用于概率计算的不稳定性驱动电动力学神经元

《Nature Communications》：Instability-driven electrohydrodynamic neurons for probabilistic computing

　　

摘要

流体忆阻器为高效神经形态计算提供了一种半导体硬件的液态替代方案。然而，尽管在突触可塑性方面取得了进展，但流体平台一直缺乏一种阈值激活的泄漏积分发放（LIF）脉冲基本单元——这是神经元计算的核心构建模块。在此，我们介绍了一种基于悬浮液桥的电液动力学神经元，其电阻切换由可逆界面不稳定性驱动，而非先前器件中的离子迁移或缺陷演化。这种不稳定性驱动机制实现了具有明确激活阈值的 LIF 积分，产生节律性脉冲发放，并表现出兴奋 - 不应期周期。阈值积分脉冲编码通过将噪声模拟信号转换为稀疏脉冲事件，从低信噪比输入中检索图像内容，其内在涨落进一步实现了用于概率计算的随机发放。连同其增强的性能，这些结果确立了界面流体力学作为通向基于流体的脉冲神经形态硬件的器件物理途径。