股票专业配资北京大学「国家杰青」团队，一天2篇Nature Electronics！

神经形态系统对于发展智能人机界面至关重要。忆阻硬件能够模拟生物系统的神经元动态特性，但通常采用速率编码，而单脉冲编码（即通过每个神经元单次脉冲的发放时间及神经元间相对发放时间来传递信息）具有更快的速度和更高的能效。北京大学杨玉超教授团队报道了一种采用单脉冲编码的稳健忆阻硬件系统。在输入编码和神经处理方面，团队利用均匀性氧化钒忆阻器构建了编码变异度低于1%的单脉冲发放电路。针对突触计算，开发了电导整合策略与映射方案，以抑制氧化铪/氧化钽忆阻芯片因弛豫效应导致的电导漂移，实现了标准差在1.2微西门子内的弛豫电导态。此外，还设计了渐进式步进脉宽调控策略以避免资源浪费。集成的端到端硬件单脉冲编码系统相较于软件基准的精度损失低于1.5%。团队展示了该系统可应用于基于表面肌电信号的实时车辆控制。仿真结果表明，相较于传统速率编码系统，本系统的能耗降低约38倍，延迟减少约6.4倍。相关论文以“An end-to-end memristive hardware system based on single-spike coding for human–machine interfaces”为题，发表在

Nature Electronics上。

基于脉冲时序依赖可塑性的神经形态系统虽然能实现高效学习，但在适应高频输入方面存在局限，制约了其处理复杂时序信息的能力。突触疲劳动态特性（类似于生物短期可塑性）可提升系统效能，但该特征难以在硬件中有效集成。北京大学杨玉超教授团队提出一种混合架构，通过配对具有不同动态特性的忆阻器阵列，构建兼具短期疲劳特性与长期记忆功能的突触单元。该单元由具备高均匀性和固有疲劳行为的界面动态忆阻器，与基于氧化铪的单晶体管单非易失性忆阻器耦合而成。这一设计实现了疲劳脉冲时序依赖可塑性的硬件高效集成，显著提升了脉冲神经网络的时间学习能力。研究表明，所得神经网络可用于无监督在线学习，对速率编码和时序编码脉冲均具有高适应性，同时展现出优异的抗噪声能力和超越传统脉冲时序依赖可塑性的性能表现。相关论文以“Spiking neural networks with fatigue spike-timing-dependent plasticity learning using hybrid memristor arrays”为题，发表在

Nature Electronics上。