基于谱引导查找表与资源高效乘法器的霍奇金-赫胥黎神经元FPGA资源高效实现

《IEEE Aerospace and Electronic Systems Magazine》：Preserving Hodgkin–Huxley Dynamics in Resource-Efficient FPGA Hardware Using Spectral-Guided Look-Up Tables and a Resource-Efficient Fixed-Point Multiplier

　　摘要：霍奇金-赫胥黎（HH）模型为神经元动力学提供了详细的生物学表征，但其非线性计算带来了巨大的硬件和计算开销。以往的FPGA实现方案通过模型简化、数值近似或计算密集型实现来应对这一挑战，但这些方法要么会牺牲原始神经元动力学的保真度，要么需要大量的硬件资源。本文提出了一种基于谱引导查找表（SGLUTs）和资源高效定点乘法器（REMUL）的HH神经元资源高效FPGA实现方案。与简化底层HH公式的方法不同，所提出的方法保留了原始非线性模型，同时对其硬件表示和算术运算进行优化。在Kintex-7 FPGA上综合，所提出的神经元最大工作频率达到289 MHz，使用1,586个查找表（LUTs）、896个触发器和94个RAM资源。该设计未使用专用DSP模块，功耗仅为0.21 W，相比原始非近似HH实现降低了65%的功耗。除硬件效率外，所提出的神经元还通过多层次评估来检验资源减少是否会损害神经元动力学。与时域响应、相空间轨迹、零值线行为、分岔特性、不规则状态以及在1000神经元网络中的集体活动均与原始HH模型进行了对比分析。所提出的神经元在MNIST数据集上取得了95.3%的分类准确率，而使用原始HH神经元得到的准确率仅差0.2个百分点，为95.5%。这些结果表明，所提出的架构在硬件效率和动力学保真度之间实现了理想的平衡，使得生物学详细的HH神经元能够在可扩展神经形态系统中以资源高效的方式在FPGA上实现。