مقاله بهره‌گیری از دینامیک غیرتعادلی ECRAM برای پلاستیسیته کوتاه‌مدت در مدارهای نورومورفیک

انعطاف‌پذیری کوتاه‌مدت (STP) برای پردازش اطلاعات زمانی در سیستم‌های عصبی زیستی اساسی است، اما پیاده‌سازی کارآمد آن در سخت‌افزارهای نورومورفیک دشوار باقی مانده است. دستگاه‌های حافظه دسترسی تصادفی الکتروشیمیایی ممریستور (ECRAM) به طور طبیعی دینامیک‌های یونی غیرتعادلی را نشان می‌دهند که منجر به تعدیل گذرای هدایت می‌شود؛ با این حال، این رفتارها معمولاً به عنوان تغییرپذیری نامطلوب یا عوارض جانبی در پارادایم‌های محاسباتی متمرکز بر حافظه تلقی می‌شوند. در این کار، ما به جای آن، این دینامیک‌های ناپایدار را از یک مصنوع دستگاهی قابل تحمل به یک منبع محاسباتی از طریق یک چارچوب طراحی مشترک در لایه‌های دستگاه، مدار و سیستم تبدیل می‌کنیم. ما یک معماری نورون تفاضلی با بازخورد تأخیر (LIF) را معرفی می‌کنیم که با سیناپس‌های ECRAM طراحی شده است و از تعدیل هدایت وابسته به فعالیت با سربار مدار اضافی ناچیز بهره می‌برد. این معماری سیناپس‌های مبتنی بر ECRAM را با یک مسیر تولید اسپایک با بازخورد تأخیر قابل تنظیم ادغام می‌کند و به دینامیک‌های گذرا دستگاه اجازه می‌دهد تا به طور مستقیم بر تحریک‌پذیری نورون و اثربخشی سیناپسی تأثیر بگذارند. ما از دستگاه‌های ECRAM که به صورت تجربی مشخص شده‌اند و تعدیل گذرا هدایت را نشان می‌دهند (۱.۵ کیلو اهم در هر اسپایک) برای توسعه یک مدل رفتاری فشرده مناسب برای شبیه‌سازی در سطح مدار استفاده کردیم. شبیه‌سازی‌های مدار دو رفتار کلیدی STP – تسهیل سیناپسی و تعدیل تحریک‌پذیری ذاتی – را در حالی که ۲ پیکوژول در هر اسپایک مصرف می‌کنند، نشان می‌دهند و همین مکانیسم‌های مبتنی بر دستگاه در توپولوژی‌های مختلف نورون گسترش می‌یابند. تجزیه و تحلیل در سطح شبکه همچنین پردازش اسپایک با انتخاب فرکانس را نشان می‌دهد و به سیناپس‌های منفرد اجازه می‌دهد تا به عنوان فیلترهای زمانی قابل تنظیم در شبکه‌های عصبی اسپایکی عمل کنند. این کار نشان می‌دهد که دینامیک‌های غیرتعادلی ECRAM می‌توانند به عنوان یک بستر سخت‌افزاری بومی برای STP و محاسبات زمانی در مدارهای نورومورفیک عمل کنند.

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.