Xəbərlər

Real dünya məlumat emal proqramları kompakt, aşağı gecikmə, aşağı güclü hesablama sistemləri tələb edir. Hadisələrə əsaslanan hesablama imkanları ilə, tamamlayıcı metal-oksid-yarımkeçirici hibrid memristiv neyromorfik arxitekturalar bu cür tapşırıqlar üçün ideal aparat bazasını təmin edir. Bu cür sistemlərin tam potensialını nümayiş etdirmək üçün biz real dünya obyektlərinin lokallaşdırılması tətbiqləri üçün hərtərəfli sensor emal həllini təklif edirik və eksperimental olaraq nümayiş etdiririk. Bayquş neyroanatomiyasından ilham alaraq, biz ən müasir piezoelektrik mikromexaniki çevirici çeviricisini hesablama qrafikinə əsaslanan neyromorfik müqavimətli yaddaşla birləşdirən bioilhamlı, hadisələrə əsaslanan obyektlərin lokalizasiya sistemini inkişaf etdirdik. Biz yaddaşa əsaslanan rezistiv təsadüf detektoru, gecikmə xətti sxemi və tamamilə fərdiləşdirilə bilən ultrasəs çeviricisini özündə birləşdirən uydurma sistemin ölçülərini göstəririk. Biz sistem səviyyəsində simulyasiyaları kalibrləmək üçün bu eksperimental nəticələrdən istifadə edirik. Bu simulyasiyalar daha sonra obyektin lokalizasiya modelinin bucaq ayırdetmə qabiliyyətini və enerji səmərəliliyini qiymətləndirmək üçün istifadə olunur. Nəticələr göstərir ki, bizim yanaşmamız eyni vəzifəni yerinə yetirən mikrokontrolörlərdən daha çox enerjiyə qənaət edən bir neçə sifariş ola bilər.
Gündəlik həyatımızda bizə kömək etmək üçün yerləşdirilmiş cihazların və sistemlərin sayının eksponent olaraq artdığı hər yerdə yayılmış hesablama dövrünə qədəm qoyuruq. Bu sistemlərin davamlı olaraq işləməsi, birdən çox sensordan topladıqları məlumatları real vaxtda şərh etməyi öyrənərkən mümkün qədər az enerji sərf etməsi və təsnifat və ya tanınma tapşırıqları nəticəsində ikili nəticə çıxarması gözlənilir. Bu məqsədə çatmaq üçün tələb olunan ən mühüm addımlardan biri səs-küylü və çox vaxt natamam sensor məlumatlardan faydalı və yığcam məlumatların çıxarılmasıdır. Ənənəvi mühəndislik yanaşmaları adətən sensor siqnallarını sabit və yüksək sürətlə nümunə götürür, hətta faydalı girişlər olmadıqda belə böyük həcmdə məlumat yaradır. Bundan əlavə, bu üsullar (çox vaxt səs-küylü) giriş məlumatlarını əvvəlcədən emal etmək üçün mürəkkəb rəqəmsal siqnal emal üsullarından istifadə edir. Bunun əvəzinə, biologiya enerjiyə qənaət edən, asinxron, hadisəyə əsaslanan yanaşmalardan (spikes) istifadə edərək səs-küylü sensor məlumatların emalı üçün alternativ həllər təklif edir2,3. Neyromorfik hesablama ənənəvi siqnal emal üsulları ilə müqayisədə enerji və yaddaş tələbləri baxımından hesablama xərclərini azaltmaq üçün bioloji sistemlərdən ilham alır4,5,6. Bu yaxınlarda impuls neyron şəbəkələrini (TrueNorth7, BrainScaleS8, DYNAP-SE9, Loihi10, Spinnaker11) həyata keçirən innovativ ümumi təyinatlı beyin əsaslı sistemlər nümayiş etdirilmişdir. Bu prosessorlar maşın öyrənməsi və kortikal dövrə modelləşdirilməsi üçün aşağı güc, aşağı gecikmə həlləri təmin edir. Enerji səmərəliliyindən tam istifadə etmək üçün bu neyromorfik prosessorlar hadisə ilə idarə olunan sensorlara birbaşa qoşulmalıdır12,13. Bununla belə, bu gün hadisələrə əsaslanan məlumatları birbaşa təmin edən yalnız bir neçə toxunma cihazı var. Görkəmli nümunələr izləmə və hərəkətin aşkarlanması14,15,16,17 kimi görmə tətbiqləri üçün dinamik vizual sensorlar (DVS) və eşitmə siqnalının işlənməsi üçün neyromorfik eşitmə sensorları14,15,16,17 və neyromorfik eşitmə sensorları (NAS)19, qoxu sensorları20 və toxunmanın çoxsaylı nümunələri21,22dir. . faktura sensorları.
Bu yazıda biz obyektin lokalizasiyasına tətbiq edilən yeni işlənmiş hadisəyə əsaslanan eşitmə emal sistemini təqdim edirik. Burada biz ilk dəfə olaraq ən müasir piezoelektrik mikro emal edilmiş ultrasəs çeviricisini (pMUT) neyromorf rezistiv yaddaşa (RRAM) əsaslanan hesablama qrafiki ilə birləşdirməklə əldə edilmiş obyektin lokalizasiyası üçün uçdan uca sistemi təsvir edirik. RRAM istifadə edən yaddaşdaxili hesablama arxitekturaları enerji istehlakını azaltmaq üçün perspektivli həlldir23,24,25,26,27,28,29. Onların qeyri-dəyişkənliyi - məlumatı saxlamaq və ya yeniləmək üçün aktiv enerji istehlakını tələb etmir - neyromorf hesablamanın asinxron, hadisələrə əsaslanan təbiəti ilə mükəmməl uyğunlaşır və sistem boş olduqda enerji istehlakının demək olar ki, olmaması ilə nəticələnir. Piezoelektrik mikroişlənmiş ultrasəs çeviriciləri (pMUTs) verici və qəbuledici kimi fəaliyyət göstərə bilən ucuz, miniatürləşdirilmiş silikon əsaslı ultrasəs çeviriciləridir30,31,32,33,34. Daxili sensorlar tərəfindən qəbul edilən siqnalları emal etmək üçün biz bayquş neyroanatomiyasından ilham aldıq35,36,37. Tül bayquşu Tyto alba çox səmərəli eşitmə lokalizasiya sistemi sayəsində əlamətdar gecə ovçuluq qabiliyyəti ilə tanınır. Yırtıcının yerini hesablamaq üçün bayquşun lokalizasiya sistemi yırtıcıdan gələn səs dalğaları bayquşun qulaqlarına və ya səs reseptorlarına çatdıqda uçuş vaxtını (ToF) kodlayır. Qulaqlar arasındakı məsafəni nəzərə alaraq, iki ToF ölçmələri arasındakı fərq (İnteraural Time Difference, ITD) hədəfin azimut mövqeyini analitik hesablamağa imkan verir. Bioloji sistemlər cəbri tənliklərin həlli üçün zəif uyğun olsa da, lokalizasiya məsələlərini çox effektiv həll edə bilirlər. Bayquşun sinir sistemi yerləşdirmə problemlərini həll etmək üçün hesablama qrafiklərində təşkil edilmiş bir sıra təsadüf detektorundan (CD) 35 neyrondan (yəni, aşağıya doğru yaxınlaşan həyəcanverici sonluqlara doğru yayılan sünbüllər arasında müvəqqəti korrelyasiyaları aşkar etməyə qadir olan neyronlardan) istifadə edir.
Əvvəlki tədqiqatlar göstərdi ki, bayquşun aşağı kollikulusundan (“eşitmə korteksi”) ilhamlanan tamamlayıcı metal-oksid yarımkeçirici (CMOS) aparatı və RRAM əsaslı neyromorfik aparat ITD13, 40, 41, 42, 43, 44, 45, 46. Bununla belə, eşitmə siqnallarını neyromorfik hesablama qrafikləri ilə əlaqələndirən tam neyromorfik sistemlərin potensialı hələ nümayiş etdirilməmişdir. Əsas problem, uyğunluğun aşkarlanmasının dəqiqliyinə təsir edən analoq CMOS sxemlərinin xas dəyişkənliyidir. Bu yaxınlarda ITD47 hesablamalarının alternativ ədədi tətbiqləri nümayiş etdirilmişdir. Bu yazıda analoq sxemlərdə dəyişkənliyə qarşı çıxmaq üçün RRAM-ın keçiricilik dəyərini uçucu olmayan şəkildə dəyişdirmək qabiliyyətindən istifadə etməyi təklif edirik. Biz 111,9 kHz tezliyində işləyən bir pMUT ötürücü membrandan, bayquş qulaqlarını simulyasiya edən iki pMUT qəbuledici membrandan (sensordan) və birdən ibarət eksperimental sistem tətbiq etdik. Lokalizasiya sistemimizi sınaqdan keçirmək və onun bucaq ayırdetmə qabiliyyətini qiymətləndirmək üçün pMUT aşkarlama sistemini və RRAM əsaslı ITD hesablama qrafikini eksperimental olaraq xarakterizə etdik.
Biz metodumuzu adi şüa formalaşdıran və ya neyromorfik metodlardan istifadə edərək eyni lokalizasiya tapşırığını yerinə yetirən mikrokontroller üzərində rəqəmsal tətbiq, həmçinin istinadda təklif olunan ITD qiymətləndirilməsi üçün sahə proqramlaşdırıla bilən qapı massivi (FPGA) ilə müqayisə edirik. 47. Bu müqayisə təklif olunan RRAM əsaslı analoq neyromorfik sistemin rəqabət gücü effektivliyini vurğulayır.
Dəqiq və səmərəli obyekt lokalizasiya sisteminin ən parlaq nümunələrindən biri tövlə bayquşu35,37,48-də tapıla bilər. Alaqaranlıq və sübh çağında bayquş (Tyto Alba) ilk növbədə passiv dinləmə qabiliyyətinə arxalanır, aktiv olaraq siçan və ya siçan kimi kiçik yırtıcıları axtarır. Bu eşitmə mütəxəssisləri ovdan gələn eşitmə siqnallarını Şəkil 1a-da göstərildiyi kimi heyrətamiz dəqiqliklə (təxminən 2°)35 lokallaşdıra bilirlər. Bayquşlar səs mənbələrinin azimut (üfüqi) müstəvidə yerləşdiyi yeri səs mənbəyindən iki qulağa qədər gələn uçuş vaxtı (ITD) fərqindən çıxarırlar. ITD hesablama mexanizmi sinir həndəsəsinə əsaslanan və iki əsas komponent tələb edən Jeffress49,50 tərəfindən təklif edilmişdir: akson, gecikmə xətti kimi fəaliyyət göstərən neyron sinir lifi və hesablama sistemində təşkil edilmiş bir sıra təsadüf detektoru neyronları. Şəkil 1b-də göstərildiyi kimi qrafik. Səs azimutdan asılı vaxt gecikməsi (ITD) ilə qulağa çatır. Sonra səs hər qulaqda sünbül şəklinə çevrilir. Sol və sağ qulaqların aksonları gecikmə xətləri rolunu oynayır və CD neyronlarında birləşir. Teorik olaraq, uyğunlaşdırılmış neyronlar massivində yalnız bir neyron bir anda giriş alacaq (burada gecikmə tam olaraq aradan qalxır) və maksimum dərəcədə atəş açacaq (qonşu hüceyrələr də atəş edəcək, lakin daha aşağı tezlikdə). Müəyyən neyronların aktivləşdirilməsi ITD-ni bucaqlara daha da çevirmədən hədəfin məkandakı mövqeyini kodlaşdırır. Bu konsepsiya Şəkil 1c-də ümumiləşdirilmişdir: məsələn, sağ qulaqdan gələn giriş siqnalı sol qulaqdan gələn yoldan daha uzun bir yol keçərkən səs sağ tərəfdən gəlirsə, məsələn, ITD-lərin sayını kompensasiya edir. neyron 2 uyğunlaşdıqda. Başqa sözlə, hər bir CD aksonal gecikmə səbəbindən müəyyən ITD-yə (həmçinin optimal gecikmə kimi tanınır) cavab verir. Beləliklə, beyin müvəqqəti məlumatları məkan məlumatına çevirir. Bu mexanizm üçün anatomik sübutlar tapıldı37,51. Faza kilidlənmiş makronükleus neyronları daxil olan səslər haqqında müvəqqəti məlumat saxlayır: adlarından göründüyü kimi, onlar müəyyən siqnal fazalarında atəş açır. Jeffress modelinin təsadüf detektoru neyronları laminar nüvədə tapıla bilər. Aksonları gecikmə xətləri rolunu oynayan makronüvə neyronlarından məlumat alırlar. Gecikmə xətti ilə təmin edilən gecikmə miqdarı aksonun uzunluğu ilə, eləcə də keçiricilik sürətini dəyişdirən başqa bir miyelinasiya nümunəsi ilə izah edilə bilər. Bayquşun eşitmə sistemindən ilhamlanaraq biz obyektlərin lokallaşdırılması üçün biomimetik sistem hazırlamışıq. İki qulaq iki pMUT qəbuledicisi ilə təmsil olunur. Səs mənbəyi onların arasında yerləşən pMUT ötürücüsüdür (şəkil 1a) və hesablama qrafiki girişləri gecikmiş CD neyronları rolunu oynayan RRAM əsaslı CD sxemlərinin (şəkil 1b, yaşıl) şəbəkəsi ilə formalaşır. dövrə vasitəsilə gecikmə xətləri (mavi) bioloji analoqda akson kimi fəaliyyət göstərir. Təklif olunan sensor sistem iş tezliyində eşitmə sistemi 1-8 kHz diapazonunda işləyən bayquşunkindən fərqlənir, lakin bu işdə təxminən 117 kHz-də işləyən pMUT sensorlarından istifadə olunur. Ultrasəs çeviricisinin seçimi texniki və optimallaşdırma meyarlarına uyğun olaraq nəzərdən keçirilir. Birincisi, qəbulun bant genişliyini bir tezliklə məhdudlaşdırmaq ideal olaraq ölçmə dəqiqliyini yaxşılaşdırır və emaldan sonrakı addımı asanlaşdırır. Bundan əlavə, ultrasəsdə əməliyyatın üstünlüyü ondan ibarətdir ki, buraxılan impulslar eşidilmir, buna görə də insanları narahat etməyin, çünki onların eşitmə diapazonu ~20-20 kHz-dir.
bayquş hədəfdən səs dalğaları alır, bu halda ov hərəkət edir. Səs dalğasının uçuş vaxtı (ToF) hər qulaq üçün fərqlidir (ov birbaşa bayquşun qarşısında deyilsə). Nöqtəli xətt səs dalğalarının bayquşun qulaqlarına çatmaq üçün keçdiyi yolu göstərir. Yırtıcı iki akustik yol arasındakı uzunluq fərqinə və müvafiq qulaqlararası vaxt fərqinə (ITD) əsaslanaraq üfüqi müstəvidə dəqiq lokallaşdırıla bilər (soldakı şəkil refer. 74, müəllif hüququ 2002, Neyrologiya Cəmiyyəti). Sistemimizdə pMUT ötürücü (tünd mavi) hədəfdən sıçrayan səs dalğaları yaradır. Yansıtılan ultrasəs dalğaları iki pMUT qəbuledicisi (açıq yaşıl) tərəfindən qəbul edilir və neyromorfik prosessor (sağda) tərəfindən işlənir. b Bayquşun qulaqlarına daxil olan səslərin əvvəlcə böyük nüvədə (NM) faza kilidli sünbüllər kimi necə kodlandığını və sonra lamel nüvədə uyğunlaşdırılmış detektor neyronlarının həndəsi şəkildə təşkil edilmiş şəbəkəsindən istifadə edildiyini təsvir edən ITD (Jeffress) hesablama modeli. Emal (Hollandiya) (solda). Gecikmə xətləri və təsadüf detektoru neyronlarını birləşdirən neuroITD hesablama qrafikinin təsviri, bayquş biosensor sistemi RRAM əsaslı neyromorfik sxemlərdən istifadə etməklə modelləşdirilə bilər (sağda). c Əsas Jeffress mexanizminin sxemi, ToF fərqinə görə, iki qulaq müxtəlif vaxtlarda səs qıcıqlarını qəbul edir və hər iki ucdan aksonları detektora göndərir. Aksonlar bir sıra təsadüf detektoru (CD) neyronlarının bir hissəsidir və hər biri güclü zamanla əlaqəli girişlərə seçici şəkildə cavab verir. Nəticədə, yalnız girişləri ən kiçik vaxt fərqi ilə gələn CD-lər maksimum dərəcədə həyəcanlanır (ITD tam olaraq kompensasiya olunur). CD daha sonra hədəfin bucaq mövqeyini kodlayacaq.
Piezoelektrik mikromexaniki ultrasəs çeviriciləri qabaqcıl CMOS texnologiyası31,32,33,52 ilə inteqrasiya oluna bilən və ənənəvi həcm ötürücülərindən53 daha aşağı ilkin gərginliyə və enerji istehlakına malik olan miqyaslana bilən ultrasəs çeviriciləridir. Bizim işimizdə membranın diametri 880 µm-dir və rezonans tezliyi 110-117 kHz diapazonunda paylanır (Şəkil 2a, ətraflı məlumat üçün Metodlara baxın). On sınaq cihazından ibarət partiyada orta keyfiyyət əmsalı təxminən 50 idi (istinad 31). Texnologiya sənaye yetkinliyinə çatmışdır və özlüyündə bioinspired deyil. Müxtəlif pMUT filmlərindən alınan məlumatların birləşdirilməsi tanınmış texnikadır və bucaq məlumatı, məsələn, şüa formalaşdıran üsullardan istifadə etməklə pMUT-lərdən əldə edilə bilər31,54. Bununla belə, bucaq məlumatını çıxarmaq üçün tələb olunan siqnalın işlənməsi aşağı güc ölçmələri üçün uyğun deyil. Təklif olunan sistem neyromorfik məlumatların əvvəlcədən işlənməsi sxemini pMUT ilə Jeffress modelindən ilhamlanan RRAM əsaslı neyromorfik hesablama qrafiki ilə birləşdirir (Şəkil 2c), alternativ enerjiyə qənaət edən və resurs məhdud avadanlıq həllini təmin edir. İki qəbuledici membranın qəbul etdiyi fərqli ToF səslərindən istifadə etmək üçün iki pMUT sensorunun təxminən 10 sm məsafədə yerləşdirildiyi bir təcrübə etdik. Transmitter kimi fəaliyyət göstərən bir pMUT qəbuledicilər arasında oturur. Hədəf pMUT cihazının qarşısında D məsafəsində yerləşən 12 sm genişlikdə PVC lövhə idi (şəkil 2b). Qəbuledici obyektdən əks olunan səsi qeyd edir və səs dalğasının keçməsi zamanı mümkün qədər reaksiya verir. D məsafəsi və θ bucağı ilə təyin olunan obyektin mövqeyini dəyişdirərək təcrübəni təkrarlayın. Bir keçiddən ilhamlanıb. 55-də, neyromorfik hesablama qrafikini daxil etmək üçün əks olunan dalğaları zirvələrə çevirmək üçün pMUT xam siqnallarının neyromorfik əvvəlcədən işlənməsini təklif edirik. Pik amplituduna uyğun olan ToF iki kanalın hər birindən çıxarılır və fərdi zirvələrin dəqiq vaxtı kimi kodlaşdırılır. Əncirdə. Şəkil 2c, pMUT sensorunu RRAM əsaslı hesablama qrafiki ilə əlaqələndirmək üçün tələb olunan dövrəni göstərir: iki pMUT qəbuledicisinin hər biri üçün xam siqnal hamarlamaq, düzəltmək üçün süzgəcdən keçirilir və sonra aradan qaldırma rejimində sızan inteqratora ötürülür. dinamik ərəfəsində (Şəkil. 2d) çıxış hadisə (sünbül) və atəş (LIF) neyron yaradır: çıxış sünbül vaxtı aşkar uçuş vaxt kodlar. LIF həddi pMUT cavabına qarşı kalibrlənir və bununla da cihazdan cihaza pMUT dəyişkənliyini azaldır. Bu yanaşma ilə bütün səs dalğasını yaddaşda saxlamaq və sonradan emal etmək əvəzinə, biz sadəcə olaraq rezistiv yaddaşın hesablama qrafikinə girişi təşkil edən səs dalğasının ToF-ə uyğun pik yaradırıq. Sünbüllər birbaşa gecikmə xətlərinə göndərilir və neyromorfik hesablama qrafiklərində uyğunluq aşkarlama modulları ilə paralelləşdirilir. Onlar tranzistorların qapılarına göndərildiyi üçün əlavə gücləndirici dövrə tələb olunmur (ətraflı məlumat üçün Əlavə Şəkil 4-ə baxın). pMUT tərəfindən təmin edilən lokalizasiya bucaq dəqiqliyini və təklif olunan siqnal emalı metodunu qiymətləndirmək üçün obyektin məsafəsi və bucağı dəyişdiyi üçün ITD-ni (yəni iki qəbuledici tərəfindən yaradılan pik hadisələr arasındakı vaxt fərqini) ölçdük. Sonra ITD təhlili bucaqlara çevrildi (Usullara baxın) və obyektin mövqeyinə qarşı tərtib edildi: ölçülmüş ITD-də qeyri-müəyyənlik məsafə və obyektə olan bucaq ilə artdı (şəkil 2e, f). Əsas problem pMUT cavabında pik-küy nisbətidir (PNR). Obyekt nə qədər uzaq olsa, akustik siqnal bir o qədər aşağı olur və bununla da PNR azalır (Şəkil 2f, yaşıl xətt). PNR-nin azalması ITD təxminində qeyri-müəyyənliyin artmasına gətirib çıxarır, nəticədə lokalizasiyanın dəqiqliyi artır (şəkil 2f, mavi xətt). Ötürücüdən 50 sm məsafədə olan obyekt üçün sistemin bucaq dəqiqliyi təxminən 10°-dir. Sensorun xüsusiyyətləri ilə qoyulan bu məhdudiyyət yaxşılaşdırıla bilər. Məsələn, emitent tərəfindən göndərilən təzyiq artırıla bilər, bununla da pMUT membranını idarə edən gərginlik artır. Ötürülmüş siqnalı gücləndirmək üçün başqa bir həll çoxlu ötürücüləri birləşdirməkdir 56. Bu həllər artan enerji xərcləri hesabına aşkarlama diapazonunu artıracaqdır. Qəbul edən tərəfdə əlavə təkmilləşdirmələr edilə bilər. pMUT-un qəbuledici səs-küy səviyyəsi pMUT ilə birinci mərhələ gücləndiricisi arasında əlaqəni yaxşılaşdırmaqla əhəmiyyətli dərəcədə azaldıla bilər, bu hal hazırda tel birləşmələri və RJ45 kabelləri ilə həyata keçirilir.
1,5 mm diametrdə inteqrasiya olunmuş altı 880 µm membranlı pMUT kristalının şəkli. b Ölçmə qurğusunun diaqramı. Hədəf θ azimut mövqeyində və D məsafəsində yerləşir. pMUT ötürücüsü hədəfdən sıçrayan və fərqli uçuş vaxtı (ToF) olan iki pMUT qəbuledicisinə çatan 117,6 kHz siqnal yaradır. Qulaqlararası vaxt fərqi (ITD) kimi təyin olunan bu fərq obyektin mövqeyini kodlaşdırır və iki qəbuledici sensorun pik reaksiyasını təxmin etməklə təxmin edilə bilər. c Xam pMUT siqnalını sünbül ardıcıllığına çevirmək üçün ilkin emal addımlarının sxemi (yəni neyromorfik hesablama qrafikinə daxiletmə). pMUT sensorları və neyromorfik hesablama qrafikləri hazırlanmış və sınaqdan keçirilmişdir və neyromorfik ilkin emal proqram simulyasiyasına əsaslanır. d Siqnalın alınması və onun sünbül sahəsinə çevrilməsi ilə pMUT membranının reaksiyası. e Obyekt bucağının (Θ) və hədəf obyektə olan məsafənin (D) funksiyası kimi eksperimental lokalizasiya bucaq dəqiqliyi. ITD hasilatı üsulu təxminən 4°C minimum bucaq ayırdetmə qabiliyyətini tələb edir. f Bucaq dəqiqliyi (mavi xətt) və Θ = 0 üçün obyekt məsafəsinə qarşı müvafiq pik-küy nisbəti (yaşıl xətt).
Rezistiv yaddaş məlumatı uçucu olmayan keçirici vəziyyətdə saxlayır. Metodun əsas prinsipi ondan ibarətdir ki, materialın atom səviyyəsində modifikasiyası onun elektrik keçiriciliyinin dəyişməsinə səbəb olur57. Burada yuxarı və aşağı titan və titan nitrid elektrodları arasında sıxışdırılmış 5nm hafnium dioksid təbəqəsindən ibarət oksid əsaslı rezistiv yaddaşdan istifadə edirik. RRAM cihazlarının keçiriciliyi elektrodlar arasında oksigen boşluqlarının keçirici filamentlərini yaradan və ya qıran cərəyan/gərginlik dalğa formasını tətbiq etməklə dəyişdirilə bilər. Təsadüf detektorunu və gecikmə xətti dövrəsini həyata keçirən yenidən konfiqurasiya edilə bilən neyromorfik sxem yaratmaq üçün bu cür cihazları58 standart 130 nm CMOS prosesinə birləşdirdik (Şəkil 3a). Cihazın qeyri-uçucu və analoq təbiəti, neyromorf dövrənin hadisələrə əsaslanan təbiəti ilə birlikdə enerji istehlakını minimuma endirir. Dövrə ani yandırma/söndürmə funksiyasına malikdir: o, işə salındıqdan dərhal sonra işləyir, dövrə boş olduqda gücün tamamilə söndürülməsinə imkan verir. Təklif olunan sxemin əsas tikinti blokları Şəkildə göstərilmişdir. 3b. O, çəkili cərəyanların alındığı, diferensial cüt inteqratorunun (DPI)59 ümumi sinapsına yeridilmiş və nəhayət inteqrasiya və sinapsa yeridilmiş sinaptik çəkiləri kodlayan N paralel tək rezistorlu tək tranzistorlu (1T1R) strukturlardan ibarətdir. sızma. aktivləşdirilmiş (LIF) neyron 60 (ətraflı məlumat üçün Metodlara baxın). Giriş dalğaları yüzlərlə nanosaniyədə davam edən gərginlik impulslarının ardıcıllığı şəklində 1T1R strukturunun qapısına tətbiq edilir. Rezistiv yaddaş Vbottom torpaqlandıqda Vtop-a xarici müsbət istinad tətbiq etməklə yüksək keçirici vəziyyətə (HCS) yerləşdirilə bilər və Vtop torpaqlandıqda Vbottom-a müsbət gərginlik tətbiq etməklə aşağı keçirici vəziyyətə (LCS) sıfırlana bilər. HCS-nin orta dəyəri SET-in (ICC) proqramlaşdırma cərəyanını (uyğunluğunu) seriyalı tranzistorun gate-mənbə gərginliyi ilə məhdudlaşdırmaqla idarə oluna bilər (şəkil 3c). Dövrədə RRAM-ın funksiyaları ikiqatdır: onlar daxil olan impulsları yönləndirir və çəkirlər.
Yaşıl rəngdə selektor tranzistorları (650 nm eni) olan 130 nm CMOS texnologiyasına inteqrasiya olunmuş mavi HfO2 1T1R RRAM cihazının skan edən elektron mikroskop (SEM) şəkli. b Təklif olunan neyromorfik sxemin əsas tikinti blokları. Giriş gərginliyi impulsları (zirvələri) Vin0 və Vin1 cari Iweight istehlak edir, bu 1T1R strukturunun G0 və G1 keçiricilik vəziyyətlərinə mütənasibdir. Bu cərəyan DPI sinapslarına vurulur və LIF neyronlarını həyəcanlandırır. RRAM G0 və G1 müvafiq olaraq HCS və LCS-də quraşdırılmışdır. c 16K RRAM cihazları qrupu üçün keçiricilik səviyyəsinə effektiv şəkildə nəzarət edən ICC cərəyanının uyğunlaşdırılması funksiyası kimi məcmu keçiricilik sıxlığının funksiyası. d (a)-da dövrə ölçmələri göstərir ki, G1 (LCS-də) Vin1-dən (yaşıl) girişi effektiv şəkildə bloklayır və həqiqətən çıxış neyronunun membran gərginliyi yalnız Vin0-dan mavi girişə cavab verir. RRAM dövrədəki əlaqələri effektiv şəkildə müəyyənləşdirir. e Vin0 gərginlik impulsunu tətbiq etdikdən sonra keçiricilik dəyəri G0-nın membran gərginliyinə Vmem təsirini göstərən (b)-də dövrənin ölçülməsi. Keçiricilik nə qədər çox olsa, reaksiya da bir o qədər güclüdür: beləliklə, RRAM cihazı giriş/çıxış əlaqəsinin çəkisini həyata keçirir. Dövrə üzrə ölçmələr aparıldı və RRAM-ın ikili funksiyasını, giriş impulslarının marşrutlaşdırılmasını və çəkisini nümayiş etdirdi.
Birincisi, iki əsas keçirici vəziyyət (HCS və LCS) olduğundan, RRAM-lar müvafiq olaraq LCS və ya HCS vəziyyətlərində olduqda giriş impulslarını bloklaya və ya qaçıra bilər. Nəticədə, RRAM dövrədəki əlaqələri effektiv şəkildə təyin edir. Bu, arxitekturanı yenidən konfiqurasiya etmək üçün əsasdır. Bunu nümayiş etdirmək üçün Şəkil 3b-də dövrə blokunun uydurulmuş sxem icrasını təsvir edəcəyik. G0-a uyğun gələn RRAM HCS-də, ikinci RRAM G1 isə LCS-də proqramlaşdırılmışdır. Giriş impulsları həm Vin0, həm də Vin1-ə tətbiq edilir. Bir osiloskopdan istifadə edərək neyron membranının gərginliyini və çıxış siqnalını toplayaraq çıxış neyronlarında iki ardıcıl giriş impulslarının təsiri təhlil edilmişdir. Membran gərginliyini stimullaşdırmaq üçün neyron nəbzinə yalnız HCS cihazı (G0) qoşulduqda təcrübə uğurlu oldu. Bu, Şəkil 3d-də nümayiş etdirilir, burada mavi impuls qatarı membran gərginliyinin membran kondansatorunda yığılmasına səbəb olur, yaşıl impuls qatarı isə membran gərginliyini sabit saxlayır.
RRAM-ın ikinci mühüm funksiyası əlaqə çəkilərinin həyata keçirilməsidir. RRAM-ın analoq keçiricilik tənzimlənməsindən istifadə edərək, I/O əlaqələri müvafiq olaraq ölçülə bilər. İkinci təcrübədə G0 cihazı HCS-nin müxtəlif səviyyələrinə proqramlaşdırılmış və giriş impulsu VIn0 girişinə tətbiq edilmişdir. Giriş nəbzi cihazdan cərəyan (Iweight) çəkir, bu, keçiriciliyə və müvafiq potensial düşmə Vtop - Vbot ilə mütənasibdir. Bu ağırlıqlı cərəyan daha sonra DPI sinapslarına və LIF çıxış neyronlarına vurulur. Çıxış neyronlarının membran gərginliyi bir osiloskopdan istifadə edərək qeydə alınmış və Şəkil 3d-də göstərilmişdir. Tək bir giriş impulsuna cavab olaraq neyron membranının gərginlik zirvəsi rezistiv yaddaşın keçiriciliyinə mütənasibdir və RRAM-ın sinaptik çəkinin proqramlaşdırıla bilən elementi kimi istifadə oluna biləcəyini nümayiş etdirir. Bu iki ilkin sınaqlar göstərir ki, təklif olunan RRAM əsaslı neyromorfik platforma əsas Jeffress mexanizminin əsas elementlərini, yəni gecikmə xəttini və təsadüf detektoru dövrəsini həyata keçirməyə qadirdir. Dövrə platforması Şəkil 3b-dəki bloklar kimi ardıcıl blokları yan-yana yığmaq və onların qapılarını ümumi giriş xəttinə birləşdirməklə qurulur. İki giriş qəbul edən iki çıxış neyronundan ibarət neyromorfik platformanı dizayn etdik, hazırladıq və sınaqdan keçirdik (Şəkil 4a). Elektrik dövrə diaqramı Şəkil 4b-də göstərilmişdir. Yuxarı 2 × 2 RRAM matrisi giriş impulslarını iki çıxış neyronuna yönəltməyə imkan verir, aşağı 2 × 2 matris isə iki neyronun (N0, N1) təkrarlanan əlaqələrinə imkan verir. Biz nümayiş etdiririk ki, bu platforma gecikmə xətti konfiqurasiyası və Şəkil 4c-e-də eksperimental ölçmələrlə göstərildiyi kimi iki fərqli təsadüf detektoru funksiyası ilə istifadə edilə bilər.
İki giriş 0 və 1 qəbul edən iki çıxış neyronu N0 və N1 tərəfindən yaradılmış dövrə diaqramı. Massivin ilk dörd cihazı girişdən çıxışa sinaptik əlaqələri, aşağı dörd hüceyrə isə neyronlar arasında təkrarlanan əlaqələri müəyyənləşdirir. Rəngli RRAM-lar sağda HCS-də konfiqurasiya edilmiş cihazları təmsil edir: HCS-dəki qurğular qoşulmalara icazə verir və çəkiləri təmsil edir, LCS-dəki cihazlar isə giriş impulslarını bloklayır və çıxışlara qoşulmaları söndürür. b Mavi rənglə vurğulanmış səkkiz RRAM modulu olan dövrənin (a) diaqramı. c Gecikmə xətləri sadəcə olaraq DPI sinapslarının və LIF neyronlarının dinamikasından istifadə etməklə formalaşır. Yaşıl RRAM, giriş gecikməsindən Δt sonra çıxışda nasazlıq yarada biləcək qədər yüksək keçiriciliyə təyin edilmişdir. d Zamandan asılı siqnalların istiqamətə həssas olmayan CD aşkarlanmasının sxematik təsviri. Çıxış neyronu 1, N1, qısa bir gecikmə ilə 0 və 1 girişlərində işə düşür. e İstiqamətə həssas CD dövrəsi, 1-ci giriş 0-a yaxınlaşdıqda və 0-dan sonra gələndə aşkar edən dövrədir. Dövrənin çıxışı neyron 1 (N1) ilə təmsil olunur.
Gecikmə xətti (Şəkil 4c) sadəcə olaraq, Tdel-i gecikdirməklə Vin1-dən Vout1-ə daxil olan sıçrayışı bərpa etmək üçün DPI sinapslarının və LIF neyronlarının dinamik davranışından istifadə edir. Yalnız Vin1 və Vout1-ə qoşulmuş G3 RRAM HCS-də proqramlaşdırılmışdır, qalan RRAM-lar LCS-də proqramlaşdırılmışdır. G3 cihazı 92,6 µs üçün proqramlaşdırılmışdır ki, hər bir giriş impulsu çıxış neyronunun membran gərginliyini eşik həddinə çatmaq və gecikmiş çıxış impulsunu yaratmaq üçün kifayət qədər artırsın. Gecikmə Tdel sinaptik və sinir zaman sabitləri ilə müəyyən edilir. Təsadüf detektorları müvəqqəti olaraq korrelyasiya olunmuş, lakin məkanda paylanmış giriş siqnallarının baş verməsini aşkar edir. İstiqamətə həssas olmayan CD ümumi çıxış neyronuna yaxınlaşan fərdi girişlərə əsaslanır (Şəkil 4d). Vin0 və Vin1-i müvafiq olaraq Vout1, G2 və G4-ə birləşdirən iki RRAM yüksək keçiricilik üçün proqramlaşdırılmışdır. Vin0 və Vin1-də sünbüllərin eyni vaxtda gəlməsi N1 neyron membranının gərginliyini çıxış sünbülünü yaratmaq üçün tələb olunan həddən yuxarı artırır. Əgər iki giriş vaxt baxımından bir-birindən çox uzaqdırsa, birinci giriş tərəfindən yığılmış membran gərginliyindəki yükün çürüməyə vaxtı ola bilər, bu da membran potensialının N1 həddi dəyərə çatmasının qarşısını alır. G1 və G2 təqribən 65 µs üçün proqramlaşdırılmışdır ki, bu da tək giriş dalğasının çıxış artımına səbəb olacaq qədər membran gərginliyini artırmamasını təmin edir. Məkanda və zamanda paylanmış hadisələr arasında təsadüfün aşkarlanması optik axın əsaslı maneələrin qarşısının alınması və səs mənbəyinin lokalizasiyası kimi geniş spektrli algılama tapşırıqlarında istifadə edilən fundamental əməliyyatdır. Beləliklə, istiqamətə həssas və həssas CD-lərin hesablanması vizual və audio lokalizasiya sistemlərinin qurulması üçün əsas tikinti blokudur. Zaman sabitlərinin xüsusiyyətlərindən göründüyü kimi (Əlavə Şəkil 2-ə baxın), təklif olunan dövrə dörd böyüklük sırasının uyğun diapazonunu həyata keçirir. Beləliklə, o, eyni zamanda vizual və səs sistemlərinin tələblərinə cavab verə bilər. İstiqamətə həssas CD, impulsların gəlişinin məkan sırasına həssas olan bir dövrədir: sağdan sola və əksinə. O, hərəkət istiqamətlərini hesablamaq və toqquşmaları aşkar etmək üçün istifadə edilən Drosophila vizual sisteminin əsas hərəkət aşkarlama şəbəkəsində əsas tikinti blokudur62. İstiqamətə həssas CD-yə nail olmaq üçün iki giriş iki fərqli neyrona (N0, N1) yönəldilməlidir və onlar arasında istiqamətli əlaqə qurulmalıdır (şəkil 4e). İlk giriş qəbul edildikdə, NO öz membranındakı gərginliyi eşik dəyərdən yuxarı qaldıraraq və bir dalğa göndərməklə reaksiya verir. Bu çıxış hadisəsi, öz növbəsində, yaşıl rənglə vurğulanan istiqamətli əlaqə sayəsində N1-i yandırır. Əgər Vin1 giriş hadisəsi gəlsə və onun membran gərginliyi hələ də yüksək olarkən N1-ə enerji verirsə, N1 iki giriş arasında uyğunluğun tapıldığını göstərən çıxış hadisəsi yaradır. İstiqamətli bağlantılar N1-ə yalnız giriş 1-in giriş 0-dan sonra gəldiyi halda çıxış buraxmağa imkan verir. G0, G3 və G7 müvafiq olaraq 73.5 µS, 67.3 µS və 40.2 µS-ə proqramlaşdırılıb, Vin0 girişindəki tək sıçrayışın gecikməyə səbəb olmasını təmin edir. çıxış sıçrayışı, N1 membran potensialı isə yalnız hər iki giriş partlaması sinxronlaşdıqda ərəfəyə çatır. .
Dəyişkənlik modelləşdirilmiş neyromorfik sistemlərdə qeyri-kamillik mənbəyidir63,64,65. Bu, neyronların və sinapsların heterojen davranışına səbəb olur. Bu cür çatışmazlıqlara misal olaraq daxilolma qazancında 30% (orta standart sapma) dəyişkənliyi, vaxt sabiti və odadavamlı dövrdə bir neçəsini göstərmək olar (Metodlara baxın). Bu problem iki neyrondan ibarət oriyentasiyaya həssas CD kimi çoxsaylı neyron dövrələrin bir-birinə qoşulduğu zaman daha qabarıq görünür. Düzgün işləmək üçün iki neyronun qazanc və çürümə vaxt sabitləri mümkün qədər oxşar olmalıdır. Məsələn, giriş qazancındakı böyük fərq, bir neyronun giriş nəbzinə həddindən artıq reaksiya göstərməsinə səbəb ola bilər, digər neyron isə çətinliklə cavab verir. Əncirdə. Şəkil 5a təsadüfi seçilmiş neyronların eyni giriş impulsuna fərqli reaksiya verdiyini göstərir. Bu sinir dəyişkənliyi, məsələn, istiqamətə həssas CD-lərin funksiyası ilə əlaqədardır. Şəkildə göstərilən sxemdə. 5b, c, neyron 1-in giriş qazancı neyron 0-dan xeyli yüksəkdir. Beləliklə, 0 neyronu eşik həddinə çatmaq üçün üç giriş impuls (1 əvəzinə) tələb edir və neyron 1, gözlənildiyi kimi, iki giriş hadisəsinə ehtiyac duyur. Zamandan asılı biomimetik plastikliyin (STDP) tətbiqi qeyri-dəqiq və ləng sinir və sinaptik sxemlərin sistem performansına təsirini azaltmağın mümkün yoludur43. Burada rezistiv yaddaşın plastik davranışından sinir girişinin gücləndirilməsinə təsir göstərən və neyromorfik sxemlərdə dəyişkənliyin təsirini azaltmaq vasitəsi kimi istifadə etməyi təklif edirik. Şəkildə göstərildiyi kimi. 4e, RRAM sinaptik kütləsi ilə əlaqəli keçiricilik səviyyələri müvafiq sinir membranının gərginlik reaksiyasını effektiv şəkildə modullaşdırdı. Biz iterativ RRAM proqramlaşdırma strategiyasından istifadə edirik. Müəyyən bir giriş üçün sinaptik çəkilərin keçiricilik dəyərləri dövrənin hədəf davranışı əldə olunana qədər yenidən proqramlaşdırılır (Usullara baxın).
a Doqquz təsadüfi seçilmiş fərdi neyronların eyni giriş impulsuna reaksiyasının eksperimental ölçülməsi. Cavab populyasiyalar arasında dəyişir, giriş gəlirinə və vaxt sabitinə təsir edir. b İstiqamətə həssas CD-yə təsir edən neyronların dəyişkənliyinə neyronların təsirinin eksperimental ölçülməsi. İki istiqamətə həssas CD çıxış neyronları neyrondan neyron dəyişkənliyinə görə giriş stimullarına fərqli reaksiya verir. Neuron 0, neyron 1-dən daha az giriş qazancına malikdir, buna görə də çıxış sünbül yaratmaq üçün üç giriş impulsu (1 əvəzinə) tələb olunur. Gözlənildiyi kimi, neyron 1 iki giriş hadisəsi ilə ərəfəyə çatır. Əgər giriş 1 neyron 0 alovlandıqdan sonra Δt = 50 μs çatırsa, CD səssiz qalır, çünki Δt neyron 1-in zaman sabitindən (təxminən 22 µs) böyükdür. c Δt = 20 µs azalır, beləliklə, neyron 1'in atəşi hələ də yüksək olduqda giriş 1 zirvəyə çatır, nəticədə iki giriş hadisəsi eyni vaxtda aşkarlanır.
ITD hesablama sütununda istifadə olunan iki element gecikmə xətti və istiqamətə həssas olmayan CDdir. Hər iki dövrə obyektin yerləşdirilməsinin yaxşı performansını təmin etmək üçün dəqiq kalibrləmə tələb edir. Gecikmə xətti giriş pikinin dəqiq gecikdirilmiş versiyasını çatdırmalıdır (Şəkil 6a) və CD yalnız giriş hədəf aşkarlama diapazonuna düşəndə ​​aktivləşdirilməlidir. Gecikmə xətti üçün, giriş əlaqələrinin sinaptik çəkiləri (Şəkil 4a-da G3) hədəf gecikmə əldə olunana qədər yenidən proqramlaşdırılmışdır. Proqramı dayandırmaq üçün hədəf gecikmə ətrafında tolerantlıq təyin edin: tolerantlıq nə qədər kiçik olsa, gecikmə xəttini uğurla qurmaq bir o qədər çətindir. Əncirdə. Şəkil 6b gecikmə xəttinin kalibrlənməsi prosesinin nəticələrini göstərir: görmək olar ki, təklif olunan sxem dizayn sxemində tələb olunan bütün gecikmələri (10-dan 300 μs-ə qədər) tam olaraq təmin edə bilər. Kalibrləmə təkrarlamalarının maksimum sayı kalibrləmə prosesinin keyfiyyətinə təsir göstərir: 200 iterasiya xətanı 5%-dən aşağı azalda bilər. Bir kalibrləmə iterasiyası RRAM xanasının təyin/sıfırlama əməliyyatına uyğun gəlir. Sazlama prosesi CD modulunun ani yaxın hadisələrin aşkarlanmasının dəqiqliyini artırmaq üçün də vacibdir. 95%-dən yuxarı (Şəkil 6c-də mavi xətt) həqiqi müsbət sürətə (yəni, müvafiq olaraq düzgün müəyyən edilmiş hadisələrin sürəti) nail olmaq üçün on kalibrləmə iterasiyası tələb olundu. Bununla belə, tənzimləmə prosesi yanlış müsbət hadisələrə (yəni səhvən müvafiq olaraq müəyyən edilmiş hadisələrin tezliyinə) təsir göstərməmişdir. Sürətlə aktivləşən yolların vaxt məhdudiyyətlərini aradan qaldırmaq üçün bioloji sistemlərdə müşahidə olunan digər üsul artıqlıqdır (yəni verilmiş funksiyanı yerinə yetirmək üçün eyni obyektin çoxlu nüsxələrindən istifadə olunur). Biologiyadan ilhamlanaraq66, biz yalançı pozitivlərin təsirini azaltmaq üçün hər bir CD modulunda iki gecikmə xətti arasında bir neçə CD sxemi yerləşdirdik. Şəkildə göstərildiyi kimi. 6c (yaşıl xətt), hər bir CD modulunda üç CD elementinin yerləşdirilməsi yanlış həyəcan siqnalını 10-2-dən aşağı sala bilər.
a Neyron dəyişkənliyinin gecikmə xətti dövrələrinə təsiri. b Müvafiq LIF neyronlarının və DPI sinapslarının vaxt sabitlərini böyük dəyərlərə təyin etməklə gecikmə xətti sxemləri böyük gecikmələrə qədər miqyaslana bilər. RRAM kalibrləmə prosedurunun təkrarlarının sayının artırılması hədəf gecikmənin dəqiqliyini əhəmiyyətli dərəcədə yaxşılaşdırmağa imkan verdi: 200 iterasiya xətanı 5%-dən aşağı endirdi. Bir iterasiya RRAM xanasında SET/RESET əməliyyatına uyğun gəlir. c Jeffress modelindəki hər bir CD modulu sistem nasazlığı ilə bağlı daha çox çeviklik üçün N paralel CD elementindən istifadə etməklə həyata keçirilə bilər. d Daha çox RRAM kalibrləmə iterasiyası həqiqi müsbət sürəti (mavi xətt) artırır, yalançı müsbət sürət isə təkrarların sayından (yaşıl xətt) müstəqildir. Paralel olaraq daha çox CD elementinin yerləşdirilməsi CD modulu uyğunluqlarının yanlış aşkarlanmasının qarşısını alır.
İndi biz pMUT sensorunun, CD-nin və neyromorfik hesablama qrafikini təşkil edən gecikmə xətti sxemlərinin akustik xassələrinin ölçülməsindən istifadə edərək Şəkil 2-də göstərilən uçdan-uca inteqrasiya edilmiş obyektlərin lokallaşdırılması sisteminin işini və enerji istehlakını qiymətləndiririk. Jeffress modeli (Şəkil 1a). Neyromorfik hesablama qrafikinə gəldikdə, CD modullarının sayı nə qədər çox olarsa, bucaq ayırdetmə qabiliyyəti bir o qədər yaxşıdır, həm də sistemin enerjisi bir o qədər yüksəkdir (Şəkil 7a). Ayrı-ayrı komponentlərin (pMUT sensorları, neyronlar və sinaptik sxemlər) dəqiqliyini bütün sistemin dəqiqliyi ilə müqayisə etməklə kompromis əldə etmək olar. Gecikmə xəttinin həlli, bizim sxemimizdə 10 μs-dən çox olan, 4°-lik bucaq qətnaməsinə uyğun gələn simulyasiya edilmiş sinapsların və neyronların vaxt sabitləri ilə məhdudlaşır (bax. Metodlar). CMOS texnologiyası ilə daha təkmil qovşaqlar daha az vaxt sabitləri ilə neyron və sinaptik sxemlərin layihələndirilməsinə imkan verəcək, nəticədə gecikmə xətti elementlərinin daha yüksək dəqiqliyi təmin ediləcək. Bununla belə, bizim sistemimizdə düzgünlük bucaq mövqeyinin qiymətləndirilməsində pMUT xətası ilə məhdudlaşır, yəni 10° (şəkil 7a-da mavi üfüqi xətt). CD modullarının sayını 40-da müəyyən etdik ki, bu da təqribən 4°-lik bucaq qətnaməsinə, yəni hesablama qrafikinin bucaq dəqiqliyinə (şəkil 7a-da açıq mavi üfüqi xətt) uyğun gəlir. Sistem səviyyəsində bu, sensor sisteminin qarşısında 50 sm məsafədə yerləşən obyektlər üçün 4° qətnamə və 10° dəqiqlik verir. Bu dəyər ref-də bildirilmiş neyromorfik səs lokalizasiya sistemləri ilə müqayisə edilə bilər. 67. Təklif olunan sistemin ən müasir vəziyyətlə müqayisəsini Əlavə Cədvəl 1-də tapa bilərsiniz. Əlavə pMUT-ların əlavə edilməsi, akustik siqnal səviyyəsinin artırılması və elektron səs-küyün azaldılması lokalizasiya dəqiqliyini daha da təkmilləşdirməyin mümkün yollarıdır. ) 9,7 olaraq qiymətləndirilir. nz. 55. Hesablama qrafikində 40 CD vahidi nəzərə alınmaqla, SPICE simulyasiyası hər əməliyyat üçün enerjini (yəni, obyektin yerləşdirmə enerjisi) 21,6 nJ olaraq qiymətləndirdi. Neyromorfik sistem yalnız giriş hadisəsi gəldikdə, yəni akustik dalğa istənilən pMUT qəbuledicisinə çatdıqda və aşkarlama həddini keçdikdə aktivləşir, əks halda o, qeyri-aktiv qalır. Bu, giriş siqnalı olmadıqda lazımsız enerji istehlakının qarşısını alır. 100 Hz lokalizasiya əməliyyatlarının tezliyini və hər əməliyyat üçün 300 µs aktivləşdirmə müddətini (maksimum mümkün ITD) nəzərə alsaq, neyromorfik hesablama qrafikinin enerji istehlakı 61,7 nVt təşkil edir. Hər bir pMUT qəbuledicisinə tətbiq olunan neyromorfik ilkin emal ilə bütün sistemin enerji istehlakı 81,6 nVt-a çatır. Təklif olunan neyromorfik yanaşmanın adi aparatla müqayisədə enerji səmərəliliyini anlamaq üçün biz bu rəqəmi neyromorfik və ya ənənəvi şüa formalaşdıran68 Skill-dən istifadə edərək müasir aşağı güclü mikrokontrollerdə eyni işi yerinə yetirmək üçün tələb olunan enerji ilə müqayisə etdik. Neyromorfik yanaşma analoqdan rəqəmsal çevirici (ADC) mərhələsini, ardınca bant keçirici filtr və zərflərin çıxarılması mərhələsini (Teeger-Kaiser metodu) nəzərdən keçirir. Nəhayət, ToF çıxarmaq üçün eşik əməliyyatı həyata keçirilir. ToF əsasında ITD-nin hesablanmasını və təxmin edilən bucaq vəziyyətinə çevrilməni buraxdıq, çünki bu, hər bir ölçmə üçün bir dəfə baş verir (Metodlara baxın). Hər iki kanalda (pMUT qəbulediciləri) 250 kHz seçmə sürətini, 18 diapazon keçirici filtr əməliyyatını, 3 zərf çıxarma əməliyyatını və hər nümunə üçün 1 hədd əməliyyatını fərz etsək, ümumi enerji istehlakı 245 mikrovat olaraq qiymətləndirilir. Bu, alqoritmlər icra edilmədikdə işə salınan, enerji sərfiyyatını 10,8 µVt-a qədər azaldan mikrokontrolörün aşağı güc rejimi69 istifadə edir. İstinadda təklif olunan şüa formalaşdıran siqnal emal həllinin enerji istehlakı. 31, 5 pMUT qəbulediciləri və azimut müstəvisində [-50°, +50°] bərabər paylanmış 11 şüa ilə 11,71 mVt-dir (ətraflı məlumat üçün Metodlar bölməsinə baxın). Bundan əlavə, biz obyektin lokallaşdırılması üçün Jeffress modelini əvəz edən FPGA47 əsaslı Zaman Fərqi Kodlayıcısının (TDE) 1,5 mVt gücündə enerji istehlakını bildiririk. Bu təxminlərə əsaslanaraq, təklif olunan neyromorfik yanaşma obyektin lokalizasiyası əməliyyatları üçün klassik şüa formalaşdıran üsullardan istifadə edən mikrokontrollerlə müqayisədə enerji istehlakını beş böyüklük dərəcəsi ilə azaldır. Klassik mikrokontrollerdə siqnalın emalına neyromorfik yanaşmanın qəbul edilməsi enerji istehlakını təxminən iki böyüklük dərəcəsi ilə azaldır. Təklif olunan sistemin effektivliyini yaddaşdaxili hesablamaları yerinə yetirməyə qadir olan asinxron rezistiv-yaddaşlı analoq sxemin birləşməsi və siqnalları qəbul etmək üçün tələb olunan analoqdan rəqəmsal çevrilmənin olmaması ilə izah etmək olar.
a CD modullarının sayından asılı olaraq lokalizasiya əməliyyatının bucaq ayırdetmə qabiliyyəti (mavi) və enerji istehlakı (yaşıl). Tünd mavi üfüqi çubuq PMUT-un bucaq dəqiqliyini, açıq mavi üfüqi çubuq isə neyromorfik hesablama qrafikinin bucaq dəqiqliyini təmsil edir. b Təklif olunan sistemin enerji istehlakı və müzakirə olunan iki mikrokontroller tətbiqi və Zaman Fərqi Kodlayıcısının (TDE)47 FPGA rəqəmsal tətbiqi ilə müqayisə.
Hədəf lokalizasiya sisteminin enerji istehlakını minimuma endirmək üçün, hədəf obyektin real olaraq mövqeyini hesablamaq üçün daxili sensorlar tərəfindən yaradılan siqnal məlumatlarını emal edən, hadisəyə əsaslanan RRAM əsaslı neyromorfik sxemi düşündük, dizayn etdik və tətbiq etdik. vaxt. . Ənənəvi emal üsulları davamlı olaraq aşkar edilmiş siqnalları nümunə götürərkən və faydalı məlumatı çıxarmaq üçün hesablamalar apararkən, təklif olunan neyromorfik həll faydalı məlumat daxil olduqdan sonra asinxron hesablamalar aparır və sistemin enerji səmərəliliyini beş böyüklük dərəcəsi ilə artırır. Bundan əlavə, biz RRAM əsaslı neyromorfik sxemlərin çevikliyini vurğulayırıq. RRAM-ın keçiriciliyi uçucu olmayan şəkildə dəyişmək qabiliyyəti (plastiklik) ultra aşağı güclü analoq DPI-nin sinaptik və sinir sxemlərinin xas dəyişkənliyini kompensasiya edir. Bu, bu RRAM əsaslı dövrəni çox yönlü və güclü edir. Məqsədimiz siqnallardan mürəkkəb funksiyaları və ya nümunələri çıxarmaq deyil, obyektləri real vaxtda lokallaşdırmaqdır. Sistemimiz həmçinin siqnalı səmərəli şəkildə sıxışdıra və lazım olduqda daha mürəkkəb qərarlar qəbul etmək üçün onu sonrakı emal addımlarına göndərə bilər. Lokallaşdırma tətbiqləri kontekstində neyromorfik ilkin emal addımımız obyektlərin yeri haqqında məlumat verə bilər. Bu məlumat, məsələn, hərəkət aşkarlanması və ya jest tanınması üçün istifadə edilə bilər. Biz pMUT kimi ultra aşağı güc sensorlarını ultra aşağı güclü elektronika ilə birləşdirməyin vacibliyini vurğulayırıq. Bunun üçün neyromorfik yanaşmalar əsas olmuşdur, çünki onlar bizi Jeffress modeli kimi bioloji cəhətdən ilhamlanmış hesablama metodlarının yeni dövrə tətbiqlərini inkişaf etdirməyə vadar etmişdir. Sensor füzyon tətbiqləri kontekstində sistemimiz daha dəqiq məlumat əldə etmək üçün bir neçə fərqli hadisəyə əsaslanan sensorlarla birləşdirilə bilər. Bayquşlar qaranlıqda ov tapmaqda mükəmməl olsalar da, əla görmə qabiliyyətinə malikdirlər və yırtıcı tutmazdan əvvəl birgə eşitmə və vizual axtarış aparırlar70. Müəyyən bir eşitmə neyronu işə düşdükdə, bayquş vizual axtarışına hansı istiqamətdə başlayacağını müəyyən etmək üçün lazım olan məlumatları alır və beləliklə, diqqətini vizual səhnənin kiçik bir hissəsinə yönəldir. Gələcək avtonom agentlərin inkişafı üçün vizual sensorların (DVS kamerası) və təklif olunan dinləmə sensorunun (pMUT əsasında) birləşməsi tədqiq edilməlidir.
pMUT sensoru təxminən 10 sm məsafədə iki qəbuledicisi olan bir PCB-də yerləşir və ötürücü qəbuledicilər arasında yerləşir. Bu işdə hər bir membran 200 nm qalınlığında üç molibden (Mo) təbəqəsi arasında sıxışdırılmış və 200 nm qalınlığında təbəqə ilə örtülmüş 800 nm qalınlığında pyezoelektrik alüminium nitridin (AlN) iki qatından ibarət asma bimorf quruluşdur. arayışda təsvir olunduğu kimi üst passivləşdirici SiN təbəqəsi. 71. Daxili və xarici elektrodlar molibdenin alt və üst təbəqələrinə tətbiq olunur, orta molibden elektrodu isə naxışsızdır və torpaq kimi istifadə olunur, nəticədə dörd cüt elektrod olan membran yaranır.
Bu arxitektura ümumi membran deformasiyasından istifadə etməyə imkan verir, nəticədə ötürücü və qəbul həssaslığı yaxşılaşır. Belə bir pMUT adətən emitent kimi 700 nm/V həyəcan həssaslığı nümayiş etdirir və 270 Pa/V səth təzyiqini təmin edir. Qəbuledici olaraq, bir pMUT filmi AlN-nin piezoelektrik əmsalı ilə birbaşa əlaqəli olan 15 nA/Pa qısaqapanma həssaslığını nümayiş etdirir. AlN təbəqəsindəki gərginliyin texniki dəyişkənliyi rezonans tezliyinin dəyişməsinə gətirib çıxarır ki, bu da pMUT-a DC meylini tətbiq etməklə kompensasiya edilə bilər. DC həssaslığı 0,5 kHz/V-də ölçüldü. Akustik xarakteristika üçün pMUT qarşısında mikrofon istifadə olunur.
Echo impulsunu ölçmək üçün, yayılan səs dalğalarını əks etdirmək üçün pMUT-un önünə təxminən 50 sm2 sahəsi olan düzbucaqlı bir lövhə qoyduq. Həm plitələr arasındakı məsafə, həm də pMUT müstəvisinə nisbətən bucaq xüsusi tutacaqlardan istifadə etməklə idarə olunur. Tectronix CPX400DP gərginlik mənbəyi rezonans tezliyini 111,9 kHz31-ə tənzimləyən üç pMUT membranını istiqamətləndirir, ötürücülər isə rezonans tezliyinə (111,9 kHz) və 0,01 iş dövrünə uyğunlaşdırılmış Tectronix AFG 3102 impuls generatoru ilə idarə olunur. Hər bir pMUT qəbuledicisinin dörd çıxış portundan oxunan cərəyanlar xüsusi diferensial cərəyan və gərginlik arxitekturasından istifadə edərək gərginliyə çevrilir və nəticədə yaranan siqnallar Spektrum məlumat toplama sistemi ilə rəqəmsallaşdırılır. Aşkarlanma həddi müxtəlif şəraitdə pMUT siqnalının alınması ilə xarakterizə olunurdu: biz reflektoru müxtəlif məsafələrə [30, 40, 50, 60, 80, 100] sm köçürdük və pMUT dəstək bucağını dəyişdirdik ([0, 20, 40] o ) Şəkil 2b dərəcələrdə müvafiq bucaq mövqeyindən asılı olaraq müvəqqəti ITD aşkarlama rezolyusiyasını göstərir.
Bu məqalə iki fərqli RRAM sxemindən istifadə edir. Birincisi, bir tranzistor və bir rezistorlu 1T1R konfiqurasiyasında 16.384 (16.000) cihazdan (128 × 128 cihaz) ibarət bir sıradır. İkinci çip Şəkil 4a-da göstərilən neyromorfik platformadır. RRAM hüceyrəsi TiN/HfO2/Ti/TiN yığınına daxil edilmiş 5 nm qalınlığında HfO2 filmindən ibarətdir. RRAM yığını standart 130nm CMOS prosesinin arxa xəttinə (BEOL) inteqrasiya olunub. RRAM əsaslı neyromorfik sxemlər, RRAM cihazlarının ənənəvi CMOS texnologiyası ilə birlikdə mövcud olduğu bütün analoq elektron sistemlər üçün dizayn problemini təqdim edir. Xüsusilə, RRAM cihazının keçirici vəziyyəti oxunmalı və sistem üçün funksiya dəyişəni kimi istifadə edilməlidir. Bu məqsədlə, bir giriş impulsu qəbul edildikdə cihazdan cərəyanı oxuyan və diferensial cüt inteqrator (DPI) sinapsının cavabını ölçmək üçün bu cərəyandan istifadə edən bir dövrə hazırlanmış, hazırlanmış və sınaqdan keçirilmişdir. Bu dövrə Şəkil 4a-da neyromorfik platformanın əsas tikinti bloklarını təmsil edən Şəkil 3a-da göstərilmişdir. Giriş impulsu 1T1R cihazının qapısını aktivləşdirir, cihazın keçiriciliyinə G mütənasib olaraq RRAM vasitəsilə cərəyan yaradır (Iweight = G(Vtop – Vx)). Əməliyyat gücləndiricisinin (op-amp) dövrəsinin inverting girişi sabit DC meyl gərginliyinə malikdir Vtop. Op-amp-ın mənfi rəyi M1-dən bərabər cərəyan təmin edərək Vx = Vtop təmin edəcək. Cihazdan alınan cari çəki DPI sinapsına yeridilir. Daha güclü cərəyan daha çox depolarizasiya ilə nəticələnəcək, buna görə də RRAM keçiriciliyi sinaptik çəkiləri effektiv şəkildə həyata keçirir. Bu eksponensial sinaptik cərəyan, gərginlik kimi inteqrasiya olunduğu Leaky Integration and Excitation (LIF) neyronlarının membran kondensatoru vasitəsilə vurulur. Membranın eşik gərginliyi (inverterin keçid gərginliyi) aşılırsa, neyronun çıxış hissəsi işə salınır və çıxış sıçrayışı əmələ gəlir. Bu impuls geri qayıdır və neyronun membran kondensatorunu yerə endirərək onun boşalmasına səbəb olur. Bu dövrə daha sonra LIF neyronunun çıxış impulsunu hədəf impuls genişliyinə formalaşdıran bir impuls genişləndiricisi (şəkil 3a-da göstərilməyib) ilə tamamlanır. RRAM cihazının yuxarı və aşağı elektrodlarına gərginlik tətbiq etməyə imkan verən multipleksatorlar da hər bir xəttə quraşdırılmışdır.
Elektrik sınaqlarına analoq sxemlərin dinamik davranışının təhlili və qeydi, həmçinin RRAM cihazlarının proqramlaşdırılması və oxunması daxildir. Hər iki addımda xüsusi alətlər tələb olunur, onların hamısı eyni zamanda sensor lövhəsinə qoşulur. Neyromorfik sxemlərdə RRAM cihazlarına giriş çoxlayıcı (MUX) vasitəsilə xarici alətlərdən həyata keçirilir. MUX 1T1R xanasını aid olduğu digər dövrədən ayıraraq cihazın oxunmasına və/yaxud proqramlaşdırılmasına imkan verir. RRAM cihazlarını proqramlaşdırmaq və oxumaq üçün Keithley 4200 SCS maşını Arduino mikrokontrolleri ilə birlikdə istifadə olunur: birincisi dəqiq nəbz yaratmaq və cari oxumaq üçün, ikincisi isə yaddaş massivindəki fərdi 1T1R elementlərinə sürətli çıxış üçün. Birinci əməliyyat RRAM cihazının formalaşdırılmasıdır. Hüceyrələr bir-bir seçilir və yuxarı və aşağı elektrodlar arasında müsbət gərginlik tətbiq olunur. Bu halda, cərəyan selektor tranzistoruna müvafiq qapı gərginliyinin verilməsi səbəbindən onlarla mikroamper sırası ilə məhdudlaşır. RRAM hüceyrəsi daha sonra müvafiq olaraq RESET və SET əməliyyatlarından istifadə edərək aşağı keçirici vəziyyət (LCS) və yüksək keçirici vəziyyət (HCS) arasında dövr edə bilər. SET əməliyyatı yuxarı elektroda 1 μs müddəti və pik gərginliyi 2,0-2,5 V olan düzbucaqlı gərginlik impulsu və pik gərginliyi 0,9-1,3 V olan oxşar formalı sinxron impuls tətbiq etməklə həyata keçirilir. selektor tranzistorunun qapısı. Bu dəyərlər RRAM keçiriciliyini 20-150 µs aralıqlarla modullaşdırmağa imkan verir. RESET üçün qapı gərginliyi 2,5-3,0 V diapazonunda olduqda hüceyrənin alt elektroduna (bit xətti) 1 µs enində, 3 V pik impuls tətbiq edilir. Analoq sxemlərin giriş və çıxışları dinamik siqnallardır. . Giriş üçün biz iki HP 8110 impuls generatorunu Tektronix AFG3011 siqnal generatorları ilə birləşdirdik. Giriş impulsunun eni 1 µs və yüksəliş/düşmə kənarı 50 ns-dir. Bu tip nəbz analoq xətaya əsaslanan sxemlərdə tipik bir nasazlıq kimi qəbul edilir. Çıxış siqnalına gəlincə, çıxış siqnalı Teledyne LeCroy 1 GHz osiloskopundan istifadə etməklə qeydə alınıb. Osiloskopun əldə etmə sürətinin dövrə məlumatlarının təhlili və əldə edilməsində məhdudlaşdırıcı amil olmadığı sübut edilmişdir.
Neyronların və sinapsların davranışını simulyasiya etmək üçün analoq elektronikanın dinamikasından istifadə hesablama səmərəliliyini artırmaq üçün zərif və səmərəli həlldir. Bu hesablama əsasının dezavantajı ondan ibarətdir ki, o, sxemdən sxemə dəyişir. Neyronların və sinaptik dövrələrin dəyişkənliyini ölçdük (Əlavə Şəkil 2a, b). Dəyişkənliyin bütün təzahürləri arasında zaman sabitləri və giriş qazancı ilə əlaqəli olanlar sistem səviyyəsində ən böyük təsirə malikdir. LIF neyronunun və DPI sinapsının vaxt sabiti bir RC dövrəsi ilə müəyyən edilir, burada R dəyəri tranzistorun qapısına tətbiq olunan əyilmə gərginliyi ilə idarə olunur (neyron üçün Vlk və sinaps üçün Vtau), sızma dərəcəsi. Giriş qazancı, giriş impulsu ilə stimullaşdırılan sinaptik və neyron membran kondansatörlərinin çatdığı pik gərginlik kimi müəyyən edilir. Giriş qazancı, giriş cərəyanını modulyasiya edən başqa bir meylli tranzistor tərəfindən idarə olunur. Bəzi daxilolma qazancını və vaxt sabiti statistikasını toplamaq üçün ST Microelectronics-in 130nm prosesində kalibrlənmiş Monte Karlo simulyasiyası aparıldı. Nəticələr Əlavə Şəkil 2-də təqdim olunur, burada giriş qazancı və vaxt sabiti sızma sürətinə nəzarət edən əyilmə gərginliyinin bir funksiyası kimi kəmiyyətləşdirilir. Yaşıl markerlər zaman sabitinin ortadan standart sapmasını kəmiyyətlə müəyyən edir. Həm neyronlar, həm də sinaptik sxemlər Əlavə Şəkil sxemində göstərildiyi kimi 10-5-10-2 s diapazonunda geniş zaman sabitlərini ifadə edə bildi. Neyron və sinaps dəyişkənliyinin giriş gücləndirilməsi (Əlavə Şəkil 2e,d) müvafiq olaraq təxminən 8% və 3% idi. Belə bir çatışmazlıq ədəbiyyatda yaxşı sənədləşdirilmişdir: LIF63 neyronlarının populyasiyaları arasında uyğunsuzluğu qiymətləndirmək üçün DYNAP çipləri massivində müxtəlif ölçmələr aparılmışdır. BrainScale qarışıq siqnal çipindəki sinapslar ölçüldü və onların uyğunsuzluqları təhlil edildi və sistem səviyyəsində dəyişkənliyin təsirini azaltmaq üçün kalibrləmə proseduru təklif edildi64.
Neyromorfik sxemlərdə RRAM-ın funksiyası ikiqatdır: arxitektura tərifi (girişlərin çıxışlara yönləndirilməsi) və sinaptik çəkilərin həyata keçirilməsi. Sonuncu xüsusiyyət modelləşdirilmiş neyromorf sxemlərin dəyişkənliyi problemini həll etmək üçün istifadə edilə bilər. Təhlil olunan dövrə müəyyən tələblərə cavab verənə qədər RRAM cihazının yenidən proqramlaşdırılmasını nəzərdə tutan sadə kalibrləmə proseduru hazırlamışıq. Verilmiş giriş üçün çıxışa nəzarət edilir və hədəf davranışa nail olunana qədər RRAM yenidən proqramlaşdırılır. Keçici keçiricilik dalğalanmaları ilə nəticələnən RRAM-ın boşaldılması problemini həll etmək üçün proqramlaşdırma əməliyyatları arasında 5 s gözləmə müddəti tətbiq edilmişdir (Əlavə məlumat). Sinaptik çəkilər modelləşdirilən neyromorfik dövrənin tələblərinə uyğun olaraq tənzimlənir və ya kalibrlənir. Kalibrləmə proseduru əlavə alqoritmlərdə [1, 2] ümumiləşdirilmişdir, bunlar neyromorfik platformaların iki əsas xüsusiyyətinə, gecikmə xətlərinə və istiqamətə həssas olmayan CD-yə diqqət yetirir. Gecikmə xətti olan bir dövrə üçün hədəf davranış gecikmə Δt ilə çıxış impulsunu təmin etməkdir. Faktiki dövrə gecikməsi hədəf dəyərdən azdırsa, G3-ün sinaptik çəkisi azaldılmalıdır (G3 sıfırlanmalı və sonra daha aşağı uyğun cərəyan Icc-ə təyin edilməlidir). Əksinə, əgər faktiki gecikmə hədəf dəyərdən böyükdürsə, G3 keçiriciliyi artırılmalıdır (G3 əvvəlcə sıfırlanmalı, sonra isə daha yüksək Icc dəyərinə təyin edilməlidir). Bu proses dövrə tərəfindən yaradılan gecikmə hədəf dəyərə uyğun gələnə və kalibrləmə prosesini dayandırmaq üçün tolerantlıq təyin olunana qədər təkrarlanır. Orientasiyaya həssas olmayan CD-lər üçün kalibrləmə prosesində iki RRAM cihazı, G1 və G3 iştirak edir. Bu dövrə dt gecikdirilmiş Vin0 və Vin1 adlı iki girişə malikdir. Dövrə yalnız [0,dtCD] uyğun diapazondan aşağı gecikmələrə cavab verməlidir. Çıxış zirvəsi yoxdursa, lakin giriş pik nöqtəsi yaxındırsa, neyronun eşik həddinə çatmasına kömək etmək üçün hər iki RRAM cihazı gücləndirilməlidir. Əksinə, dövrə dtCD-nin hədəf diapazonunu aşan gecikməyə cavab verirsə, keçiricilik azaldılmalıdır. Düzgün davranış əldə olunana qədər prosesi təkrarlayın. Uyğunluq cərəyanı ref-də quraşdırılmış analoq dövrə ilə modulyasiya edilə bilər. 72.73. Bu daxili dövrə ilə belə prosedurlar sistemi kalibrləmək və ya başqa bir tətbiq üçün təkrar istifadə etmək üçün vaxtaşırı həyata keçirilə bilər.
Biz standart 32 bitlik mikrokontroller68-də neyromorfik siqnal emal yanaşmamızın enerji istehlakını qiymətləndiririk. Bu qiymətləndirmədə biz bir pMUT ötürücü və iki pMUT qəbuledicisi ilə bu sənəddə olduğu kimi eyni quraşdırma ilə işləməyi nəzərdə tuturuq. Bu üsul zolaqlı filtrdən istifadə edir, ardınca zərflərin çıxarılması addımı (Teeger-Kaiser) və nəhayət, uçuş vaxtını çıxarmaq üçün siqnala eşikləmə əməliyyatı tətbiq edilir. ITD-nin hesablanması və onun aşkarlama bucaqlarına çevrilməsi qiymətləndirmədə buraxılmışdır. Biz 18 üzən nöqtə əməliyyatı tələb edən 4-cü dərəcəli sonsuz impuls cavab filtrindən istifadə edərək band keçid filtrinin tətbiqini nəzərdən keçiririk. Zərflərin çıxarılması daha üç üzən nöqtə əməliyyatından istifadə edir və sonuncu əməliyyat həddi təyin etmək üçün istifadə olunur. Siqnalın əvvəlcədən işlənməsi üçün cəmi 22 üzən nöqtə əməliyyatı tələb olunur. Köçürülən siqnal hər 10 ms-də yaradılan 111.9 kHz sinus dalğa formasının qısa bir partlamasıdır və nəticədə 100 Hz-lik yerləşdirmə əməliyyat tezliyi əldə edilir. Nyquist-ə uyğun olmaq üçün 250 kHz nümunə sürətindən və 1 metr diapazonu çəkmək üçün hər ölçmə üçün 6 ms pəncərədən istifadə etdik. Qeyd edək ki, 6 millisaniyə 1 metr uzaqlıqda olan cismin uçuş vaxtıdır. Bu, 0,5 MSPS-də A/D çevrilməsi üçün 180 µW enerji istehlakını təmin edir. Siqnalın ilkin işlənməsi 0,75 mVt yaradan 6,60 MIPS (saniyədə təlimat) təşkil edir. Bununla belə, mikrokontroller alqoritm işləmədikdə aşağı güc rejiminə 69 keçə bilər. Bu rejim 10,8 μW statik enerji istehlakını və 113 μs oyanma müddətini təmin edir. 84 MHz takt tezliyini nəzərə alaraq, mikrokontroller neyromorfik alqoritmin bütün əməliyyatlarını 10 ms ərzində tamamlayır və alqoritm 6,3% iş dövrünü hesablayır, beləliklə, aşağı güc rejimindən istifadə edir. Nəticədə enerji itkisi 244,7 μW təşkil edir. Nəzərə alın ki, biz ToF-dən ITD çıxışını və aşkarlama bucağına çevrilməni buraxırıq, beləliklə, mikrokontrolörün enerji istehlakını aşağı qiymətləndiririk. Bu, təklif olunan sistemin enerji səmərəliliyi üçün əlavə dəyər təmin edir. Əlavə bir müqayisə şərti olaraq, istinadda təklif olunan klassik şüa yaratma üsullarının enerji istehlakını qiymətləndiririk. 1.8V təchizatı gərginliyində eyni mikrokontroller68-ə quraşdırıldıqda 31.54. Beamforming üçün məlumat əldə etmək üçün bərabər məsafədə yerləşən beş pMUT membranı istifadə olunur. Emalın özünə gəldikdə, istifadə olunan şüa əmələ gətirmə üsulu gecikmənin toplanmasıdır. Bu, sadəcə olaraq, bir zolaq və istinad zolağı arasında gözlənilən gəliş vaxt fərqinə uyğun gələn zolaqlara gecikmə tətbiq etməkdən ibarətdir. Siqnallar fazadadırsa, bu siqnalların cəmi bir zaman dəyişikliyindən sonra yüksək enerjiyə malik olacaqdır. Əgər onlar fazadan kənardadırlarsa, dağıdıcı müdaxilə onların cəminin enerjisini məhdudlaşdıracaq. münasibətdə. Əncirdə. 31-də, məlumatları tam sayda nümunə ilə dəyişmək üçün 2 MHz seçmə sürəti seçilir. Daha təvazökar bir yanaşma, 250 kHz-lik daha qaba nümunə sürətini saxlamaq və fraksiya gecikmələrini sintez etmək üçün Sonlu İmpuls Cavab (FIR) filtrindən istifadə etməkdir. Güman edəcəyik ki, şüa yaratma alqoritminin mürəkkəbliyi əsasən vaxt dəyişikliyi ilə müəyyən edilir, çünki hər bir kanal hər istiqamətdə 16 kran ilə FIR filtri ilə bükülür. Bu əməliyyat üçün tələb olunan MIPS sayını hesablamaq üçün 1 metr, 5 kanal, 11 şüa formalaşdıran istiqamətlər (10° addımlarla +/- 50° diapazonu) diapazonunu çəkmək üçün hər ölçmə üçün 6ms-lik bir pəncərəni nəzərdən keçiririk. Saniyədə 75 ölçmə mikrokontrolleri maksimum 100 MIPS-ə çatdırdı. Link. 68, bortda ADC töhfəsini əlavə etdikdən sonra 11,71 mVt ümumi güc itkisi üçün 11,26 mVt güc itkisi ilə nəticələndi.
Bu tədqiqatın nəticələrini dəstəkləyən məlumatlar əsaslı sorğu əsasında müvafiq müəllif FM-dən əldə edilə bilər.
Indiveri, G. & Sandamirskaya, Y. Neyromorfik agentlərdə siqnal emalı üçün məkan və zamanın əhəmiyyəti: Ətraf mühitlə qarşılıqlı əlaqədə olan aşağı güclü, avtonom agentlərin inkişafı problemi. Indiveri, G. & Sandamirskaya, Y. Neyromorfik agentlərdə siqnal emalı üçün məkan və zamanın əhəmiyyəti: Ətraf mühitlə qarşılıqlı əlaqədə olan aşağı güclü, avtonom agentlərin inkişafı problemi.Indiveri G. və Sandamirskaya Y. Neyromorfik agentlərdə siqnal emalı üçün məkan və zamanın əhəmiyyəti: ətraf mühitlə qarşılıqlı əlaqədə olan aşağı güclü avtonom agentlərin inkişafı problemi. Indiveri, G. & Sandamirskaya, Y. 空间和时间对于神经形态代理中信号处理的重要性：开发与玤一与玤佗自主代理的挑战。 Indiveri, G. & Sandamirskaya, Y.Indiveri G. və Sandamirskaya Y. Neyromorfik agentlərdə siqnal emalı üçün məkan və zamanın əhəmiyyəti: ətraf mühitlə qarşılıqlı əlaqədə olan aşağı güclü avtonom agentlərin inkişafı problemi.IEEE Siqnal Emalı. Jurnal 36, 16–28 (2019).
Thorpe, SJ Pik gəliş vaxtı: Effektiv Neyron Şəbəkəsinin Kodlaşdırma Sxemi. Eckmiller, R., Hartmann, G. & Hauske, G. (ed.). Eckmiller, R., Hartmann, G. & Hauske, G. (ed.).Eckmiller, R., Hartmann, G. və Hauske, G. (red.).Ekmillerdə R., Hartmann, G. və Hauske, G. (red.). Sinir sistemlərində və kompüterlərdə paralel emal 91-94 (Şimali Hollandiya Elsevier, 1990).
Levy, WB & Calvert, VG Communication insan korteksindəki hesablamadan 35 dəfə çox enerji sərf edir, lakin sinaps sayını proqnozlaşdırmaq üçün hər iki xərc tələb olunur. Levy, WB & Calvert, VG Communication insan korteksindəki hesablamadan 35 dəfə çox enerji sərf edir, lakin sinaps sayını proqnozlaşdırmaq üçün hər iki xərc tələb olunur.Levy, WB və Calvert, WG Communication insan korteksindəki hesablamadan 35 dəfə çox enerji sərf edir, lakin sinapsların sayını proqnozlaşdırmaq üçün hər iki xərc tələb olunur. Levy, WB & Calvert, VG Communication 消耗的能量是人类皮层计算的35 倍，但这两种成本都需要预成本都需要预成大需要预成大需要预成天 Levy, WB & Calvert, VG CommunicationLevy, WB və Calvert, WG Communication insan korteksindəki hesablamalardan 35 dəfə çox enerji sərf edir, lakin hər iki xərc sinapsların sayını proqnozlaşdırmağı tələb edir.proses. Milli Elmlər Akademiyası. elm. US 118, https://doi.org/10.1073/pnas.2008173118 (2021).
Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Insect-inspired neuromorphic computing. Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Insect-inspired neuromorphic computing.Dalgati, T., Vianello, E., DeSalvo, B. və Casas, J. Insect-inspired neuromorphic computing.Dalgati T., Vianello E., DeSalvo B. və Casas J. Həşəratdan ilham alan neyromorfik hesablama. Cari. Rəy. Həşərat elmi. 30, 59–66 (2018).
Roy, K., Jaiswal, A. & Panda, P. Neyromorfik hesablama ilə sünbül əsaslı maşın kəşfiyyatına doğru. Roy, K., Jaiswal, A. & Panda, P. Neyromorfik hesablama ilə sünbül əsaslı maşın kəşfiyyatına doğru. Roy, K., Jaiswal, A. & Panda, P. Neyromorfik hesablama ilə sünbül əsaslı maşın kəşfiyyatına doğru.Roy K, Jaiswal A və Panda P. Neyromorfik hesablamalardan istifadə edərək nəbz əsaslı süni intellekt. Təbiət 575, 607–617 (2019).
Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. və Liu, S.-K. Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. və Liu, S.-K.Neyromorfik sistemlərdə yaddaş və məlumatların işlənməsi. proses. IEEE 103, 1379–1397 (2015).
Akopyan F. və b. Truenorth: 65 mVt 1 milyon neyron proqramlaşdırıla bilən sinaptik çip üçün dizayn və alət dəsti. IEEE əməliyyatları. İnteqral sxem sistemlərinin kompüter dizaynı. 34, 1537–1557 (2015).
Schemmel, J. et al. Canlı demo: boşqab miqyasında BrainScaleS neyromorfik sisteminin kiçildilmiş versiyası. 2012 IEEE Beynəlxalq Sxemlər və Sistemlər Simpoziumu (ISCAS), (IEEE red.) 702–702 (2012).
Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. Dinamik neyromorfik asinxron prosessorlar (DYNAP) üçün heterojen yaddaş strukturları ilə genişlənə bilən çox nüvəli arxitektura. Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. Dinamik neyromorfik asinxron prosessorlar (DYNAP) üçün heterojen yaddaş strukturları ilə genişlənə bilən çox nüvəli arxitektura.Moradi S., Qiao N., Stefanini F. və Indiviri G. Dinamik neyromorfik asinxron prosessorlar (DYNAP) üçün heterojen yaddaş strukturları ilə genişlənə bilən çoxnüvəli arxitektura. Moradi, S.、Qiao, N.、Stefanini, F. & Indiveri, G. 一种可扩展的多核架构，具有用于动态神经彂态(NA)异构内存结构。 Moradi, S.、Qiao, N.、Stefanini, F. & Indiveri, G. Dinamik sinir emalı (DYNAP) üçün unikal yaddaş strukturu ilə bir növ genişləndirilə bilən çoxnüvəli arxitektura.Moradi S., Qiao N., Stefanini F. və Indiviri G. Dinamik neyromorfik asinxron prosessorlar (DYNAP) üçün heterojen yaddaş strukturları ilə genişlənə bilən çoxnüvəli arxitektura.Biotibbi elm üzrə IEEE əməliyyatları. elektrik sistemi. 12, 106–122 (2018).
Davis, M. et al. Loihi: Daxili öyrənmə ilə neyromorfik çoxnüvəli prosessor. IEEE Micro 38, 82–99 (2018).
Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker layihəsi. Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker layihəsi.Ferber SB, Galluppi F., Temple S. və Plana LA SpiNNaker layihəsi.Ferber SB, Galluppi F., Temple S. və Plana LA SpiNNaker layihəsi. proses. IEEE 102, 652–665 (2014).
Liu, S.-K. & Delbruck, T. Neyromorfik sensor sistemlər. & Delbruck, T. Neyromorfik sensor sistemlər.və Delbrück T. Neyromorfik sensor sistemlər. & Delbruck, T. 神经形态感觉系统。 & Delbruck, T.və Delbrück T. Neyromorfik sensor sistemi.Cari. Rəy. Neyrobiologiya. 20, 288–295 (2010).
Chope, T. et al. Birləşdirilmiş səs mənbəyinin lokalizasiyası və toqquşmanın qarşısını almaq üçün neyromorfik sensor inteqrasiya. 2019-cu ildə IEEE Biotibbi Sxemlər və Sistemlər Konfransında (BioCAS), (IEEE Ed.) 1–4 (2019).
Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. Stereo görmənin sünbül əsaslı neyromorfik arxitekturası. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. Stereo görmənin sünbül əsaslı neyromorfik arxitekturası.Risi N, Aymar A, Donati E, Solinas S və Indiveri G. Sünbül əsaslı neyromorfik stereovision arxitekturası. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. 一种基于脉冲的立体视觉神经形态结构。 Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G.Risi N, Aimar A, Donati E, Solinas S və Indiveri G. Stereo görmə üçün Spike əsaslı neyromorfik arxitektura.ön. Neyrorobotika 14, 93 (2020).
Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Hadisəyə əsaslanan neyromorfik stereo görmə sistemləri üçün 3D qavrayışının sürətli neyron şəbəkə modeli. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Hadisəyə əsaslanan neyromorfik stereo görmə sistemləri üçün 3D qavrayışının sürətli neyron şəbəkə modeli.Oswald, M., Ieng, S.-H., Benosman, R., and Indiveri, G. A 3D Pulsed Neyron Network Perception Model for Event-based Neuromorphic Stereo Vision Systems. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. 基于事件的神经形态立体视觉系统的3Dperception 脉冲的盻眞眞眞眞眞眞眞眞眈看眏, 2012 | Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. 3Dperception 脉冲神经网络模型。Oswald, M., Ieng, S.-H., Benosman, R., and Indiveri, G. Spiked 3Dperception Neyral Network Model for an Event-based Neuromorphic Stereo Vision System.elm. Hesabat 7, 1–11 (2017).
Dalgaty, T. et al. Böcəklərdən ilham alan əsas hərəkət aşkarlanması rezistiv yaddaş və partlayış neyron şəbəkələrini əhatə edir. Bionik biohibrid sistem. 10928, 115–128 (2018).
D'Angelo, G. et al. Müvəqqəti diferensial kodlaşdırmadan istifadə edərək hadisəyə əsaslanan ekssentrik hərəkətin aşkarlanması. ön. Nevrologiya. 14, 451 (2020).