Artificial Neurons: Quasi‐Hodgkin–Huxley Neurons with Leaky Integrate‐and‐Fire Functions Physically Realized with Memristive Devices (Adv. Mater. 3/2019)
0
Citation
0
Reference
10
Related Paper
Abstract:
In article number 1803849, Rui Yang, Xin Guo, and co-workers describe the use of a volatile W/WO3/PEDOT:PSS/Pt memristive device to emulate neuronal functions. Taking advantage of the fast volatility, the device successfully emulates the local graded potential of a biological neuron, and a circuit in which these memristive devices are the key elements physically demonstrates the functions of leaky integrate-and-fire. The migration of protons and electrons in WO3 is similar to the transport of Na+ and K+ in the neuronal membrane, contributing to the successful realization of the Hodgkin–Huxley model in neuroscience.Keywords:
Hodgkin–Huxley model
Realization (probability)
Memristor
This paper presents a rigorous and comprehensive nonlinear circuit-theoretic foundation for the memristive Hodgkin–Huxley Axon Circuit model. We show that the Hodgkin–Huxley Axon comprises a potassium ion-channel memristor and a sodium ion-channel memristor, along with some mundane circuit elements. From this new perspective, many hitherto unresolved anomalous phenomena and paradoxes reported in the literature are explained and clarified. The yet unknown nonlinear dynamical mechanisms which give birth to the action potentials remain hidden within the memristors, and the race is on for uncovering the ultimate truth.
Memristor
Hodgkin–Huxley model
Cite
Citations (280)
The nervous excitation originated from the action potential of neuron is a process of the nerve fibers being transfered from a neuron to another neuron.Now,the Hodgkin-Huxley neuron model has been used to settle much physiological phenomenon.In this paper,based on the theory of conduction of nerve fibers,the solition of the Hodgkin-Huxley neuron model was obtained.And,the application of this result was discussed deeply.
Hodgkin–Huxley model
Biological neuron model
Cite
Citations (0)
Brain is the vital organ for action, learning, memory, thought formation and other cognitive activities. The neuron is the fundamental functional unit of the brain. It is a specialized cell created to transmit information and receive information from other nerve cells, muscle cells or gland cells. This paper describes the stochastic behavior of biological model of Neuron and its implementation in MATLAB Simulink to study the behavior of a neuron in a real-time environment. The Hodgkin–Huxley mathematical model describes how initiated and propagated action potentials in neurons takes place are for external stimulus. The stochastic behavior of a Hodgkin-Huxley neuron is studied for various external stimulus and helped to find various action potentials.
Stimulus (psychology)
Hodgkin–Huxley model
Biological neuron model
Stochastic modelling
Mirror neuron
Cite
Citations (0)
Τα σύγχρονα ηλεκτρονικά συστήματα επιδεικνύουν πρωτοφανείς δυνατότητες αποθήκευσης και επεξεργασίας πληροφοριών, χρησιμοποιώντας τη σύγχρονη τεχνολογία συμπληρωματικού μετάλλου-οξειδίου-ημιαγωγού (CMOS) σε νανοκλίμακα και την αρχιτεκτονική υπολογιστών γενικής χρήσης von Neumann. Παρ' όλα αυτά, με την αύξηση του όγκου της συλλογής πληροφοριών και την ανάγκη για την υπολογιστικά απαιτητική επεξεργασία τους, οι συμβατικές τεχνολογία και αρχιτεκτονική υπολογιστών δυσκολεύονται να συμβαδίσουν, καθώς συναντούν τους αντίστοιχους περιορισμούς τους είτε από φυσικής είτε από πρακτικής άποψης, δηλαδή τα όρια σμίκρυνσης, το αυξανόμενο κόστος, τη θερμότητα και την κατανάλωση ενέργειας. Τις τελευταίες δεκαετίες διερευνώνται εντατικά νέες προσεγγίσεις τόσο στην τεχνολογία όσο και στην αρχιτεκτονική υπολογιστών, με στόχο την ανάπτυξη καινοτόμων ηλεκτρονικών συστημάτων με προηγμένη ενεργειακή απόδοση, ταχύτητα λειτουργίας και μικρό εμβαδόν ολοκλήρωσης.Σε αυτή την κατεύθυνση, το memristor, ένα νέο ηλεκτρονικό στοιχείο με διαστάσεις στην κλίμακα του νανομέτρου, έρχεται ως ένας πολλά υποσχόμενος υποψήφιος για να διευρύνει τα όρια της τρέχουσας προηγμένης τεχνολογίας και των υπολογιστικών συστημάτων. Με την πρώτη τους υλοποίηση να χρονολογείται πριν από περίπου μια δεκαετία, οι διατάξεις memristor παρέχουν πρωτοφανή χαρακτηριστικά ως μία ηλεκτρονική διάταξη, όπως η μη πτητική αναλογική αποθήκευση πληροφοριών με γρήγορη και χαμηλής ισχύος λειτουργία. Αξιοποιώντας αυτό το χαρακτηριστικό, τα memristor χρησιμοποιούνται επί του παρόντος σε ανερχόμενες τεχνολογίες μνήμης, καθώς και αποτελούν την κορυφαία τεχνολογία για μελλοντικές υλοποιήσεις κυκλωμάτων τεχνητών νευρωνικών δικτύων και νευρομορφικών υπολογιστών. Ωστόσο, από τεχνολογική άποψη, οι διατάξεις memristor βρίσκονται σε πρώιμο στάδιο, καθώς αντιμετωπίζουν ακόμη σημαντικά ζητήματα που εμποδίζουν την ευρεία εμπορική τους αξιοποίηση. Πρώτον, η μοντελοποίηση των μηχανισμών αγωγής και της δυναμικής συμπεριφοράς τους βρίσκεται ακόμη υπό διερεύνηση και απέχουμε πολύ από ένα πρότυπο μοντέλο memristor που να αποτυπώνει με ακρίβεια τα χαρακτηριστικά των κατασκευασμένων διατάξεων memristor. Επιπλέον, τα υπάρχοντα μοντέλα memristor που επιτυγχάνουν ακριβή περιγραφή της δυναμικής της διάταξης αντιμετωπίζουν ζητήματα αριθμητικής σταθερότητας που επηρεάζουν τη σωστή αξιοποίησή τους σε προσομοιωτές κυκλωμάτων. Δεύτερον, λόγω της φύσης του memristor, η προσαύξηση της αγωγιμότητάς του προκύπτει από εγγενώς στοχαστικές διαδικασίες, π.χ. η μετακίνηση ιόντων, οι οποίες οδηγούν σε υψηλή μεταβλητότητα κατά τη λειτουργία της διάταξης, επηρεάζοντας επίσης τη λειτουργικότητά της μέσα σε ένα κύκλωμα.Με στόχο την αντιμετώπιση των προαναφερθέντων ζητημάτων στο πλαίσιο της παρούσας διδακτορικής διατριβής, η μοντελοποίηση της διάταξης memristor αντιμετωπίστηκε με μια διττή προσέγγιση. Αφενός, έχοντας ως βάση ένα υπάρχον μοντέλο memristor με βάση τη φυσική, πραγματοποιούνται οι απαραίτητοι μαθηματικοί μετασχηματισμοί για την εξαγωγή μιας αναλυτικής και υπερβατικής μορφής της δυναμικής συμπεριφοράς της διάταξης υπό σταθερή θετική και αρνητική διέγερση, αντίστοιχα, επιτρέποντας την αναλυτική μελέτη του προγραμματισμού του memristor. Πέρα από το ντετερμινιστικό μοντέλο, έχει αναπτυχθεί ένα πιθανοκρατικό μαθηματικό πλαίσιο για τη μοντελοποίηση του memristor με γνώμονα τη στοχαστικότητα, το οποίο βασίζεται στις κύριες εξισώσεις των διεργασιών άλματος Markov. Το προτεινόμενο πλαίσιο αποτυπώνει την πιθανοκρατική μεταγωγή των διατάξεων memristor που προέρχεται από την εγγενή στοχαστικότητα της διάταξης. Εκτός από τη δυαδική στοχαστική μεταγωγή, η προσέγγιση αυτή επιτρέπει για πρώτη φορά πολλαπλές πεπερασμένες καταστάσεις, παρέχοντας ευελιξία και περαιτέρω ακρίβεια στην πιθανοκρατική μοντελοποίηση των memristor.Από τη σκοπιά της σχεδίασης κυκλωμάτων, η στοχαστικότητα του memristor επιβάλλει επιζήμια μεταβλητότητα στον προγραμματισμό των διατάξεων memristor. Για την αντιμετώπιση αυτού του προβλήματος, υιοθέτησα μια αντισυμβατική προσέγγιση όπου ο θόρυβος προστίθεται στα σήματα προγραμματισμού για να ενισχυθεί η ικανότητα μεταγωγής του memristor. Μια τέτοια προσέγγιση βασίζεται στο φαινόμενο του μη γραμμικού συστήματος που ονομάζεται Στοχαστικός Συντονισμός (Stochastic Resonance - SR), το οποίο υποστηρίζει ότι ένα κατάλληλα επιλεγμένο θορυβώδες σήμα μπορεί να βελτιώσει την απόδοση ενός μη γραμμικού συστήματος. Αρχικά, ο SR χρησιμοποιήθηκε για την ενίσχυση του παραθύρου αντίστασης μιας διάταξης memristor. Στη συνέχεια, στην παρούσα διατριβή, το φαινόμενο αυτό μελετήθηκε για μια ευρύτερη ποικιλία μοντέλων memristor, συμπεριλαμβανομένης της μεταβλητότητας της διάταξης, το φαινόμενο αποδείχθηκε επίσης με πειραματικές μετρήσεις σε μεμονωμένες διατάξεις memristor. Πραγματοποιήθηκε λεπτομερής μελέτη για τον υποβοηθούμενο από θόρυβο προγραμματισμό ενός memristor σε κυψέλες μνήμης ReRAM, είτε μεμονωμένα είτε σε συστοιχία διασταυρωμένων αγωγών, αναδεικνύοντας την αποδοτικότητα της προτεινόμενης προσέγγισης υποβοηθούμενης από θόρυβο ως προς την καταναλισκόμενη ισχύ, καθώς τα ονομαστικά πλάτη τάσης προγραμματισμού μπορούν να μειωθούν παρουσία θορύβου χωρίς να βλάπτεται η ακρίβεια προγραμματισμού.Πέρα από την αντιμετώπιση της στοχαστικότητας του memristor ως επιζήμιο χαρακτηριστικό, η εκμετάλλευσή του στο πλαίσιο ενός νέου υπολογιστικού παραδείγματος διερευνήθηκε κατά τη διάρκεια αυτής της διατριβής. Λαμβάνοντας υπόψη μια δομή Αναδυόμενων Υπολογισμών, γνωστή ως Κυψελιδωτά Αυτόματα (Cellular Automata - CA), η διάταξη memristor ενσωματώνεται στη συστοιχία CA ως μέρος των απλοϊκών τοπικά αλληλεπιδρώντων υπολογιστικών μονάδων, που ονομάζονται κυψελίδες (CA cells), οι οποίες την αποτελούν. Ενώ αρχικά έχουν προταθεί ως ντετερμινιστικές δομές, οι ικανότητες των CA επεκτείνονται μετά την ενσωμάτωση της πιθανοκρατικής μεταγωγής του memristor στις κυψελίδες, καθιερώνοντας τη νέα δομή Πιθανοκρατικών Κυψελιδωτών Αυτομάτων με memristor (memristor-based Probabilistic CA - MemPCA). Έχοντας της απλούστερη μορφή CA, τα στοιχειώδη κυψελιδωτά αυτόματα (Elementary Cellular Automata - ECA), όπου κάθε κελί περιέχει μια δυαδική κατάσταση και το εύρος της αλληλεπίδρασης των κελιών περιορίζεται στο ελάχιστο δυνατό, δηλαδή στα δύο γειτονικά κελιά σε ένα μονοδιάστατο πλέγμα, μελετήθηκε η επίδραση της πιθανοκρατικής μεταγωγής των memristor για όλους τους κανόνες αλληλεπίδρασης των κυψελίδων, με αποτέλεσμα τη βελτίωση της εντροπίας του συστημάτος σε ορισμένο ποσό πιθανότητας μεταγωγής. Επιπλέον, πραγματοποιήθηκε η πρώτη εφαρμογή των ECA σε επίπεδο τρανζίστορ με την χρήση μίας προσέγγισης που βασίζεται ολοκληρωτικά σε memristor, που συμμετέχουν τόσο στο κύκλωμα των κυψελίδων όσο και σε εκείνο των κανόνων. Η προτεινόμενη νέα υλοποίηση MemPCA είναι σε θέση να επιτύχει υψηλή ταχύτητα λειτουργίας και χαμηλές απαιτήσεις σε επιφάνεια ολοκληρωσης, ενώ παράλληλα ενσωματώνει μια εξαιρετικά γρήγορη πηγή εντροπίας ανά κυψελίδα, δηλαδή τη διάταξη memristor. Η λειτουργικότητα του συστήματος επιδεικνύεται τόσο σε ντετερμινιστικές όσο και σε πιθανοκρατικές λειτουργίες, οι οποίες μπορούν να προσαρμόζονται από εξωτερικά επιλεγμένες παραμέτρους, χωρίς καμία τροποποίηση του κυκλώματος. Τέλος, η προτεινόμενη προσέγγιση MemPCA παρέχει επίσης αναδιαμορφώσιμη υλοποίηση της μονάδας κανόνων που επιτρέπει τόσο τη χωρική όσο και τη χρονική ανομοιογένεια των κανόνων.
Memristor
Memistor
Neuromorphic engineering
Cite
Citations (0)
Extensive research demonstrated that a memristor can be used as a memory storage system. Subsequent studies have been carried out to facilitate the use of memristor as an electronic synapse. However, the price of the memristor is very high due to the high cost of fabricating a memristor. In order to continue research in this field, it is necessary to design memristor models and emulators. One of three significant fingerprints of the memristor is Hysteresis Loop. This loop area is useful to measure the memory effect of a memristor. In this paper, the area of hysteresis loop for a current-controlled generic memristor emulator is derived. An current controlled memristor emulator circuit design is developed using Multisim software with available low-cost electronic components. All three fingerprints of the memristor are realized through simulations and mathematical analysis. The obtained results are verified by modified memristor emulator system.
Memristor
Memistor
Hysteresis
Cite
Citations (3)
Biological neuron model
Cite
Citations (3)
From a pedagogical point of view, the memristor is defined in this tutorial as any 2-terminal device obeying a state-dependent Ohm's law. This tutorial also shows that from an experimental point of view, the memristor can be defined as any 2-terminal device that exhibits the fingerprints of 'pinched' hysteresis loops in the v–i plane. It also shows that memristors endowed with a continuum of equilibrium states can be used as non-volatile analog memories. This tutorial shows that memristors span a much broader vista of complex phenomena and potential applications in many fields, including neurobiology. In particular, this tutorial presents toy memristors that can mimic the classic habituation and LTP learning phenomena. It also shows that sodium and potassium ion-channel memristors are the key to generating the action potential in the Hodgkin–Huxley equations, and that they are the key to resolving several unresolved anomalies associated with the Hodgkin–Huxley equations. This tutorial ends with an amazing new result derived from the new principle of local activity, which uncovers a minuscule life-enabling 'Goldilocks zone', dubbed the edge of chaos, where complex phenomena, including creativity and intelligence, may emerge. From an information processing perspective, this tutorial shows that synapses are locally-passive memristors, and that neurons are made of locally-active memristors.
Memristor
Hodgkin–Huxley model
Edge of chaos
Cite
Citations (211)
Emulation of known neural behavior is difficult because of the highly complex. The Hodgkin-Huxley model that was developed by Alan Lloyd Hodgkin and Andrew Fielding Huxley explains how to the membrane potentials are conducted from one cell to another cell through the axon. Memristor have attracted great interest for various applications recently. The most interesting application of memristors is neural systems. In this paper, two different special memristor models based Hodgkin-Huxley (HH) circuit are presented. The memristor models are developed using TiO 2 memristor mathematical model to emulate sodium and potassium channels and obtained voltage spikes train applying DC input current. Finally, the conductance characteristics of the developed special memristors are presented to obtain spikes train.
Memristor
Hodgkin–Huxley model
Cite
Citations (0)
Abstract Facing on the complex electromagnetic environment of electrical equipment, based on the bio-anti-interference characteristics of neuron system, the bio-inspired electromagnetic protection is proposed in order to improve and assist the traditional electromagnetic protection method. In order to analyze the dynamical characteristics of electrical signal transfer process of neuron system, Hodgkin-Huxley (HH) model is adopted to calculate the action potential of single neuron. The initial value problem used in the parameters of Hodgkin-Huxley model is studied in order to satisfy the physiological phenomenon. The stability of HH model is analyzed to assess the dynamic stable performance of neuron. Based on the investigation of single neuron, a simple neuron system consisted of two neurons and one synapse is studied. The compassion between the action potential of posterior neuron and different synapse is performed, which explores how the mathematic models of different synapses influence the action potential. The relationship between action potential of posterior neuron and coupling strength of simplified synapse is calculated to explain the diversity of electrical signal output of neuron system. These numerical results enable to provide some datum for deeply developing the bio-inspired electromagnetic protection and well designing the bio-inspired circuit.
Hodgkin–Huxley model
Biological neuron model
Stimulus (psychology)
Cite
Citations (0)
Memristor
Memistor
Hysteresis
Cite
Citations (0)