(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111372704.8 (22)申请日 2021.11.18 (71)申请人 复旦大学 地址 200000 上海市杨 浦区邯郸路2 20号 申请人 上海新氦类脑智能科技有限公司 (72)发明人 李枫　邹卓　王德豫　徐佳唯　 张廉豪　郑立荣　 (74)专利代理 机构 无锡经诚知识产权代理事务 所(普通合伙) 32504 代理人 丁雨燕 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) (54)发明名称 一种基于忆阻器的STD P、 BCPNN实现方法 (57)摘要 本发明提供了一种基于忆阻器的STDP、 BCPNN实现方法， 构建忆阻器模型； 将所述忆阻器 模型应用于S TDP、 BCPNN学习规则中进行trace仿 真实现， 并通过性能指标对仿真结果进行评价； 所述性能指标包括： 平均误差、 最大误差、 均方根 差和相关系数。 本方案提供的忆阻器模型可有效 地模拟忆阻器非线性掺杂剂漂移现象， 对于更复 杂具有更 强的生物可解释性的基于trac e的学习 规则， 例如STDP的多个变体， BCPNN学习规则， 本 方案可进行有效的实现。 权利要求书2页 说明书7页 附图4页 CN 114065633 A 2022.02.18 CN 114065633 A 1.一种基于忆阻器的STD P、 BCPNN实现方法， 其特 征在于， 构建忆阻器模型； 将所述忆阻器模型应用于STDP、 BCPNN学习规则中进行trace仿真实现， 并通过性能指 标对仿真结果进行评价； 所述性能指标包括： 平均误差、 最大误差、 均方根差和相关系数。 2.根据权利要求1所述的一种基于忆阻器的STDP、 BCPNN实现方法， 其特征在于， 所述由 VTEAM模型模块和窗函数模块构成； 所述VTEAM模型模块定义如下： R(t)＝Ron+(Roff‑Ron)·x(t) v(t)＝R(t) ·i(t) 其中w(t)表示范围为[0， W]的内部状态变量， W表示器件的假设物理宽度， x(t)表示范 围为[0， 1]的内部状态变量， v(t)表示忆阻器两端的 电压， i(t)表示通过忆阻器的 电流， R (t)表示忆阻器的电阻， t表示时间； Von和Voff表示阈值电压， Ron和Roff表示忆阻器的相应电 阻， 参数kon、 koff、 αon、 αoff是常数； 所述窗函数模块定义如下： f(x)＝j[sgn( ‑i)]·(x‑1)+stp(‑i)]p 其中， i表示通过忆阻器的电流、 j表示幅度参数且为正实数、 p表示线性度参数且为正 实数、 stp(i)表示关于电流 i的符号函数、 x表示内部状态变量。 3.根据权利要求2所述的一种基于忆阻器的STDP、 BCPNN实现方法， 其特征在于， 所述 内 部状态变量x的取值范围为x∈[0， 1]； 具体为： 当x(t)达 到1， 且施加电压为 正时， f(x)＝0； 或者当x(t)达 到0， 且施加电压为负时， f(x)＝0 。 4.根据权利要求2所述的一种基于忆阻器的STDP、 BCPNN实现方法， 其特征在于， 若所述 内部状态变量x向1移动， 则所述忆阻器的电流 i为正。 5.根据权利要求2所述的一种基于忆阻器的STDP、 BCPNN实现方法， 其特征在于， 所述线 性度参数p决定接近边界时所述窗函数的下降速度， 对应的， 若p逐渐接近0， 则非线性效应 逐步减弱。 6.根据权利要求1所述的一种基于忆阻器的STDP、 BCPNN实现方法， 其特征在于， 所述将 所述忆阻器模型应用于STD P、 BCPNN学习规则中进行t race仿真实现， 具体为：权　利　要　求　书 1/2 页 2 CN 114065633 A 2根据所述忆阻器模型、 STD P公式和BCPN N公式设置参数进行仿真； 为了方便硬件实现， 经欧拉方程简化后的所述STD P公式如下： xi(t)＝xi(t ‑1)·(1‑k)+si(t‑1)·dt xj(t)＝xj(t ‑1)·(1‑k)+sj(t‑1)·dt w(t)＝w(t‑1)+p·xt(t‑1)·sj(t‑1)‑q·xj(t‑1)·si(t‑1) 为了方便硬件实现， 经欧拉方程简化后的所述BCPN N公式如下： Zi(t)＝Zi(t ‑1)·(1‑kzi)+Si(t ‑1)·kzi Zj(t)＝Zj(t ‑1)·(1‑kzj)+Sj(t ‑1)·kzj Ei(t)＝Ei(t ‑1)·(1‑ke)+Zi(t ‑1)·ke Ej(t)＝Ej(t ‑1)·(1‑ke)+Zj(t ‑1)·ke Eij(t)＝Eij(t ‑1)·(1‑ke)+Zi(t ‑1)·Zj(t‑1)·ke Pi(t)＝Pi(t ‑1)·(1‑kp)+Ei(t ‑1)·kp Pj(t)＝Pj(t ‑1)·(1‑kp)+Ej(t ‑1)·kp Pij(t)＝Pij(t ‑1)·(1‑kp)+Eij(t ‑1)·kp β j＝log(Pj+ ε )。 7.根据权利要求6所述的一种基于忆阻器的STDP、 BCPNN实现方法， 其特征在于， 所述仿 真实现中未考虑E  trace， 对所述BCPN N公式作进一 步简化， 公式如下： Pi(t)＝Pi(t ‑1)·(1‑kp)+Zi(t ‑1)·kp Pj(t)＝Pj(t ‑1)·(1‑kp)+Zj(t ‑1)·kp Pij(t)＝Pij(t ‑1)·(1‑kp)+Zi(t ‑1)·Zj(t‑1)·kp。 8.根据权利要求7所述的一种基于忆阻器的STDP、 BCPNN实现方法， 其特征在于， 仿真要 求为BCPNN仿真时长为5s， STD P仿真时长为0.5s， 步长都为1m s； 参数设置如下： BCPNN仿真参数： kzi ＝kzj＝1/1 1， kp＝1/ 500， ε＝1/10 0； STDP仿真参数： k ＝0.1， q＝5 ×10‑6， p＝5.25 ×10‑6； 忆阻器模型仿真参数： j＝1， p＝1， αon＝1， αoff＝1， Von＝‑0.02V， Voff＝0.02V， Ron＝2k Ω， Roff＝200kΩ， kon＝‑28nm/s， koff＝21nm/s， W ＝1nm， winit＝0nm； 其中， 所述BCPNN输入的脉冲为0， 对应的忆阻器输入电压为 ‑149.9mv， 193.2mv； 所述 STDP输入的脉冲为1， 对应的忆阻器输入电压为 ‑162.9mv， 210.5mv。权　利　要　求　书 2/2 页 3 CN 114065633 A 3