模拟神经形态计算系统模拟人类大脑的并行性和连通性，与数字系统相比，具有更大的表达能力和能源效率。虽然许多设备已经成为人工神经元和人工突触的候选设备，但人工树突的候选设备很少。在这项工作中，我们报道了生物相容性石墨烯基人工树突(梯度)，可以实现树突加工。通过使用双侧栅极结构，通过Nafion膜施加的电流可用于控制三层石墨烯通道上的器件电导，显示泄漏循环、α和高斯树突电位的时空响应。这些设备可以通过可变连接来实现高阶神经元响应，我们通过数据驱动的尖峰神经网络模拟表明，在低频运行稳定的情况下，尖峰活动减少了≤15%，而精度没有损失。这使得毕业生成为节能生物界面脉冲神经网络的有力候选者。
  
图1. GrAD设计，单门操作。(a)神经元图，描绘了三个树突分支(紫色)，每个分支都由GrAD(左)实现。mGrAD的图片和GrAD结构图(中间)，其中动态是通过输入门和调谐门控制的，读出是通过施加在石墨烯通道上的电压(紫色)通过端子D和s。Nafion-117门控材料是浅蓝色的，Au触点是金色的。GrAD的电路原理图符号(右)。(b)生物树突中常见的漏回、α和高斯树突核波形。(c)−1 ~ 1v前后两次扫频时μGrAD的传输特性。D-S电流用蓝色表示，InG-S电流用红色表示。(d)显示突触特征的μGrAD的单门电流操作。
  
图2.mGrAD时相关响应。(a)在输入门施加方电流脉冲，在调谐门施加恒流，产生漏回响应。
(b)漏回mGrAD器件对不同频率(蓝色为1hz，绿色为2hz，橙色为5hz)输入脉冲序列的响应。
达到阈值所需的时间用红色虚线表示。(c)在施加于调谐门的直流电流变化时，漏回枝晶的激活函数(蓝色三角形表示0 nA，绿色正方形表示100 nA，橙色圆圈表示200 nA)。(d)三角形输入电流脉冲，在调谐门处施加恒定电流，产生α响应。(e)不同IIG振幅下的Alpha mGrAD器件响应(实线)与理想Alpha内核响应(虚线)的对比。(f)不同ITG值(蓝色为100 nA，绿色为200 nA，橙色为300 nA，红色为400 nA，紫色为500 nA)下的Alpha和高斯波形生成。
  
图3. 多个GrAD和μGrAD时间相关响应。(a)树突单位的符号表示。(b)树枝状单元电路图。(c)由两个单独输入(紫色和红色)的树突组成的树突单元的实验输出(蓝色)。(d) μGrAD双侧门器件布局的光学显微镜图像。(e)不同IIG值下的Alpha波形生成。(f)不同ITG值下的Alpha和高斯波形生成。
 

图4. 树突尖峰神经网络模拟。(a)树突多层感知器的符号表示。模拟交叉杆的电路表示如图所示。(b) 20次训练后的最大精度与每幅图像采样时间的关系。下降的准确度低于指定点的10%。(c)网络的总尖峰活动随每张图像采样时间的函数。褪色的颜色表示每张图像对应的采样时间的精度为10%。(d) 20次训练后的最大准确度与最大输入频率的关系。(e)网络的总尖峰活动与最大输入频率的关系。
 
      相关研究成果由德克萨斯大学奥斯汀分校Jean Anne C. Incorvia等人2024年发表在Nano Letters (链接: https://doi.org/10.1021/acs.nanolett.4c00739)上。原文：Graphene-Based Artificial Dendrites for Bio-Inspired Learning in Spiking Neuromorphic Systems

转自《石墨烯研究》公众号