基于连续吸引子神经网络的神经形态电路系统研究.pdfVIP

摘要

电子信息技术从上个世纪中叶开始迅猛发展，时至今日，传统体系架构下的电

子计算机技术已经十分成熟。但若是将人类大脑视为一个信息处理系统，并将其与

当前的电子计算机做比较时就会发现，人脑的各种认知功能与复杂思维能力依然

是计算机无法轻易实现的。为了实现更加强大、更加高效的人工智能，一个很自然

的想法便是从对于生物神经系统的相关研究中获取新的信息处理系统的设计灵感。

神经形态电路便是这个思想的直接产物，该领域的目标是实现功能近似于生物神

经系统的电路。另一方面，计算神经科学利用数学模型对生物神经系统进行定量的

分析研究，其研究成果对于指导设计更加接近生物脑的神经形态电路系统具有重

要意义。

在此背景下，本论文尝试以计算神经科学中提出的连续吸引子神经网络

（ContinuousAttractorNeuralNetworks,CANN）模型为理论基础，以现场可编程逻

辑门阵列（FieldProgrammableGateArray，FPGA）作为硬件平台，设计并实现了

一组具有丰富的仿生物神经特性的神经形态电路系统。

论文按照研究的进展阶段，首先介绍了初步设计的具有64个神经元的CANN

电路原型以及基于此电路进行的知觉决策和工作记忆仿真实验；然后介绍了规模

更大且设计较为成熟的具有512个神经元的CANN电路系统以及基于此电路进行

的静默式工作记忆和T型迷宫仿真实验；最后介绍了基于片上网络搭建的具有多

个CANN核心的电路系统以及对该电路基本功能进行的测试结果。

本文中提出的神经形态电路系统具有对较为多样的神经机制进行模拟的功能，

例如演化时间常数较大的非线性突触、突触的短时程可塑性以及神经元的发放频

率适应性等神经机制，这使得该电路系统具有了丰富的计算功能。在各个阶段的电

路设计完成后进行的仿真实验验证了电路的计算功能。该系列神经形态电路系统

将有助于研究者对CANN模型进行进一步的研究，也将有助于把CANN模型相关

的计算特性实际应用于潜在的应用领域。

关键词：神经形态电路，连续吸引子神经网络，现场可编程逻辑门阵列

ABSTRACT

Electronicinformationtechnologyhasdevelopedrapidlysincethemiddleoflast

century.Uptonow,theelectroniccomputertechnologyunderthetraditionalarchitecture

hasbeenverymature.However,ifthehumanbrainisregardedasaninformation

processingsystemandcomparedwiththecurrentelectroniccomputer,itwillbefound

thatvariouscognitivefunctionsandcomplexthinkingabilitiesofthehumanbrainare

stillnoteasilyforthecomputertorealize.Therefore,inordertorealizeamorepowerful

andefficientartificialintelligence,anaturalideaistoobtainthedesigninspirationofnew

informationprocessingsystemfromtheresearchrelatedtobiologicalneuralsystem.

Neuromorphiccircuitisthedirectproductofthisidea.Thegoalofthisfieldistorealize

circuitswhosefunctionissimilartobiologicalneuralsystem.Ontheotherhand,

computationalneuroscienceusesmathema