論文の概要: Leveraging Non-Equilibrium ECRAM Dynamics for Short-Term Plasticity in Neuromorphic Circuits

• arxiv url: http://arxiv.org/abs/2605.11243v1
• Date: Mon, 11 May 2026 21:01:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.431636
• Title: Leveraging Non-Equilibrium ECRAM Dynamics for Short-Term Plasticity in Neuromorphic Circuits
• Title（参考訳）: ニューロモルフィック回路における短期塑性のための非平衡ECRAMダイナミクスの活用
• Authors: Alex Currie, Sean Borkholder, Nithil Harris Manimaran, Huayuan Han, Cory Merkel, Ke Xu, Tejasvi Das,
• Abstract要約: メムリシブ電気化学ランダムアクセスメモリ(ECRAM)デバイスは、過渡伝導率変調を生成する非平衡イオン力学を自然に示す。 本稿では,動作依存型コンダクタンス変調を利用した遅延フィードバック統合火災(LIF)ニューロンアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 4.636944840519285
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Short-term plasticity (STP) is fundamental to temporal information processing in biological neural systems but remains difficult to realize efficiently in neuromorphic hardware. Memristive electrochemical random-access memory (ECRAM) devices naturally exhibit non-equilibrium ionic dynamics that produce transient conductance modulation; however, these behaviors are typically treated as undesirable variability or tolerated as side effects in memory-centric computing paradigms. In this work, we instead transform these volatile dynamics from a tolerated device artifact into a computational resource through a cross-layer device-circuit-system co-design framework. We introduce a delay-feedback leaky integrate-and-fire (LIF) neuron architecture co-designed with ECRAM synapses that exploits activity-dependent conductance modulation with negligible additional circuit overhead. The architecture integrates ECRAM-based synapses with a tunable delay-feedback spike-generation path, enabling transient device dynamics to directly modulate neuron excitability and synaptic efficacy. We used experimentally characterized ECRAM devices exhibiting transient conductance modulation (1.5 KOhms per spike) to develop a compact behavioral model suitable for circuit-level simulation. Circuit simulations demonstrate two key STP behaviors -- synaptic facilitation and intrinsic excitability modulation -- while consuming 2 pJ per spike, and the same device-driven mechanisms extend across multiple neuron topologies. Network-level analysis further demonstrates frequency-selective spike processing, allowing individual synapses to act as tunable temporal filters within spiking neural networks. This work demonstrates that non-equilibrium ECRAM dynamics can serve as a native hardware substrate for STP and temporal computation in neuromorphic circuits.
• Abstract（参考訳）: 短期可塑性(STP)は、生物学的神経系における時間情報処理の基礎であるが、ニューロモルフィックハードウェアにおいて効率的な実現が困難である。 メムリシブ電気化学ランダムアクセスメモリ(ECRAM)デバイスは、過渡伝導変調を生じる非平衡イオン力学を自然に示すが、これらの挙動は典型的には望ましくない変数として扱われるか、メモリ中心の計算パラダイムの副作用として許容される。 そこで本研究では,これらの揮発性ダイナミクスを耐久デバイスアーティファクトから計算資源に,クロス層デバイス・サーキット・システム協調設計フレームワークを通じて変換する。 動作依存性のコンダクタンス変調を不要な追加回路オーバヘッドで活用するECRAMシンプスと共設計した遅延フィードバックリークインテリジェンス・アンド・ファイア(LIF)ニューロンアーキテクチャを提案する。 このアーキテクチャは、ECRAMベースのシナプスを調整可能な遅延フィードバックスパイク生成経路に統合し、過渡的なデバイスダイナミクスがニューロンの興奮性とシナプス効果を直接調節することを可能にする。 本研究では, 過渡伝導変調(1.5 KOhms per spike)を示すECRAMデバイスを用いて, 回路レベルシミュレーションに適した小型な動作モデルを開発した。 回路シミュレーションでは、シナプスファシリテーションと固有の興奮性調節という2つの重要なSTPの挙動が示され、1スパイクあたり2pJを消費し、同じデバイス駆動機構が複数のニューロントポロジーにまたがっている。 ネットワークレベルの分析はさらに周波数選択スパイク処理を示し、個々のシナプスがスパイクニューラルネットワーク内で調整可能な時間フィルタとして機能する。 この研究は、非平衡ECRAMダイナミクスが、STPのネイティブハードウェア基板として機能し、ニューロモルフィック回路における時間計算として機能することを実証している。

関連論文リスト

• An Asynchronous Mixed-Signal Resonate-and-Fire Neuron [0.8281970336209107]
  製造した金属-酸化物-半導体(CMOS)混合信号共振器(R&F)ニューロン回路について述べる。 本研究は,ニューロモルフィックシステムにおける大規模統合の実現可能性を示すものである。
  論文  参考訳（メタデータ） (2025-12-08T10:00:56Z)
• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• Exploring Gain-Doped-Waveguide-Synapse for Neuromorphic Applications: A Pulsed Pump-Signal Approach [0.0]
  本稿では、入力プローブ信号の非線形パルス変換がポンプ-プローブ構成下でどのように起こるかを示す、シナプス用導波路ダイナミクスのゲインの概念を紹介する。 励起状態における非同期スパイキングポンプ技術とイオン密度の複雑な相互作用を利用して、本手法は自然神経機能を反映する事象駆動応答を生成する。
  論文  参考訳（メタデータ） (2025-07-08T12:29:48Z)
• A Realistic Simulation Framework for Analog/Digital Neuromorphic Architectures [73.65190161312555]
  ARCANAは、混合信号ニューロモルフィック回路の特性を考慮に入れたソフトウェアスパイクニューラルネットワークシミュレータである。 得られた結果が,ソフトウェアでトレーニングされたスパイクニューラルネットワークの動作を,かつてハードウェアにデプロイされた場合の信頼性の高い推定方法を示す。
  論文  参考訳（メタデータ） (2024-09-23T11:16:46Z)
• Single Neuromorphic Memristor closely Emulates Multiple Synaptic Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
  我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。 これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
  論文  参考訳（メタデータ） (2024-02-26T15:01:54Z)
• DYNAP-SE2: a scalable multi-core dynamic neuromorphic asynchronous spiking neural network processor [2.9175555050594975]
  我々は、リアルタイムイベントベーススパイキングニューラルネットワーク(SNN)をプロトタイピングするための、脳にインスパイアされたプラットフォームを提案する。 提案システムは, 短期可塑性, NMDA ゲーティング, AMPA拡散, ホメオスタシス, スパイク周波数適応, コンダクタンス系デンドライトコンパートメント, スパイク伝達遅延などの動的および現実的なニューラル処理現象の直接エミュレーションを支援する。 異なる生物学的に可塑性のニューラルネットワークをエミュレートする柔軟性と、個体群と単一ニューロンの信号の両方をリアルタイムで監視する能力により、基礎研究とエッジコンピューティングの両方への応用のための複雑なニューラルネットワークモデルの開発と検証が可能になる。
  論文  参考訳（メタデータ） (2023-10-01T03:48:16Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• From Clean Room to Machine Room: Commissioning of the First-Generation BrainScaleS Wafer-Scale Neuromorphic System [0.0]
  BrainScaleS-1はスパイキングニューロンの大規模ネットワークをエミュレートする神経型システムである。 フォールトトレラント設計では、避けられないアナログ変数やコンポーネントの障害にもかかわらず、ウェハスケールの統合を実現することができる。
  論文  参考訳（メタデータ） (2023-03-22T07:50:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。