长期以来人们一直在研究生物细胞的电特性，以便了解细胞动力学。离子电流的动态特性和离子电导的非线性是由微观参数控制的，由于测量微观参数具有相当的难度，阻碍了定量计算模型的构建。利用可植入生物电子器件治疗慢性病越来越受推崇，推动了能够精确模拟生物电路的低功耗固态模拟器件的发展。
人脑利用超过1000亿个神经元处理信息并即时存储信息。神经元通过并联的100万亿个突触互相通信，使网络能够在较低功率（约20W）下同时完成存储、计算和推理。
神经元将产生集体振荡模式的信号当成网络的一部分，集体振荡模式对神经元的特性极为敏感。神经拟态芯片的一个目标是能够集成非线性电特性并实现低功耗，同时能实时处理大量信号。
固态神经元是通过微电子布局实现的，在不同的电流注入刺激时，它跟生物神经元的反应几乎是相同的。通过对非线性方程模型进行优化，提供了一种对模拟电子电路进行编程的有效方法。利用这种方法可以修复患病的生物回路，生物医学植入器件能够适应生物反馈并模拟其功能。
神经拟态芯片可用于置入的脑-机接口，是一种发展前景很好的技术，许多相关的研究项目正在研发之中。其中的一个应用是改善视觉修复系统或深层脑部刺激设置。“神经拟态芯片功耗低、外形小，它们有可能通过片内在线学习电路适应人体的变化。”苏黎世大学和苏黎世联邦理工学院神经信息学研究所所长Giacomo Indiveri说，“神经拟态芯片通常使用同样的动力学与相连的神经回路进行耦合，然后检测与它们通信的神经种群活动是否有异常——例如，检测癫痫的发作。”
神经拟态芯片类似于人的大脑，仅在需要时工作，从而节省能量。许多研究人员和分析师认为，神经拟态芯片不仅是人工智能的未来，同时也是未来开发低能耗密码评估系统的关键。
巴斯大学物理学教授Alain Nogaret表示：“这些芯片用合成的生物电路代替患病的生物电路，可以满足退化性神经元疾病患者的需求。”Nogaret作为研究小组的成员与心脏病专家进行合作，证明了神经元芯片通过恢复大脑底部呼吸神经元的功能，可以逆转心力衰竭的影响。
在他们的一篇论文中，作者解释了为什么不愿意将结果延用到其它疾病：“因为迄今为止，我们对患病动物模型广泛完成的唯一试验是心力衰竭。”但是根据Nogaret的说法，他们能想到的可以采用这种方法的疾病还包括“阿兹海默症和神经元膜离子通道病（通道病）”。癫痫病患者也能从中受益，据文献报道，某些形式的癫痫病与特定的离子通道有关。”
Indiveri说：“另一个更成熟的应用是人工耳蜗。神经拟态芯片的主要优点是功耗低、体积小，还具备与相连的尖峰神经元‘说同样语言’的潜力，即动作电位和神经动力学。”
神经拟态芯片也可用来监听运动神经元活动，并对预期的肌肉激活模式进行解码（例如控制假体装置）。
这些芯片是模拟器件，是典型的非线性动态系统。它们读取原始神经信号，并输出神经元振荡作为模拟电压。“由于不需要ADC/DAC，因此异步芯片可以实时集成复杂而嘈杂的突触输入。”Nogaret说，“主要难点在于通过参数及栅极偏置对芯片进行调节，以便能对某一类生物神经元做出相同的响应。这就是我们将要开发参数估计方法的目的。”
从生物兼容性的角度来看，芯片必须具有最小的侵入性，它可以最大程度地利用能量采集，以接近零功耗来处理信号。正如心脏起搏器等植入器件目前所使用的电子电路和系统受到一定的限制，神经拟态芯片在设计上也有一些限制。“我们拥有超过60年的大规模集成电路（VLSI）生产经验，很大程度上可以克服这些限制。”Nogaret说，“通过工程技术的不断进步，并根据来自试验对象的反馈，可以进一步优化这些芯片，从而优化生物植入器件。”
采用CMOS技术实现的VLSI电路是用来开发数字系统的一项战略性技术。随着微电子器件的集成度越来越高，系统变得更加复杂。
VLSI系统的发展推动了高度专业化技术的出现。要实现VLSI系统，封装及芯片级的集成更有用，因为它们尺寸小、信号连接短。由于芯片的复杂性不断升高，设计方法也需做出相应的改进，同时还需要更强的CAD环境。
图1：类似缝纫机的机器人将电极插入大脑。（图片来源：Neuralink）
图2：Paradromics系统。（图片来源：Paradromics）
但是在完全采用这些方法之前，还需要进行进一步的研究和开发。
Ceryx Medical公司目前正在开发生物电子中枢模式发生器（CPG），用来模仿人的神经中枢。CPG可以在没有节奏输入的情况下产生有节奏的输出。在医疗应用中，这种器件可以帮助控制非自愿和自愿的节律过程，例如蠕动、心律、甚至步态，当自然节律过程因为疾病或受伤而被损坏时，使用该器件有助于恢复正常功能。
初创公司Neuralink和Paradromics也在优化其神经拟态解决方案。Neuralink正在研发具有更多电极的可植入无线系统，以便记录来自更多神经元的信号（图1）。
Paradromics即将推出第一个高数据速率脑计算机接口（图2）。这一可植入系统大大提高了数据速率、便携性和耐用性，可用于医疗保健。该创业公司目前正努力通过集成更多、更小的电极，在其神经植入器件的表面容纳更高密度的探针。
神经拟态器件未来面临的挑战是利用深度学习工具来提高响应效率并改进模型，以便将大脑转变为数字化模型。这种解决方案的主要应用是采用数字方法治疗阿兹海默症和其他认知障碍。
神经拟态芯片可以模仿大脑有效处理数据，远优于现有的机器，因为现有机器难以适应大数据、人工智能和机器学习的需求。神经拟态芯片处理还有望在非医疗领域（包括语音/面部识别和数据挖掘）中发挥重要作用，并从不断发展的数据中准确地学习。
（原文刊登于EETimes欧洲版，参考链接：Neuromorphic Chips Mimic the Human Brain，由Jenny Liao编译。）
本文为《电子技术设计》2020年10月刊杂志文章，版权所有，禁止转载。免费杂志订阅申请点击这里。
最前沿的电子设计资讯
