神经形态计算Neuromorphic computing旨在开发硬件平台,模拟人类大脑的有效性。在这种背景下,大脑启发的自组织忆阻网络,目前已经被证明是材料计算in materia computing中,极具前景的物理基底。然而,理解这些系统中的网络动态和信息处理能力之间联系,仍然极具挑战。
近日,意大利国家计量研究院(Istituto Nazionale di Ricerca Metrologica;INRiM)Gianluca
Milano等,在Nature Communications上发文,报道了神经形态纳米线网络行为,可以建模为Ornstein-Uhlenbeck过程,并且整体地结合了刺激依赖的确定性轨迹和随机效应。
这种统一建模框架,可以描述包括噪声和跳跃在内的网络动态主要特征,在物理储备池计算reservoir computing的背景下,研究和量化确定性和随机动态,对系统计算能力所起的作用。这些结果,为物理计算范例的发展铺平了道路,在相同的硬件平台上,用以类似于人类大脑的方式,利用确定性和随机动力学。
图1:自组织神经形态纳米线nanowires,NW网络
图2:神经形态纳米线NW网络的实验和建模确定性动力学