近日，我院余飞副教授与合作者在人工智能领域顶级期刊《Neural Networks》上发表了论文“Memristor-induced hyperchaos, multiscroll and extreme multistability in fractional-order HNN: Image encryption and FPGA implementation”(https://doi.org/10.1016/j.neunet.2023.12.008)。学院研究生孔新新为第一作者，导师余飞副教授为通讯作者。Neural Networks作为中科院1区，CCF人工智能方向的B类期刊，是人工智能学科顶级期刊，收录了人工智能领域最前沿的高端论文，目前影响因子为7.8。

本成果提出了两种分数阶忆阻器，通过使用忆阻器模拟神经元的突触并描述电磁辐射引起的电磁感应现象，建立了一种新的5D分数阶忆阻Hopfield neural network（FOMNN）。通过动力学仿真，发现了丰富的动力学行为，如超混沌、多涡卷、极端多稳态和由降阶引起的“超频”行为。据我们所知，这是第一次在FOMN中同时发现如此丰富的动力学行为。在此基础上，设计了一种高效、安全的图像加密方案。安全性分析表明，加密后的Lena图像具有极低的相邻像素相关性和高随机性，信息熵为7.9995。尽管丢弃了扩散和加扰，但它具有良好的明文敏感性，NCPR=99.6095%，UACI=33.4671%。最后，本文在现场可编程门阵列（FPGA）上实现了所提出的FOMHNN和图像加密。