（集成電路學院）神經元電路對于構建高效智能神經形態信息處理系統是至關重要的。面向不同應用場景，對于神經元電路的編碼功能需求有所不同。代月花教授團隊針對不同應用需求，完成了多種憶阻器基神經元電路設計開發。

集成電路學院代月花教授團隊與復旦大學芯片與系統前沿研究院劉琦教授團隊開展合作。針對神經形態計算系統中傳統神經元電路無法對負值信息進行有效編碼進而影響系統性能的問題，提出并成功實現一種基于非對稱擴散型憶阻器(Ag/TaOx/SiOx/Pt)的L-ReLU神經元電路。通過利用銀離子的可控遷移擴散機制，設計實現了非對稱閾值轉變特性的擴散型憶阻器，并基于該器件構建了L-ReLU脈沖神經元電路，實現對于神經形態計算系統中負值信息的有效編碼。在輸入信號作用下，該神經元能夠將正負輸入信息分別編碼為可區分的正向和負向脈沖頻率（圖1）。該項成果以“An Artificial L-ReLU Neuron with Asymmetric Diffusive Memristor for High-Accuracy Neuromorphic Systems”為題，發表于Advanced Functional Materials (DOI: 10.1002/adfm.202423267)。安徽大學集成電路學院為第一通訊單位，集成電路學院23級博士生鄒建勛和22級博士生馮哲為共同第一作者，安徽大學集成電路學院吳祖恒副教授、代月花教授和復旦大學芯片與系統前沿研究院張續猛青年副研究員為共同通訊作者。

圖1. 基于非對稱擴散型憶阻器閾值轉變憶阻器的 L-ReLU脈沖神經元電路

在此之前，研究團隊設計實現了非對稱閾值轉變憶阻器模型，并基于電路仿真軟件LTspice設計開發了L-ReLU神經元電路，實現對于負值信息的編碼功能驗證（圖2），相關成果以“L-ReLU Spiking Neuron Circuit Based on Threshold Switching Memristor for Conversion-Based Spiking Neural Networks”為題發表于IEEE Transactions on Circuits and Systems—II: Express Briefs，(DOI: 10.1109/TCSII.2024.3364822)。安徽大學集成電路學院為唯一通訊單位，集成電路學院23級博士生鄒建勛為第一作者，朱云來老師和代月花教授為共同通訊作者。

圖2. 基于非對稱閾值轉變憶阻器的 L-ReLU脈沖神經元電路

此外，針對面向運動檢測應用場景需求，基于視覺神經系統中的雙極細胞（Bipolar Cell Neuron Circuit，BCNC）神經元工作原理，研究設計了一種實現增量調制神經元電路，該電路能夠實時編碼輸入信號的變化量（圖3），實現在運動檢測領域的應用驗證，相關成果以“A Memristor-Based Bipolar Cell Neuron Circuit for Motion Detection and Action Prediction”為題發表于IEEE Transactions on Circuits and Systems—II: Express Briefs，(DOI: 10.1109/TCSII.2024.3380625)，安徽大學集成電路學院為唯一通訊單位，集成電路學院22級博士生馮哲為第一作者，吳祖恒副教授、朱云來老師和代月花教授為共同通訊作者。

圖3.憶阻器基增量調制神經元電路

針對主流ReLU神經元電路抗攻擊能力弱的問題，研究設計了一種憶阻器基徑向基神經元電路，該電路能夠有效過濾攻擊信息，提高了網絡的抗干擾能力（圖4），相關成果以“Threshold Switching Memristor-Based Radial-Based Spiking Neuron Circuit for Conversion Based Spiking Neural Networks Adversarial Attack Improvement”為題發表于IEEE Transactions on Circuits and Systems—II: Express Briefs，(DOI: 10.1109/TCSII.2023.3318592)，安徽大學集成電路學院為唯一通訊單位，集成電路學院吳祖恒副教授為論文第一作者，徐祖雨副教授為論文通訊作者。

圖4.憶阻器基徑向基神經元電路