越来越多的研究强调了新皮层锥体神经元的空间树突分支对于通过局部突触整合支持非线性计算的重要性。特别是树枝状分支在时间信号处理和特征检测中起着关键作用。这要归功于突触延迟的存在所实现的重合检测（CD）机制，该机制将时间上不同的输入对齐以进行有效整合。对尖峰神经网络的计算研究进一步强调了延迟对于使用纯前馈神经网络实现时空模式识别的重要性，而无需求助于递归架构。鉴于此，来自苏黎世大学的Melika Payvand研究提出了“DenRAM”，这是具有树枝状隔间的前馈尖峰神经网络的第一个实现，使用集成到130nm技术节点中的模拟电子电路实现，并与电阻随机存取存储器（RRAM）技术相耦合。

文章要点：

1) 该研究证实，DenRAM的树枝状电路使用RRAM设备来实现网络中的延迟和突触权重，通过配置RRAM设备以再现生物现实的时间尺度，利用其异质性证明了DenRAM复制突触延迟剖面的能力，并有效地实现时空模式识别的CD，同时，为了验证该体系结构，在两个具有代表性的时间基准上进行了全面的系统级模拟，证明了DenRAM对模拟硬件噪声的弹性，以及与具有同等参数的递归体系结构相比，其优越的准确性；

2) 此外，该研究表明，DenRAM不仅为神经形态架构带来了丰富的时间处理能力，还减少了边缘设备的内存占用，保证了时间基准的高精度，并代表着低功耗实时信号处理技术的重要进步。

参考资料：

D’Agostino, S., Moro, F., Torchet, T. et al. DenRAM: neuromorphic dendritic architecture with RRAM for efficient temporal processing with delays. Nat. Commun.(2024).

DOI：10.1038/s41467-024-47764-w

https://doi.org/10.1038/s41467-024-47764-w