基于热电效应的PCNE电子突触STDP仿真与分析

发布时间：2020-05-22 23:22

【摘要】：人工智能的深化、计算量的增加以及冯诺依曼瓶颈制约的显露,都使得基于二进制和冯诺依曼架构计算体系的传统计算模式不再高效,拟人脑人工神经网络的搭建成为实现人工智能的关键。相变纳米单元(Phase Change Nanometer Element,PCNE)兼具存储功能及纳米集成度特性,是人工神经网络中电子突触的热门选择之一;尖峰时间相关可塑性(Spike-timing Dependent Plasticity,STDP)是突触的重要学习法则,而当存储单元尺寸降至纳米数量级,热电效应对单元的影响不能忽略,因此,基于热电效应PCNE电子突触的STDP研究是十分必要的。本文仿真实验建立在相变纳米单元的工作原理、有限元法及热电效应的基础上,搭建自下而上型PCNE三维结构的物理和数学模型;在MATLAB环境下,通过控制脉冲参数、单元尺寸及热电效应极性,对PCNE进行电、热性能及相变过程仿真,得PCNE单元温度、相态分布及电阻变化,对不同热电效应下PCNE电子突触性能及STDP学习法则的实现进行研究。仿真实验结果表明,考虑正、负极性热电效应及无热电效应三种情况下,PCNE电子突触长时程抑制和长时程增强的非线性输出曲线发生偏移,正极性热电效应使PCNE发生LTD过程的阈值电压降低了11.7%;TiN尺寸与GST厚度越小,热电效应对PCNE实现LTD过程的阈值电压的影响越弱。基于STDP学习法则,设计突触前、后神经元脉冲序列,完成了正、负极性热电效应及无热电效应三种情况下的STDP学习曲线的绘制。比较发现,正极性热电效应情况下,突触前、后神经元脉冲叠加部分的幅值更低;同时仿真结果表明TiN尺寸与GST厚度越小,热电效应对PCNE电子突触STDP学习法则的影响越弱。
【图文】：

相变,结构示意图,相转换,热电效应

团队使用含有十四万处理器及动却用了 500 秒的时间，且功耗网络并不可行，因此我们需要寻能与生物大脑媲美具有强大认知突触工作原理及热电效应寸参数降至纳米级别时，称为/相变层/下电极三层薄膜的“三存储的关键在于相变层中的相转换，本文中选择的相变材料为

突触,神经元,轴突,非线性传输

PCNE 的电阻、温度及相态的变化。本章主要介绍生物突触突触仿真原理及实现。突触基本原理及非线性传输特性和突触是人脑神经网络中的主要功能单位，人脑神经网络一般相互连接而成，如图 2-1 所示。人脑神经网络无论从构造和功一个非常复杂的系统，正常大脑的神经元的数目在 100 亿到 1的基本功能是在细胞之间进行信息加工、传递，神经元积累信值时神经元兴奋，并且向其下相连的神经元释放脉冲[28,29]。树，接受来自其它神经元的信号，神经元接受树突传递而来的信通过轴突输出其产生的电脉冲信号，轴突的末端通过突触与其现信号的传递。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP183;TN386

【相似文献】