忆阻神经系统的动力学演化与控制设计

Classical computer systems can not breach the memory wall problem, which is difficult to resolve in the conventional storage structures. Memristive neural systems consisting of large-scale memristor crossbar latches are capable of simulating neuromorphic cognitive behaviours such as learning and memory, moreover,the electronic intelligence systems can mimic the awesome power of human brains. Dynamical behaviors of these systems and the issues in stored patterns are close relatives. Therefore, dynamic evolution and control design of memristive neural systems will become a new research hotspots field. In this project, we will establish different classes of hybrid integrated circuits based on memristors, in a way that mimic the learning patterns of human brains. Considering fully the mixed logic dynamics and asymptotic behaviors of such systems, the nonlinear dynamic theory, methods and new techniques based on memristive neural systems will be developed. Combining with memristive deep learning advantages, the deep structure rules between dynamic processes evoked by memristive synapses in different time scales and storage patterns based on memristive biomimetic circuits will be studied, to achieve the dynamic memory of informations via the connection weights of network cluster, which might provide some strong theoretical guidances for cognitive processes in information storage and retrieval. In summary, the research in this project will play an important role in the fields of hybrid systems, coordination control and electronic information systems, etc.

经典的计算机系统无法突破传统存储体系中难以解决的存储墙问题。由大规模忆阻纵横闩构建成的忆阻神经系统能很好地模拟类脑结构的学习和记忆等行为，使得忆阻神经系统更能接近人脑。该系统的内部动力学性态与存储模式问题是紧密相关、有共性的。这样，忆阻神经系统的动力学演化和控制设计将成为新的研究热点。本项目将构建基于忆阻仿生的集成混合电路，在一定程度上模拟人脑学习模式，充分考虑系统的混合逻辑动态和渐近行为特性，发展基于忆阻的神经系统的非线性动力学理论方法与新技术。结合忆阻突触的深度学习优势，初步建立不同时间尺度下的突触演化的动力学过程与基于忆阻仿生逻辑电路的存储模式之间的深层结构规律，实现信息通过系统簇的连接权被动态地存储起来，为基于忆阻的认知存储和获取提供强有力的理论指导。本课题的研究，将对混杂系统、协调控制、电子信息系统等等的研究产生一定的推进作用。

该项目研究了忆阻神经系统的动力学演化和控制设计问题，发展了基于忆阻的神经系统的非线性动力学理论方法与新技术，建立了一系列有关动力学行为的理论判据，突破了复杂控制系统研究中需要构造公共Lyapunov 函数或多个Lyapunov 函数的瓶颈问题。充分考虑系统的混合逻辑动态和渐近行为特性，提出了混杂系统多平衡态研究方法。通过发展传统时滞系统的自由权矩阵方法，创建了非光滑架构下忆阻系统的自由权参数方法，补偿了忆阻系统状态跳变的不确定性，系统地建立了更具普遍性和有效性的忆阻系统分析与控制方法。利用微分包含理论，借助非光滑控制技巧，建立并完善了基于忆阻神经系统的控制设计通用方法。研究了忆阻神经系统的多吸引子和吸引区域，利用所获得的大量吸引子，提出了一系列联想记忆设计方案。深刻揭示了不同时间尺度下的突触演化的动力学过程如何影响忆阻神经系统的模式记忆行为，其进一步研究将有助于揭示记忆形成中基于忆阻的神经元的时空活动规律。.主持项目期间加强相关领域的国内外合作，赴Texas A&M University at Qatar进行短期学术工作访问。项目负责人先后担任九个国际学术会议的程序委员会委员。该项目已正式发表标注基金资助的SCI 收录学术论文21篇。