生物神经元是神经系统信息处理的中枢，其多样化的放电模式是支撑系统高效计算和通讯的关键特征。因此，研究生物神经元放电模式的计算能力是推进类脑智能技术发展的重要路径之一，而构建具有多样放电模式的人工神经元电路是探索这一路径的基础。然而，传统CMOS器件缺乏本征的神经动力学，构建的神经元电路结构复杂，难以实现高密度集成；此外，生物神经元如何利用不同的放电模式完成高能效的计算仍未有系统的解释，这限制了放电模式在硬件系统中的实现和应用。
针对上述问题，复旦大学芯片与系统前沿技术研究院、集成芯片与系统全国重点实验室刘明院士团队研制了基于NbO2忆阻器的紧凑Hodgkin-Huxley (H-H) 神经元电路，成功实现了生物神经元中已报道的23种放电行为。此外，发展了基于器件本征随机性的tonic-bursting概率性转变放电行为，丰富了电路的放电模式。为探索放电模式的应用，研究团队以构建的H-H电路为基础搭建了前馈发散的神经环路结构，利用神经元的概率性转变、积分和共振特性成功验证了生物神经元之间的选择性通讯机制。进一步将该环路引入机器人避障系统，实现了低延时的避障功能。该方案最大程度的利用了神经元不同放电模式的本征计算能力，降低了机器人在执行避障决策过程中延时。与GPU对比，延迟时间降低了50倍以上。该工作揭示了利用神经元放电模式进行计算的高效性，为开发更高效的智能机器提供了新方案。
相关成果于2024年5月21日以题“Firing Feature-Driven Neural Circuits with Scalable Memristive Neurons for Robotic Obstacle Avoidance”发表在Nature Communications上。复旦大学芯片院杨悦博士，朱方铎博士为论文共同第一作者，张续猛青年副研究员和刘琦教授为论文通讯作者。该工作获得了国家重点研发计划、国家自然科学基金等项目的支持。
（A）蟋蟀避障相关环路（B）忆阻神经环路及机器人避障响应（C）忆阻神经环路特性（D）与传统方案的延迟及功耗对比
原文链接：https://www.nature.com/articles/s41467-024-48399-7
