RRAM在神经元中的含义是什么？

引用一句考研人常说的话，

“我不得不考虑，这会不会是我此生最后的机会”

聊以自勉

关于RRAM的一点学习（一）

我的问题是：我想知道RRAM用来表示神经元和突触的哪一部分？

从ANN角度，

我们说RRAM可以实现存算一体打破冯诺依曼架构的原因可以用上图来解释，上图是硬件实现的RRAM-CrossBar概念图，黄色和灰色之间未显示出来的的那部分是RRAM，它的阻值可以随着某一范围的电压/电流改变而改变（这里对应“写数据”也就是修改权重的概念，这是我们并不在意或者说官族重点不在于输出值、大小是什么），同时在另一范围内的电压/电流流过不会改变阻值，这是在输入端输入电流/电压，可以在输出端得到我们想要“读”的输出电压/电流。不准确地讲，基于这两个基本的操作，我们宣称实现了存算一体（当然，论文里分析地更严格些，这里为方便暂时这么讲）。

那么，对于我想解决或搞清楚的问题，对于神经元/突触或者说更贴近神经形态的脉冲神经网络或者类脑计算，这个RRAM起到的作用是什么？它是否可以起到作用或者代表某一特征？

说实话我现在想不到能起什么作用（有懂的道友希望可以不吝赐教，感激之至！）

在神经元中，存在一个 累积 的过程。突触前神经元传来一次冲动及其引起递质释放的量，一般不足以使突触后膜神经元产生动作电位。只有当一个突触前神经元末梢连续传来一系列冲动，或许多突触前神经元末梢同时传来一排冲动，释放的化学递质积累到一定的量，才能激发突触后神经元产生动作电位。这种现象称为总和作用。抑制性突触后电位也可以进行总和。

SNN中，用类似下面形式的脉冲序列来作为输入（在实际代码应用中可能输入的只是[1,1,0,1]），表示一个个组成某一能使神经元或突触产生信号传递的事件的组成元素（小事件），

每个脉冲之间相隔不同时间（这个现象也包含着信息），不断累加，如下图，下图是突触膜电位的电压变化过程（一般用这个来衡量突触是否传递信号，注：这种说法不是很准确，理解意思就好）

一旦在较短时间间隔内累加到一定阈值，就产生动作电位，突出信号实现传递，在SNN中，上图这个
根据输入（间隔时间、脉冲数、脉冲序列）而做出相应变化的模型是作为一个神经元而存在的，当我的输入序列不够不足以激发至阈值，则神经元不工作（有点像dropout，但只像一点点）。

俺寻思着，利用这样的模型作为神经元，是用来表征突触前神经元收到信号、突触前后神经元交互区前神经元薄膜电位变化（释放/关闭状态）,权重用来表示突触前神经元和后神经元交互区的传递（?）

上述大部分是从代码角度，还是没涉及RRAM。在写这篇“废话文章”的时候，凑巧看到一篇华中科技大学老师刚被录用的文章（当时还搜不到，在公众号里看到被录用了，和我的想法好像啊，但是他讲的更清晰更有逻辑，唉，我还是太菜，idea早被人定义好并做了/捂脸），似乎给了点启发。

这里先停一下，留到下一篇吧，文字有点多了