浙江大学前沿所在学术期刊发表神经形态计算的国际合作论文

微纳电子学院俞滨教授、徐杨教授团队以“Core processing neuron-enabled circuit motifs for neuromorphic computing”为题，在InfoMat上发表国际合作研究论文。InfoMat是工程与计算大学科、材料与化学大领域的前沿期刊，在相关领域的国际科研界享誉盛名。博士生李涵茜、胡加杨为论文第一作者。该成果得到国家自然科学基金和省自然科学基金重大项目（创新群体）的资助。

类脑计算可突破传统芯片的冯诺依曼架构瓶颈。大脑层级结构包括神经元、神经元回路和规模架构。神经元是神经系统中的主要信息处理器，通过不同的突触兴奋、抑制连接模式形成回路，以实现并行、高能效计算。神经元并非单独发挥作用，而是与处理特定类型信息的回路基序联系在一起。神经元回路是大脑中神经元和突触之外的高级功能单元。在神经元回路中，主要信号的传递通过兴奋性神经元进行，抑制性神经元则在局部塑造信号，并形成稀疏的尖峰序列从而进行超低功耗计算。探索神经元回路的核心处理神经元的工作原理、物理架构、可扩展设计和综合信号处理能力对于推进类脑计算硬件开发至关重要。

科研团队提出并演示了一个可扩展的兴奋-抑制神经元，作为神经元电路的核心处理器。单晶体管神经元具有紧凑的设计，采用独立的兴奋性和抑制性输入端口，来同步处理时空信号。科研团队验证了核心处理器可构建常用的神经元回路基序，并实现多感觉整合的可调时间精度。进一步地，团队开发了基于核心处理神经元的神经元回路来构建门控脉冲神经网络(GCSNN)，并实现了语音分离任务的性能提升。论文所提出的具有可扩展性的神经元有望成为大规模神经形态架构的基本组元，以实现复杂的神经形态集成系统。