基于忆阻器的多模式识别CNN电路设计

作者：陈鑫辉; 王宇轩; 张跃军; 刘钢; 刘子坚^*

来源：实验技术与管理, 2022, 39(10): 75-85.

DOI：10.16791/j.cnki.sjg.2022.10.014

• 超越冯诺依曼架构
• 神经形态计算
• 忆阻器
• 突触可塑性

现有的类脑计算电路存在的识别对象单一、识别率低等问题，限制了类脑芯片的发展。该文结合器件量子电导及存算一体架构，提出一种基于忆阻器的多模式识别CNN电路设计方案。该方案首先构建具有多阻态、高精度、可重构的忆阻器模型；然后采用CNN架构与权重量化方法，提高电路的训练速度与识别率；最后，在交叉阵列结构中进行电导映射，完成MNIST、Fashion-MNIST和EMNIST等多种模式测试。实验结果表明所设计忆阻器具有50个稳定阻态以及LTP突触可塑性；CNN硬件电路的多模式识别率均为90%以上，尤其是MNIST识别率高达99.08%，并验证了高斯噪声下电路的抗干扰能力。

• 单位
  上海交通大学; 电气学院; 金华职业技术学院; 宁波大学