时监测电压越过阈值，即越过参考电阻的电压信号，所述脉冲输出电路向外部电路输出神经脉冲信号；所述脉冲输出电路把反馈信号发送给积分重置电路，使积分重置电路的忆阻器阻值重置。


2.如权利要求1所述的基于忆阻器的神经元电路，其特征在于，所述积分重置电路由四个P沟道晶体管、两个N沟道晶体管和忆阻器构成；其中：
第一个P沟道晶体管源极连接到电流输入端与第二个P沟道晶体管源极，其栅极连接到漏极与第二个P沟道晶体管栅极，其漏极连接到第三个P沟道晶体管源极；
第二个P沟道晶体管漏极连接到电阻比较电路；
第三个P沟道晶体管栅极连接到第一个N沟道晶体管栅极，其漏极连接到第一个N沟道晶体管漏极；
第一个N沟道晶体管源极接地，其栅极连接到脉冲输出电路，其漏极连接到电阻比较电路；
第二个N沟道晶体管源极接地，其栅极连接到第四个P沟道晶体管栅极，其漏极连接到第四个P沟道晶体管漏极；
第四个P沟道晶体管源极接高电平，其栅极连接到脉冲输出电路；
忆阻器一端连接到...

【专利技术属性】
技术研发人员：薛晓勇，杨何勇，赵晨阳，姜婧雯，田丰实，章志元，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海;31