[Paper] 异步混合信号 Resonate-and-Fire 神经元

Source: arXiv - 2512.07361v1

概览

本文提出了一种 CMOS 混合信号 “共振‑发放”(Resonate‑and‑Fire, R&F) 神经元，能够模拟某些生物神经元的频率选择行为。通过嵌入异步握手机制并进行详尽的可变性分析，作者展示了一种低功耗、实时的边缘处理器，能够在硬件中直接检测特定的时间模式。

主要贡献

• 首次在硅上实现共振型神经元，仅在输入信号匹配目标振荡频率时才发放。
• 异步握手接口，使神经元在没有全局时钟的情况下进行通信，降低延迟和功耗。
• 全面的可变性和 Monte‑Carlo 分析，展示了在工艺、电压、温度 (PVT) 各角落下的鲁棒运行。
• 在实测芯片上验证频率选择性，确认能够在噪声环境中检测窄带信号。
• 可扩展性讨论，指出数千个此类神经元可集成到更大的神经形态系统用于边缘分析。

方法论

1. 电路设计 – 作者构建了一个混合信号模块，包含：

   • 一个模拟共振腔（类似 LC 的振荡器），其固有振荡频率可编程。
   • 基于比较器的 “发放” 阶段，当共振腔幅度超过阈值时产生数字脉冲。
   • 一个异步请求‑确认握手，将脉冲无时钟地转发给下游逻辑。

2. 制造与测量 – 该设计在标准 180 nm CMOS 工艺中完成掩模版图。测试芯片封装后放置在自制板上，可注入不同频率和幅度的正弦波输入。

3. 可变性分析 – 通过 Monte‑Carlo 仿真和硅片实测，团队量化了失配、供电噪声和温度漂移对共振频率和发放阈值的影响。

4. 频率检测实验 – 对 1 kHz–10 kHz 频段的输入信号进行扫描，记录神经元的脉冲输出，以构建检测曲线（脉冲率 vs. 输入频率）。

结果与发现

神经元仅在输入频率匹配其编程共振时发放脉冲，验证了硅上 “共振‑发放” 原理。

实际意义

• 边缘音频与振动感知 – 智能麦克风、可穿戴设备或工业 IoT 节点等可在硬件层面直接滤除无关频率，大幅降低在 DSP 或 AI 阶段的数据带宽。
• 事件驱动传感网络 – 异步握手实现超低延迟、无时钟通信，自然适配神经形态传感‑处理流水线（如脉冲神经网络）。
• 能效预处理 – 通过模拟电路承担窄带检测，数字后端大部分时间保持空闲，延长远程部署的电池寿命。
• 可扩展神经形态架构 – 已展示的可变性容忍性表明，可将数千个 R&F 神经元平铺，形成类似听觉皮层滤波层的频率选择层。

局限性与未来工作

• 频率范围 – 当前实现面向 <10 kHz 信号；若要扩展至更高 RF 频段，需要重新设计共振腔并可能采用更先进的 CMOS 工艺。
• 可编程性开销 – 频率调谐依赖偏置电流；若加入数模转换配置接口，可提升动态应用的灵活性。
• 与完整神经形态系统的集成 – 虽然握手协议已单独演示，后续工作应探索与脉冲处理器及学习机制（如 STDP）的协同设计，以实现端到端学习流水线。
• 噪声鲁棒性 – 虽然选择性良好，但在强宽带噪声下的响应仍需系统性评估，以适应真实噪声环境。

结论：本工作弥合了仿生神经动力学与实用硅实现之间的鸿沟，提供了一种低功耗、频率选择的基础构件，可能成为下一代边缘 AI 硬件的关键模块。关注超高效信号预处理的开发者应留意这些共振神经元如何演进为更大的神经形态堆栈。

作者

• Giuseppe Leo
• Paolo Gibertini
• Irem Ilter
• Erika Covi
• Ole Richter
• Elisabetta Chicca

论文信息

• arXiv ID: 2512.07361v1
• 分类: eess.SP, cs.NE
• 发布日期: 2025 年 12 月 8 日
• PDF: Download PDF