面向生物启发式跨模态记忆痕迹扩展的忆阻神经电路设计与实现

《AEU - International Journal of Electronics and Communications》：Design and implementation of memristive neural circuits for biologically inspired cross-modal engram expansion

　　

摘要
跨模态记忆印记扩展是大脑整合多感官信息的关键机制，通过已建立的记忆痕迹促进新记忆的形成，其中协同的感觉通道为记忆增强提供了神经基础。这一过程对于生物智能系统的高效学习和灵活适应至关重要。本文提出了一种基于忆阻器的跨模态记忆印记扩展电路，用于模拟果蝇中视 - 嗅联想记忆和印记扩展的神经机制。一种受生物启发的神经电路映射模型解释了记忆痕迹的产生、跨通道连接以及潜在的神经机制。该电路复制了视觉、嗅觉和多巴胺能调节如何协同形成记忆痕迹，实现了单模态学习和遗忘、跨模态强化学习以及由先前多感官厌恶学习触发的奖励相关记忆的加速形成。该忆阻器电路旨在集成到工业检查机器人的智能感知模块中，增强在复杂环境中的多感官检测和自适应决策能力。这项工作建立了神经科学发现与神经形态硬件应用之间的联系，为具备多感官融合和自适应学习能力的智能系统做出贡献。

引言
人脑是一个高度复杂且高效的信息处理系统，其认知功能支撑着感知、学习和决策。生物神经系统通过突触可塑性、分布式并行处理和反馈调节等机制实现认知 [1]。其中，联想记忆是将不同的感知元素结合成可检索整体的关键过程之一，基于时间或语义联系 [2]、[3]。然而，人脑的复杂性使其运行机制难以破译。相比之下，果蝇等更简单的模式生物因其中简化的解剖结构和精确的神经元连接而更受青睐 [4]。研究果蝇的学习和记忆机制为人脑的学习和记忆原理提供了见解。最近的研究，如 Okray 等人的研究，探索了果蝇中的“跨模态记忆印记扩展”，揭示了模态选择性神经元如何通过多巴胺调节和抑制性释放形成跨模态连接并扩展表征 [5]。这些生物记忆机制为将神经科学发现转化为实用的电路和器件设计提供了蓝图，从而为快速发展的神经形态计算和低功耗智能硬件研究领域提供指导 [6]、[7]、[8]、[9]。

为了在硬件中实现这种生物神经特性，Hopfield 神经网络被广泛用于神经形态模拟。在受到电磁干扰和刺激电流时，这些网络呈现出混沌、多稳态和各种神经元放电模式等复杂的非线性行为 [10]。忆阻器复制了突触行为，由于其结构简单和硬件兼容性强，能自然地与 Hopfield 网络集成。优化的混沌映射方法进一步提升了系统性能，这些集成技术已应用于图像加密、机器人导航和其他工程领域 [11]、[12]、[13]、[14]。此外，还开发了混沌忆阻神经元模型及其相关的保密通信电路，以确保神经形态机器人感知系统中的数据安全，从而为多传感器工业智能设备提供强大的基于硬件的安全解决方案。

忆阻器作为人工突触被广泛研究，因为它们复制了关键的突触功能，包括可塑性和基于电导的权重更新 [15]。凭借非易失性、纳米级尺寸、低功耗和可调电导，忆阻器通过电 - 离子耦合调节电导率，这促进了可编程突触和交叉阵列的设计。这些优势使得高密度并行乘累加操作和实时自适应工作成为可能，因此，忆阻器在神经形态计算中得到了广泛认可 [16]、[17]。忆阻器技术与受大脑启发的设计的结合成功在硬件上实现了包括可塑性、遗忘和联想在内的生物记忆功能，推动了忆阻联想记忆电路的快速发展 [18]、[19]、[20]。

在多感官融合领域，[21] 提出了一种利用忆阻器电路的多感官互联联想记忆网络，旨在复制大脑同时处理和关联多种模态信息的能力。在此基础上，[22] 引入了一种支持多向联想记忆的基于忆阻器的神经电路，通过多个神经元层之间的双向信息传输，实现了与大脑机制一致的复杂记忆行为。[23] 设计了一种具有桥接和条件强化的操作性条件反射忆阻器神经网络电路，实现了经典和操作性条件反射过程的同时进行，并增强了多种行为模态下的联想记忆能力。[24] 提出了一种模拟多感官学习网络的忆阻器电路，实现了不同感觉通路之间的有效整合。此外，为了增强记忆电路设计的生物真实性，研究人员专注于实现更复杂的记忆机制，以捕捉生物记忆系统的复杂性。[25] 设计了一种受生物启发的情景记忆电路，能够生成多样的情景记忆并提取特定的上下文细节，模仿大脑编码和检索复杂经验信息的能力。最近，[26] 提出了一种受果蝇脑架构启发的跨模态联想记忆电路，以模拟感觉模态之间的相互作用。

尽管取得了这些进展，关于现有记忆如何影响新记忆形成的关键缺口仍然存在。虽然先前的工作检查了记忆巩固和检索机制，但已建立的和新兴的记忆痕迹之间的动态相互作用——特别是跨感觉模态——在很大程度上仍未被探索。值得注意的是，印记扩展弥补了这一缺口。理解这一机制可以阐明大脑如何利用过去的经验来促进新的学习。

受果蝇中观察到的跨模态印记扩展机制的启发 [5]，本文研究了预先存在的记忆对新记忆形成的影响。开发了一个神经网络模型来模拟跨模态联想过程，并设计了一个基于忆阻器的电路来复制印记扩展动态。该电路展示了如何利用已建立的记忆痕迹来提高学习效率，为自适应神经形态系统奠定了基础。

本工作的主要贡献总结如下：
(1) 利用忆阻器复制在果蝇中观察到的单模态学习和遗忘功能。
(2) 设计了一种先进的电路架构来增强跨模态联想记忆能力。
(3) 实现了印记扩展功能，以拓宽记忆表征范围，并允许通过单感官线索检索多感官经验，从而提高记忆性能。

本研究的组织结构如下所述：第 2 节描述了整个研究中使用的 MVC 忆阻器模型。第 3 节开发了一个受生物启发的跨模态印记扩展逻辑框架，以果蝇为案例研究，并分析果蝇内的多感官学习过程。第 4 节阐明了专门用于跨模态印记扩展的忆阻神经电路设计。第 5 节展示了与电路相关的实验结果和分析。第 6 节探讨了所提出电路在工业检测机器人中的应用。最后，第 7 节总结了研究结果并讨论了未来研究的潜在方向，以此结束本文。

章节片段
MVC 忆阻器模型
忆阻器是一种二端元件，其电阻随通过它的电荷或磁通量变化，从而能够有效地模仿生物突触 [6]。它们被认为是神经形态应用的理想仿生器件。迄今为止，已提出并应用了众多忆阻器的代表性数学和物理模型——如线性漂移模型、窗口函数模型和指数模型 [27]、[28]、[29]——于多个研究领域 [30]、[31]、[32]。

跨模态印记扩展逻辑关系的建立
联想记忆遵循刺激 - 反应 - 强化框架，其中条件刺激 (CS) 在时间上与无条件刺激 (US) 配对。将中性刺激与 US 关联，有机体学会对 CS 产生适应性反应（如接近或回避）。尽管不同物种之间存在神经结构和行为复杂性的差异，但保守的核心原则（时间上的 CS-US 配对、记忆形成/巩固以及特定神经电路的参与）使得

跨模态印记扩展忆阻神经电路的设计
基于图 2 所示的受生物启发的跨模态印记扩展逻辑图，本章描述了基于忆阻器的神经电路设计。该电路由凯恩细胞 (KCs) 模块、背侧成对内侧 (DPM) 模块、前成对外侧 (APL) 模块以及突触模块组成。

单模态视觉信号的学习和遗忘
单模态视觉信号的学习和遗忘行为的实验结果如图 10 所示。Vvisual 的频率为 500 Hz。在 0-1.5 秒期间，电路经历了视觉 - 奖励联想学习，M6 的忆阻值持续下降——这一观察结果直接反映了突触权重的增强，这是突触可塑性的标志。在 1.2 秒时，M6 的忆阻值降至 5 kΩ 以下，并在 1.4 秒时达到最小值 1 kΩ。从 1.5-1.7 秒，...

应用
在现代工业智能检测中，机器人高效适应复杂动态环境和灵活响应多样目标信号的能力对于检测精度和效率至关重要。设计的受生物启发的忆阻跨模态印记扩展神经电路可扩展到工业检查机器人的智能感知和记忆增强系统中，为智能检测建立了整体的多感官融合框架，

结论
基于带有边界约束和遗忘项的改进型 MVC 忆阻器模型，开发并实现了一种受生物启发的忆阻跨模态联想记忆神经网络。该网络通过 APL、DPM、KC、突触和神经元模块映射果蝇微电路，支持单模态学习、自然遗忘、视 - 嗅跨模态强化学习以及印记扩展。实验结果表明，跨模态训练显著...

CRediT 作者贡献声明
Mi Lin: 写作 – 审阅与编辑。Jiapan Wang: 写作 – 原稿，可视化，验证，软件，方法论，形式化分析。Xuanxuan Zhou: 数据整理，概念化。Chong Zhang: 调查。Yi Yang: 监督，项目管理。

利益冲突声明
作者声明他们没有任何已知的竞争性经济利益或个人关系，这些关系可能会影响本文中报告的工作。

Mi Lin|Jiapan Wang|Xuanxuan Zhou|Chong Zhang|Yi Yang