Навіны

Праграмы для апрацоўкі дадзеных у рэальным свеце патрабуюць кампактных вылічальных сістэм з нізкай затрымкай і нізкім энергаспажываннем. Дзякуючы вылічальным магчымасцям, якія кіруюцца падзеямі, дадатковыя гібрыдныя мемрыстыўныя нейраморфныя архітэктуры металу, аксіду і паўправадніка забяспечваюць ідэальную апаратную аснову для такіх задач. Каб прадэманстраваць увесь патэнцыял такіх сістэм, мы прапануем і эксперыментальна дэманструем комплекснае рашэнне для апрацоўкі датчыкаў для лакалізацыі рэальных аб'ектаў. Чарпаючы натхненне з нейраанатоміі сіпухі, мы распрацавалі сістэму лакалізацыі аб'ектаў, арыентаваную на падзеі, якая спалучае ў сабе сучасны п'езаэлектрычны мікрамеханічны пераўтваральнік з нейроморфной рэзістыўнай памяццю на аснове вылічальных графаў. Мы паказваем вымярэнні вырабленай сістэмы, якая ўключае рэзістыўны дэтэктар супадзенняў на аснове памяці, схему лініі затрымкі і цалкам наладжвальны ультрагукавы пераўтваральнік. Мы выкарыстоўваем гэтыя эксперыментальныя вынікі для каліброўкі мадэлявання на сістэмным узроўні. Затым гэта мадэляванне выкарыстоўваецца для ацэнкі вуглавога дазволу і энергаэфектыўнасці мадэлі лакалізацыі аб'екта. Вынікі паказваюць, што наш падыход можа быць на некалькі парадкаў больш энергаэфектыўным, чым мікракантролеры, якія выконваюць тую ж задачу.
Мы ўваходзім у эру паўсюдных вылічэнняў, дзе колькасць прылад і сістэм, разгорнутых, расце ў геаметрычнай прагрэсіі, каб дапамагчы нам у паўсядзённым жыцці. Чакаецца, што гэтыя сістэмы будуць працаваць бесперапынна, спажываючы як мага менш энергіі, адначасова навучаючыся інтэрпрэтаваць даныя, якія яны збіраюць з некалькіх датчыкаў у рэжыме рэальнага часу, і вырабляць двайковы вывад у выніку задач класіфікацыі або распазнавання. Адным з найбольш важных крокаў, неабходных для дасягнення гэтай мэты, з'яўляецца выманне карыснай і кампактнай інфармацыі з шумных і часта няпоўных сэнсарных даных. Звычайныя інжынерныя падыходы звычайна бяруць выбарку сігналаў датчыкаў з пастаяннай і высокай хуткасцю, ствараючы вялікія аб'ёмы даных нават пры адсутнасці карысных уводаў. Акрамя таго, гэтыя метады выкарыстоўваюць складаныя метады лічбавай апрацоўкі сігналаў для папярэдняй апрацоўкі ўваходных дадзеных (часта з шумам). Замест гэтага біялогія прапануе альтэрнатыўныя рашэнні для апрацоўкі шумных сэнсарных даных з выкарыстаннем энергаэфектыўных, асінхронных падыходаў, кіраваных падзеямі (шыпы)2,3. Нейраморфныя вылічэнні чэрпаюць натхненне ў біялагічных сістэмах, каб знізіць вылічальныя выдаткі з пункту гледжання патрабаванняў да энергіі і памяці ў параўнанні з традыцыйнымі метадамі апрацоўкі сігналаў4,5,6. Нядаўна былі прадэманстраваны інавацыйныя мазгавыя сістэмы агульнага прызначэння, якія рэалізуюць імпульсныя нейронавыя сеткі (TrueNorth7, BrainScaleS8, DYNAP-SE9, Loihi10, Spinnaker11). Гэтыя працэсары забяспечваюць нізкае энергаспажыванне і малыя затрымкі для машыннага навучання і мадэлявання коркавых ланцугоў. Каб у поўнай меры выкарыстаць іх энергаэфектыўнасць, гэтыя нейраморфныя працэсары павінны быць непасрэдна падключаны да датчыкаў, якія кіруюцца падзеямі12,13. Аднак сёння існуе толькі некалькі сэнсарных прылад, якія непасрэдна прадастаўляюць дадзеныя, кіраваныя падзеямі. Яркімі прыкладамі з'яўляюцца дынамічныя глядзельныя датчыкі (DVS) для глядзельных прыкладанняў, такіх як адсочванне і выяўленне руху 14,15,16,17 крамянёвая слімака 18 і нейроморфные слыхавыя датчыкі (NAS) 19 для апрацоўкі слыхавога сігналу, нюхальныя датчыкі 20 і шматлікія прыклады 21,22 дотыку. . датчыкі тэкстуры.
У гэтым артыкуле мы прадстаўляем нядаўна распрацаваную сістэму слыхавой апрацоўкі, якая кіруецца падзеямі і прымяняецца да лакалізацыі аб'ектаў. Тут мы ўпершыню апісваем скразную сістэму для лакалізацыі аб'ектаў, атрыманую шляхам злучэння сучаснага п'езаэлектрычнага мікрамашыннага ультрагукавога пераўтваральніка (pMUT) з вылічальным графікам на аснове нейраморфнай рэзістыўнай памяці (RRAM). Вылічальныя архітэктуры ў памяці з выкарыстаннем RRAM з'яўляюцца перспектыўным рашэннем для зніжэння энергаспажывання23,24,25,26,27,28,29. Іх уласцівая энерганезалежнасць — не патрабуецца актыўнае энергаспажыванне для захоўвання або абнаўлення інфармацыі — ідэальна спалучаецца з асінхроннай, кіраванай падзеямі прыродай нейраморфных вылічэнняў, што прыводзіць да амаль адсутнасці энергаспажывання, калі сістэма не працуе. П'езаэлектрычныя мікрамашынныя ультрагукавыя пераўтваральнікі (pMUTs) - гэта недарагія мініяцюрныя ультрагукавыя пераўтваральнікі на аснове крэмнія, здольныя дзейнічаць як перадатчыкі і прымачы30,31,32,33,34. Для апрацоўкі сігналаў, атрыманых убудаванымі датчыкамі, мы чэрпалі натхненне з нейраанатоміі сіпухі35,36,37. Сава Tyto alba вядомая сваімі выдатнымі здольнасцямі да начнога палявання дзякуючы вельмі эфектыўнай сістэме слыхавой лакалізацыі. Каб вылічыць месцазнаходжанне здабычы, сістэма лакалізацыі сіпухі кадуе час палёту (ToF), калі гукавыя хвалі ад здабычы дасягаюць кожнага з вушэй або гукавых рэцэптараў савы. Улічваючы адлегласць паміж вушамі, розніца паміж двума вымярэннямі ToF (Interaural Time Difference, ITD) дазваляе аналітычна вылічыць азімутнае становішча мэты. Хоць біялагічныя сістэмы дрэнна падыходзяць для вырашэння алгебраічных ураўненняў, яны могуць вырашаць задачы лакалізацыі вельмі эфектыўна. Нервовая сістэма сіпухі выкарыстоўвае набор нейронаў дэтэктара супадзенняў (CD)35 (г.зн. нейронаў, здольных выяўляць часавыя карэляцыі паміж спайкамі, якія распаўсюджваюцца ўніз да канвергентных узбуджальных канчаткаў)38,39, арганізаваных у вылічальныя графікі для вырашэння праблем пазіцыянавання.
Папярэднія даследаванні паказалі, што камплементарнае апаратнае забеспячэнне метал-аксід-паўправаднік (CMOS) і нейраморфнае абсталяванне на аснове RRAM, натхнёнае ніжнім бугоркам («слыхавая кара») сіпухі, з'яўляецца эфектыўным метадам для вылічэння пазіцыі з выкарыстаннем ITD13, 40, 41, 42, 43 , 44, 45, 46. Аднак ст патэнцыял поўных нейраморфных сістэм, якія звязваюць слыхавыя сігналы з нейраморфнымі вылічальнымі графамі, яшчэ не прадэманстраваны. Асноўная праблема - гэта ўласцівая зменлівасць аналагавых схем CMOS, якая ўплывае на дакладнасць выяўлення супадзенняў. Нядаўна былі прадэманстраваны альтэрнатыўныя лікавыя рэалізацыі ацэнак ITD47. У гэтым артыкуле мы прапануем выкарыстоўваць здольнасць RRAM змяняць значэнне праводнасці энерганезалежным спосабам, каб супрацьстаяць зменлівасці ў аналагавых схемах. Мы ўкаранілі эксперыментальную сістэму, якая складаецца з адной перадаючай мембраны pMUT, якая працуе на частаце 111,9 кГц, двух прыёмных мембран (датчыкаў) pMUT, якія імітуюць вушы сіпухі, і аднаго . Мы эксперыментальна ахарактарызавалі сістэму выяўлення pMUT і вылічальны графік ITD на аснове RRAM, каб праверыць нашу сістэму лакалізацыі і ацаніць яе вуглавое дазвол.
Мы параўноўваем наш метад з лічбавай рэалізацыяй на мікракантролеры, які выконвае тую ж задачу лакалізацыі з выкарыстаннем звычайных метадаў фарміравання прамяня або нейраморфных метадаў, а таксама з праграмавальнай варотнай рашоткай (FPGA) для ацэнкі ITD, прапанаванай у даведцы. 47. Гэта параўнанне падкрэслівае канкурэнтную энергетычную эфектыўнасць прапанаванай аналагавай нейроморфной сістэмы на аснове RRAM.
Адзін з найбольш яркіх прыкладаў дакладнай і эфектыўнай сістэмы лакалізацыі аб'ектаў можна знайсці ў пугача35,37,48. На змярканні і світанні сіпуха (Tyto Alba) у першую чаргу разлічвае на пасіўнае прыслухоўванне, актыўна шукаючы дробную здабычу, напрыклад, палёвак або мышэй. Гэтыя эксперты па слыху могуць лакалізаваць слыхавыя сігналы ад здабычы з дзіўнай дакладнасцю (каля 2°)35, як паказана на мал. 1а. Сіпухі робяць выснову аб размяшчэнні крыніц гуку ў азімутальнай (гарызантальнай) плоскасці па розніцы часу палёту (ITD) ад крыніцы гуку да двух вушэй. Вылічальны механізм ITD быў прапанаваны Jeffress49,50, які абапіраецца на нейронавую геаметрыю і патрабуе двух ключавых кампанентаў: аксона, нервовага валакна нейрона, якое дзейнічае як лінія затрымкі, і масіва нейронаў-дэтэктараў супадзенняў, арганізаваных у вылічальную сістэму. графік, як паказана на малюнку 1b. Гук даходзіць да вуха з затрымкай, якая залежыць ад азімута (ITD). Затым гук пераўтворыцца ў шыпоў у кожным вуху. Аксоны левага і правага вуха дзейнічаюць як лініі затрымкі і сыходзяцца на нейронах CD. Тэарэтычна, толькі адзін нейрон у масіве супадаючых нейронаў будзе атрымліваць уваходныя сігналы за раз (дзе затрымка дакладна анулюецца) і будзе спрацоўваць максімальна (суседнія клеткі таксама будуць спрацоўваць, але з больш нізкай частатой). Актывацыя пэўных нейронаў кадуе становішча мэты ў прасторы без далейшага пераўтварэння ITD у куты. Гэтая канцэпцыя абагульняецца на малюнку 1c: напрыклад, калі гук паступае з правага боку, калі ўваходны сігнал з правага вуха праходзіць больш доўгі шлях, чым шлях з левага вуха, кампенсуючы, напрыклад, колькасць ITD, калі нейрон 2 адпавядае. Іншымі словамі, кожны CD рэагуе на пэўны ITD (таксама вядомы як аптымальная затрымка) з-за затрымкі аксона. Такім чынам, мозг пераўтворыць часовую інфармацыю ў прасторавую. Анатамічныя доказы гэтага механізму былі знойдзены37,51. Макрануклеарныя нейроны з фазавай блакіроўкай захоўваюць часовую інфармацыю аб уваходных гуках: як вынікае з іх назвы, яны спрацоўваюць на пэўных фазах сігналу. Нейроны дэтэктара супадзенняў мадэлі Джэфраса можна знайсці ў ламінарным ядры. Яны атрымліваюць інфармацыю ад макронуклеарных нейронаў, аксоны якіх дзейнічаюць як лініі затрымкі. Колькасць затрымкі, якую забяспечвае лінія затрымкі, можна растлумачыць даўжынёй аксона, а таксама іншай карцінай миелинизации, якая змяняе хуткасць правядзення. Натхніўшыся слыхавой сістэмай сіпухі, мы распрацавалі біяміметычную сістэму лакалізацыі аб'ектаў. Два вуха прадстаўлены двума прыёмнікамі pMUT. Крыніцай гуку з'яўляецца перадатчык pMUT, размешчаны паміж імі (мал. 1a), а вылічальны графік утвораны сеткай схем CD на аснове RRAM (мал. 1b, зялёны), якія выконваюць ролю нейронаў CD, уваходныя сігналы якіх затрымліваюцца. праз ланцуг лініі затрымкі (сінія) дзейнічаюць як аксоны ў біялагічным аналоге. Прапанаваная сэнсарная сістэма адрозніваецца працоўнай частатой ад слыхавой сістэмы савы, чыя слыхавая сістэма працуе ў дыяпазоне 1-8 кГц, але ў гэтай працы выкарыстоўваюцца датчыкі pMUT, якія працуюць на частаце каля 117 кГц. Выбар ультрагукавога пераўтваральніка разглядаецца ў адпаведнасці з тэхнічнымі і аптымізацыйнымі крытэрамі. Па-першае, абмежаванне прапускной здольнасці прыёму адной частатой у ідэале павышае дакладнасць вымярэнняў і спрашчае этап пост-апрацоўкі. Акрамя таго, ультрагукавая праца мае тую перавагу, што выпраменьваныя імпульсы не чутныя, таму не турбуюць людзей, так як іх слыхавы дыяпазон ~20-20 кГц.
сіпуха атрымлівае гукавыя хвалі ад мэты, у дадзеным выпадку ад перамяшчэння здабычы. Час пралёту (ToF) гукавой хвалі адрозніваецца для кожнага вуха (калі здабыча не знаходзіцца непасрэдна перад савой). Пункцірам паказаны шлях, па якім гукавыя хвалі дасягаюць вушэй сіпухі. Здабычу можна дакладна лакалізаваць у гарызантальнай плоскасці на падставе розніцы ў даўжыні двух акустычных шляхоў і адпаведнай міжвушной розніцы часу (ITD) (левая выява натхнёная спасылкай 74, аўтарскае права 2002 г., Таварыства неўралогіі). У нашай сістэме перадатчык pMUT (цёмна-сіні) стварае гукавыя хвалі, якія адскокваюць ад мэты. Адлюстраваныя ультрагукавыя хвалі прымаюцца двума прыёмнікамі pMUT (светла-зялёны) і апрацоўваюцца нейраморфным працэсарам (справа). b Вылічальная мадэль ITD (Jeffress), якая апісвае, як гукі, якія пранікаюць у вушы сіпухі, спачатку кадуюцца ў выглядзе фазавых шыпоў у вялікім ядры (NM), а затым з дапамогай геаметрычна арганізаванай сеткі адпаведных нейронаў-дэтэктараў у пласціністым ядры. Апрацоўка (Нідэрланды) (злева). Ілюстрацыя вылічальнага графіка neuroITD, які спалучае лініі затрымкі і нейроны дэтэктара супадзенняў, біясенсарную сістэму савы можна мадэляваць з дапамогай нейраморфных схем на аснове RRAM (справа). c Схема асноўнага механізму Джэфрыса, з-за розніцы ў ToF два вушы атрымліваюць гукавыя стымулы ў розны час і пасылаюць аксоны з абодвух канцоў да дэтэктара. Аксоны з'яўляюцца часткай серыі нейронаў дэтэктара супадзенняў (CD), кожны з якіх выбарачна рэагуе на ўваходныя сігналы, моцна карэляваныя з часам. У выніку максімальна ўзбуджаюцца толькі кампакт-дыскі, чые ўваходы паступаюць з найменшай розніцай у часе (ITD дакладна кампенсуецца). Затым кампакт-дыск будзе кадаваць вуглавое становішча мэты.
П'езаэлектрычныя мікрамеханічныя ультрагукавыя пераўтваральнікі - гэта маштабуемыя ультрагукавыя пераўтваральнікі, якія могуць быць інтэграваны з перадавой тэхналогіяй CMOS31,32,33,52 і маюць меншае пачатковае напружанне і энергаспажыванне, чым традыцыйныя аб'ёмныя пераўтваральнікі53. У нашай працы дыяметр мембраны складае 880 мкм, а рэзанансная частата размяркоўваецца ў дыяпазоне 110-117 кГц (мал. 2а, падрабязна гл. Метады). У партыі з дзесяці тэставых прылад сярэдні каэфіцыент якасці склаў каля 50 (спасылка 31). Тэхналогія дасягнула прамысловай сталасці і сама па сабе не з'яўляецца біяінспіраванай. Камбінаванне інфармацыі з розных плёнак pMUT з'яўляецца добра вядомай тэхнікай, і інфармацыю аб куце можна атрымаць з pMUT, выкарыстоўваючы, напрыклад, метады фарміравання прамяня31,54. Аднак апрацоўка сігналу, неабходная для атрымання інфармацыі аб куце, не падыходзіць для вымярэнняў нізкай магутнасці. Прапанаваная сістэма аб'ядноўвае нейраморфную схему папярэдняй апрацоўкі даных pMUT з нейраморфным вылічальным графам на аснове RRAM, натхнёным мадэллю Джэфрыса (малюнак 2c), забяспечваючы альтэрнатыўнае энергаэфектыўнае апаратнае рашэнне з абмежаванымі рэсурсамі. Мы правялі эксперымент, у якім два датчыка pMUT былі размешчаны прыблізна на адлегласці 10 см адзін ад аднаго, каб выкарыстоўваць розныя гукі ToF, атрыманыя дзвюма прыёмнымі мембранамі. Адзін pMUT, які дзейнічае як перадатчык, знаходзіцца паміж прымачамі. Мішэнню ўяўлялася ПВХ-пласціна шырынёй 12 см, размешчаная на адлегласці D перад прыладай pMUT (мал. 2б). Прыёмнік запісвае гук, адлюстраваны ад аб'екта, і максімальна рэагуе падчас праходжання гукавой хвалі. Паўтарыце эксперымент, змяніўшы становішча аб'екта, вызначанае адлегласцю D і вуглом θ. Натхнёны спасылкай. 55, мы прапануем нейраморфную папярэднюю апрацоўку зыходных сігналаў pMUT для пераўтварэння адлюстраваных хваль у пікі для ўводу нейроморфного вылічальнага графіка. ToF, які адпавядае пікавай амплітудзе, здабываецца з кожнага з двух каналаў і кадуецца як дакладны час асобных пікаў. На мал. На малюнку 2c паказана схема, неабходная для ўзаемадзеяння датчыка pMUT з вылічальным графікам на аснове RRAM: для кожнага з двух прымачоў pMUT неапрацаваны сігнал фільтруецца паласавой фільтрацыяй для згладжвання, выпраўлення і затым перадаецца ў інтэгратар з уцечкай у рэжыме пераадолення. дынамічны парог (мал. 2d) стварае выходную падзею (ўсплёск) і спрацоўванне (LIF) нейрона: час выхаднога ўсплёску кадуе выяўлены час палёту. Парог LIF адкалібраваны ў адпаведнасці з адказам pMUT, тым самым памяншаючы зменлівасць pMUT ад прылады да прылады. Пры такім падыходзе замест таго, каб захоўваць усю гукавую хвалю ў памяці і апрацоўваць яе пазней, мы проста генеруем пік, які адпавядае ToF гукавой хвалі, які ўтварае ўваходныя дадзеныя для вылічальнага графіка рэзістыўнай памяці. Пікі накіроўваюцца непасрэдна на лініі затрымкі і паралелізуюцца з модулямі выяўлення супадзенняў у нейраморфных вылічальных графах. Паколькі яны накіроўваюцца на засаўкі транзістараў, дадатковыя схемы ўзмацнення не патрабуюцца (падрабязнасці гл. Дадатковы мал. 4). Каб ацаніць вуглавую дакладнасць лакалізацыі, якую забяспечвае pMUT і прапанаваны метад апрацоўкі сігналу, мы вымералі ITD (гэта значыць розніцу ў часе паміж пікавымі падзеямі, якія генерыруюцца двума прымачамі), калі адлегласць і кут аб'екта змяняліся. Затым аналіз ITD быў ператвораны ў куты (гл. Метады) і нанесены на графік у залежнасці ад становішча аб'екта: нявызначанасць у вымераным ITD павялічвалася з адлегласцю і вуглом да аб'екта (мал. 2e,f). Асноўная праблема - стаўленне пік-шум (PNR) у адказе pMUT. Чым далей аб'ект, тым ніжэйшы гукавы сігнал, тым самым памяншаючы PNR (мал. 2f, зялёная лінія). Зніжэнне PNR прыводзіць да павелічэння нявызначанасці ў ацэнцы ITD, што прыводзіць да павелічэння дакладнасці лакалізацыі (мал. 2f, сіняя лінія). Для аб'екта на адлегласці 50 см ад перадатчыка вуглавая дакладнасць сістэмы складае прыкладна 10°. Гэта абмежаванне, якое накладваецца на характарыстыкі датчыка, можна палепшыць. Напрыклад, можна павялічыць ціск, які пасылае выпраменьвальнік, павялічваючы тым самым напружанне, якое рухае мембрану pMUT. Іншым рашэннем для ўзмацнення перадаванага сігналу з'яўляецца падключэнне некалькіх перадатчыкаў 56. Гэтыя рашэнні павялічаць далёкасць выяўлення за кошт павелічэння выдаткаў на энергію. Дадатковыя паляпшэнні могуць быць зроблены на прымаючым баку. Шумны ўзровень прымача pMUT можа быць значна зніжаны за кошт паляпшэння злучэння паміж pMUT і ўзмацняльнікам першага каскаду, што ў цяперашні час робіцца з праваднымі злучэннямі і кабелямі RJ45.
Выява крышталя pMUT з шасцю мембранамі 880 мкм, убудаванымі з крокам 1,5 мм. b Схема вымяральнай устаноўкі. Мэта размешчана ў становішчы азімута θ і на адлегласці D. Перадатчык pMUT генеруе сігнал 117,6 кГц, які адскоквае ад мэты і дасягае двух прыёмнікаў pMUT з розным часам палёту (ToF). Гэтая розніца, якая вызначаецца як межслыхавая розніца ў часе (ITD), кадуе становішча аб'екта і можа быць ацэненая шляхам ацэнкі пікавай рэакцыі двух датчыкаў прымача. c Схема этапаў папярэдняй апрацоўкі для пераўтварэння неапрацаванага сігналу pMUT у спайк-паслядоўнасці (г.зн. увод у нейраморфны вылічальны графік). Датчыкі pMUT і нейраморфныя вылічальныя графікі былі выраблены і пратэставаны, а нейраморфная папярэдняя апрацоўка заснавана на праграмным мадэляванні. d Рэакцыя мембраны pMUT пры атрыманні сігналу і яго трансфармацыі ў спайк-дамен. e Эксперыментальная вуглавая дакладнасць лакалізацыі як функцыя вугла аб'екта (Θ) і адлегласці (D) да мэтавага аб'екта. Метад экстракцыі ITD патрабуе мінімальнага вуглавога дазволу прыблізна 4°C. f Кутняя дакладнасць (сіняя лінія) і адпаведнае стаўленне пік-шум (зялёная лінія) у залежнасці ад адлегласці аб'екта для Θ = 0.
Рэзістыўная памяць захоўвае інфармацыю ў энерганезалежным стане. Асноўны прынцып метаду заключаецца ў тым, што мадыфікацыя матэрыялу на атамным узроўні выклікае змяненне яго электраправоднасці57. Тут мы выкарыстоўваем рэзістыўную памяць на аснове аксіду, якая складаецца з 5-нм пласта дыяксіду гафнію, заціснутага паміж верхнім і ніжнім тытанавымі і нітрыднымі тытанавымі электродамі. Праводнасць прылад RRAM можна змяніць шляхам прымянення формы сігналу току/напружання, які стварае або разрывае токаправодныя ніткі кіслародных вакансій паміж электродамі. Мы сумесна інтэгравалі такія прылады58 у стандартны працэс 130 нм CMOS, каб стварыць вырабленую рэканфігураваную нейраморфную схему, якая рэалізуе дэтэктар супадзенняў і лінію затрымкі (мал. 3а). Энерганезалежная і аналагавая прырода прылады ў спалучэнні з кіраванай падзеямі прыродай нейраморфнай схемы мінімізуе энергаспажыванне. Схема мае функцыю імгненнага ўключэння/выключэння: яна спрацоўвае адразу пасля ўключэння, што дазваляе цалкам адключыць сілкаванне, калі схема не працуе. Асноўныя блокі прапанаванай схемы паказаны на мал. 3б. Ён складаецца з N паралельных аднарэзістарных аднатранзістарных структур (1T1R), якія кадуюць сінаптычныя вагі, з якіх узважаныя токі бяруцца, уводзяць у агульны сінапс інтэгратара дыферэнцыяльнай пары (DPI)59 і, нарэшце, уводзяць у сінапс з інтэграцыяй і уцечка. актываваны (LIF) нейрон 60 (падрабязней гл. Метады). Уваходныя ўсплёскі падаюцца на затвор структуры 1T1R у выглядзе паслядоўнасці імпульсаў напружання працягласцю парадку сотняў нанасекунд. Рэзістыўная памяць можа быць пераведзена ў стан з высокай праводнасцю (HCS) шляхам прымянення знешняга станоўчага апорнага сігналу да Vtop, калі Vbottom зазямлены, і пераўсталявана ў стан з нізкай праводнасцю (LCS) шляхам падачы станоўчага напружання да Vbottom, калі Vtop зазямлены. Сярэдняе значэнне HCS можна кантраляваць, абмяжоўваючы ток праграмавання (адпаведнасць) SET (ICC) напругай затвор-выток паслядоўнага транзістара (мал. 3c). Функцыі RRAM у схеме дваякія: яны накіроўваюць і ўзважваюць уваходныя імпульсы.
Выява з дапамогай сканіруючага электроннага мікраскопа (SEM) сіняй прылады HfO2 1T1R RRAM, інтэграванай у тэхналогію 130 нм CMOS з селектарнымі транзістарамі (шырынёй 650 нм), зялёнага колеру. b Асноўныя будаўнічыя блокі прапанаванай нейроморфной схемы. Імпульсы ўваходнага напружання (пікі) Vin0 і Vin1 спажываюць ток Iweight, які прапарцыйны станам праводнасці G0 і G1 структуры 1T1R. Гэты ток уводзіцца ў сінапсы DPI і ўзбуджае нейроны LIF. RRAM G0 і G1 устаноўлены ў HCS і LCS адпаведна. c Функцыя сукупнай шчыльнасці праводнасці для групы прылад 16K RRAM як функцыя ўзгаднення току ICC, якая эфектыўна кантралюе ўзровень праводнасці. d Вымярэнні ланцуга ў (a) паказваюць, што G1 (у LCS) эфектыўна блакуе ўваход з Vin1 (зялёны), і сапраўды напружанне мембраны выхаднога нейрона рэагуе толькі на сіні ўваход з Vin0. RRAM эфектыўна вызначае злучэнні ў ланцугу. e Вымярэнне ланцуга ў (b), якое паказвае ўплыў значэння праводнасці G0 на напружанне мембраны Vmem пасля падачы імпульсу напружання Vin0. Чым больш праводнасць, тым мацней адказ: такім чынам, прылада RRAM рэалізуе ўзважванне злучэння ўводу/вываду. Вымярэнні былі зроблены на схеме і дэманструюць двайную функцыю RRAM, маршрутызацыю і ўзважванне ўваходных імпульсаў.
Па-першае, паколькі існуюць два асноўныя стану праводнасці (HCS і LCS), RRAM могуць блакіраваць або прапускаць ўваходныя імпульсы, калі яны знаходзяцца ў станах LCS або HCS адпаведна. У выніку RRAM эфектыўна вызначае злучэнні ў ланцугу. Гэта з'яўляецца асновай для магчымасці рэканфігурацыі архітэктуры. Каб прадэманстраваць гэта, мы апішам сфабрыкаваную схему рэалізацыі схемнага блока на мал. 3b. RRAM, якая адпавядае G0, запраграмавана ў HCS, а другая RRAM G1 запраграмавана ў LCS. Уваходныя імпульсы падаюцца як на Vin0, так і на Vin1. Эфекты дзвюх паслядоўнасцей уваходных імпульсаў былі прааналізаваны ў выходных нейронах шляхам збору напружання мембраны нейронаў і выхаднога сігналу з дапамогай асцылографа. Эксперымент быў паспяховым, калі толькі прылада HCS (G0) было падключана да імпульсу нейрона для стымуляцыі нацяжэння мембраны. Гэта паказана на малюнку 3d, дзе сіняя серыя імпульсаў выклікае назапашванне мембраннага напружання на мембранным кандэнсатары, у той час як зялёная серыя імпульсаў падтрымлівае пастаяннае напружанне на мембране.
Другая важная функцыя RRAM - рэалізацыя вагаў злучэнняў. Выкарыстоўваючы аналагавую рэгуляванне праводнасці RRAM, злучэнні ўводу/вываду могуць быць адпаведна ўзважаныя. У другім эксперыменце прылада G0 было запраграмавана на розныя ўзроўні HCS, і ўваходны імпульс падавалася на ўваход VIn0. Уваходны імпульс выцягвае з прылады ток (Iweight), які прапарцыянальны праводнасці і адпаведнаму падзенню патэнцыялу Vtop − Vbot. Затым гэты ўзважаны ток уводзіцца ў сінапсы DPI і выходныя нейроны LIF. Мембраннае напружанне выходных нейронаў было запісана з дапамогай асцылографа і адлюстравана на мал. 3d. Пік напружання мембраны нейрона ў адказ на адзінкавы ўваходны імпульс прапарцыйны праводнасці рэзістыўнай памяці, дэманструючы, што RRAM можна выкарыстоўваць у якасці праграмуемага элемента сінаптычнай вагі. Гэтыя два папярэднія выпрабаванні паказваюць, што прапанаваная нейраморфная платформа на аснове RRAM здольная рэалізаваць асноўныя элементы асноўнага механізму Джэфрыса, а менавіта лінію затрымкі і схему дэтэктара супадзенняў. Платформа ланцуга пабудавана шляхам складання паслядоўных блокаў побач, такіх як блокі на малюнку 3b, і злучэння іх варот з агульнай уваходнай лініяй. Мы спраектавалі, вырабілі і пратэставалі нейроморфную платформу, якая складаецца з двух выходных нейронаў, якія атрымліваюць два ўваходных сігналу (мал. 4а). Электрычная схема паказана на малюнку 4b. Верхняя матрыца 2 × 2 RRAM дазваляе накіроўваць уваходныя імпульсы на два выходныя нейроны, у той час як ніжняя матрыца 2 × 2 дазваляе перыядычныя злучэнні двух нейронаў (N0, N1). Мы дэманструем, што гэтую платформу можна выкарыстоўваць з канфігурацыяй лініі затрымкі і двума рознымі функцыямі дэтэктара супадзенняў, як паказана эксперыментальнымі вымярэннямі на мал. 4c-e.
Электрычная схема, утвораная двума выходнымі нейронамі N0 і N1, якія атрымліваюць два ўваходы 0 і 1. Верхнія чатыры прылады масіва вызначаюць сінаптычныя сувязі ад уваходу да выхаду, а ніжнія чатыры ячэйкі вызначаюць перыядычныя сувязі паміж нейронамі. Каляровыя RRAM прадстаўляюць прылады, настроеныя ў HCS справа: прылады ў HCS дазваляюць злучэння і ўяўляюць вагу, у той час як прылады ў LCS блакуюць уваходныя імпульсы і адключаюць злучэнне з выхадамі. b Схема схемы (a) з васьмю модулямі RRAM, вылучанымі сінім колерам. c Лініі затрымкі ўтвараюцца простым выкарыстаннем дынамікі сінапсаў DPI і нейронаў LIF. Зялёны RRAM настроены на досыць высокую праводнасць, каб мець магчымасць выклікаць збой на выхадзе пасля затрымкі ўваходу Δt. d Схематычная ілюстрацыя неадчувальнага да кірунку выяўлення сігналаў, якія залежаць ад часу. Выхадны нейрон 1, N1, спрацоўвае на ўваходах 0 і 1 з кароткай затрымкай. e Схема CD, адчувальная да кірунку, схема, якая вызначае, калі ўваход 1 набліжаецца да ўваходу 0 і прыходзіць пасля ўваходу 0. Выхад схемы прадстаўлены нейронам 1 (N1).
Лінія затрымкі (малюнак 4c) проста выкарыстоўвае дынамічныя паводзіны сінапсаў DPI і нейронаў LIF для прайгравання ўваходнага ўсплёску ад Vin1 да Vout1 шляхам затрымкі Tdel. Толькі G3 RRAM, падключаны да Vin1 і Vout1, запраграмаваны ў HCS, астатнія RRAM запраграмаваны ў LCS. Прылада G3 была запраграмавана на 92,6 мкс, каб гарантаваць, што кожны ўваходны імпульс павялічвае напружанне мембраны выхаднога нейрона ў дастатковай ступені, каб дасягнуць парогавага значэння і стварыць затрыманы выхадны імпульс. Затрымка Tdel вызначаецца сінаптычнай і нервовай канстантамі часу. Дэтэктары супадзенняў выяўляюць з'яўленне часова карэляваных, але прасторава размеркаваных уваходных сігналаў. CD, неадчувальны да кірунку, абапіраецца на асобныя ўваходы, якія збліжаюцца да агульнага выходнага нейрона (малюнак 4d). Два RRAM, якія злучаюць Vin0 і Vin1 з Vout1, G2 і G4 адпаведна, запраграмаваны на высокую праводнасць. Адначасовае прыбыццё шыпоў на Vin0 і Vin1 павялічвае напружанне мембраны нейрона N1 вышэй парога, неабходнага для генерацыі выхаднога ўсплёску. Калі два ўваходы знаходзяцца занадта далёка адзін ад аднаго ў часе, зарад напружання мембраны, назапашаны першым уваходам, можа паспець згаснуць, не даючы мембраннаму патэнцыялу N1 дасягнуць парогавага значэння. G1 і G2 запраграмаваны прыблізна на 65 мкс, што гарантуе, што адзін уваходны ўсплёск не павялічыць напружанне мембраны настолькі, каб выклікаць выхадны ўсплёск. Выяўленне супадзенняў паміж падзеямі, размеркаванымі ў прасторы і часе, з'яўляецца фундаментальнай аперацыяй, якая выкарыстоўваецца ў шырокім дыяпазоне задач зандзіравання, такіх як пазбяганне перашкод на аснове аптычнага патоку і лакалізацыя крыніцы гуку. Такім чынам, вылічэнне кампакт-дыскаў, адчувальных і неадчувальных да кірунку, з'яўляецца фундаментальным будаўнічым блокам для пабудовы візуальных і аўдыясістэм лакалізацыі. Як паказана характарыстыкамі канстант часу (гл. дадатковы малюнак 2), прапанаваная схема рэалізуе адпаведны дыяпазон з чатырох парадкаў часавых маштабаў. Такім чынам, ён можа адначасова адпавядаць патрабаванням візуальных і гукавых сістэм. Directional-sensitive CD - гэта схема, адчувальная да прасторавага парадку паступлення імпульсаў: справа налева і наадварот. Гэта фундаментальны будаўнічы блок у асноўнай сетцы выяўлення руху глядзельнай сістэмы дразафілы, які выкарыстоўваецца для разліку напрамкаў руху і выяўлення сутыкненняў62. Каб атрымаць адчувальны да кірунку CD, два ўваходныя сігналы павінны быць накіраваны на два розныя нейроны (N0, N1), і паміж імі павінна быць створана накіраваная сувязь (мал. 4e). Калі паступае першы ўваходны сігнал, NO рэагуе, павялічваючы напружанне на сваёй мембране вышэй парогавага значэння і адпраўляючы ўсплёск. Гэта выхадная падзея, у сваю чаргу, запускае N1 дзякуючы накіраванаму злучэнню, вылучанаму зялёным колерам. Калі паступае ўваходная падзея Vin1 і забяспечвае энергію N1, калі напружанне на яго мембране ўсё яшчэ высокае, N1 генеруе выходную падзею, якая паказвае, што было знойдзена адпаведнасць паміж двума ўваходамі. Накіраваныя злучэнні дазваляюць N1 выдаваць выхад, толькі калі ўваход 1 ідзе пасля ўваходу 0. G0, G3 і G7 запраграмаваны на 73,5 мкс, 67,3 мкс і 40,2 мкс адпаведна, гарантуючы, што адзін усплёск на ўваходзе Vin0 выклікае затрымку усплёск выхаду, у той час як мембранны патэнцыял N1 дасягае парога толькі пры ўваходзе абодвух парывы ​​паступаюць сінхранізавана. .
Зменлівасць з'яўляецца крыніцай недасканаласці мадэляваных нейроморфных сістэм63,64,65. Гэта прыводзіць да гетэрагенным паводзінам нейронаў і сінапсаў. Прыклады такіх недахопаў ўключаюць 30% (сярэдняе стандартнае адхіленне) зменлівасць уваходнага ўзмацнення, пастаяннай часу і рэфрактэрнага перыяду, каб назваць толькі некалькі (гл. Метады). Гэтая праблема становіцца яшчэ больш выяўленай, калі некалькі нейронавых ланцугоў злучаны разам, напрыклад, арыентацыйны CD, які складаецца з двух нейронаў. Каб працаваць належным чынам, канстанты часу ўзмацнення і спаду двух нейронаў павінны быць як мага падобнымі. Напрыклад, вялікая розніца ва ўзмацненні ўваходнага сігналу можа выклікаць празмерную рэакцыю аднаго нейрона на ўваходны імпульс, а другі амаль не рэагуе. На мал. Малюнак 5а паказвае, што выпадкова выбраныя нейроны па-рознаму рэагуюць на адзін і той жа ўваходны імпульс. Гэтая нервовая зменлівасць мае дачыненне, напрыклад, да функцыі кампакт-дыскаў, адчувальных да кірунку. На схеме, паказанай на мал. 5b, c, уваходнае ўзмацненне нейрона 1 значна вышэйшае, чым у нейрона 0. Такім чынам, нейрону 0 патрабуецца тры ўваходных імпульсу (замест 1), каб дасягнуць парога, а нейрону 1, як і чакалася, патрэбныя два ўваходныя падзеі. Укараненне залежнай ад часу біяміметычнай пластычнасці (STDP) з'яўляецца магчымым спосабам змякчэння ўздзеяння недакладных і млявых нервовых і сінаптычных ланцугоў на прадукцыйнасць сістэмы43. Тут мы прапануем выкарыстоўваць пластычнае паводзіны рэзістыўнай памяці як сродак уплыву на ўзмацненне нейронавага ўводу і памяншэння эфектаў зменлівасці нейроморфных ланцугоў. Як паказана на мал. 4e, ўзроўні праводнасці, звязаныя з сінаптычнай масай RRAM, эфектыўна мадулююць адпаведную рэакцыю напругі нервовай мембраны. Мы выкарыстоўваем ітэрацыйную стратэгію праграмавання RRAM. Для зададзенага ўваходу значэнні праводнасці сінаптычных вагаў перапраграмуюцца, пакуль не будзе атрымана мэтавае паводзіны схемы (гл. Метады).
a Эксперыментальныя вымярэнні рэакцыі дзевяці выпадкова выбраных асобных нейронаў на адзін і той жа ўваходны імпульс. Рэакцыя вар'іруецца ў залежнасці ад групы насельніцтва, што ўплывае на ўзмацненне ўваходнага сігналу і канстанту часу. b Эксперыментальныя вымярэнні ўплыву нейронаў на зменлівасць нейронаў, якія ўплываюць на CD, адчувальную да кірунку. Два адчувальных да кірунку выходных нейрона CD па-рознаму рэагуюць на ўваходныя стымулы з-за зменлівасці паміж нейронамі. Нейрон 0 мае больш нізкі ўваходны каэфіцыент узмацнення, чым нейрон 1, таму патрабуецца тры ўваходных імпульсу (замест 1), каб стварыць выхадны ўсплёск. Як і чакалася, нейрон 1 дасягае парога з двума ўваходнымі падзеямі. Калі ўваход 1 паступае праз Δt = 50 мкс пасля спрацоўвання нейрона 0, CD маўчыць, таму што Δt больш пастаяннай часу нейрона 1 (каля 22 мкс). c памяншаецца на Δt = 20 мкс, так што ўваход 1 дасягае піка, калі спрацоўванне нейрона 1 усё яшчэ высокае, што прыводзіць да адначасовага выяўлення дзвюх уваходных падзей.
Два элемента, якія выкарыстоўваюцца ў калонцы разліку ITD, - гэта лінія затрымкі і CD, неадчувальны да кірунку. Абедзве схемы патрабуюць дакладнай каліброўкі для забеспячэння добрай прадукцыйнасці пазіцыянавання аб'екта. Лінія затрымкі павінна забяспечваць дакладна затрыманую версію піка ўваходнага сігналу (мал. 6а), і CD павінен быць актываваны толькі тады, калі ўваход трапляе ў дыяпазон выяўлення мэты. Для лініі затрымкі сінаптычныя вагі ўваходных злучэнняў (G3 на мал. 4а) былі перапраграмаваныя да атрымання мэтавай затрымкі. Усталюйце допуск вакол мэтавай затрымкі, каб спыніць праграму: чым меншы допуск, тым цяжэй паспяхова ўсталяваць лінію затрымкі. На мал. На малюнку 6b паказаны вынікі працэсу каліброўкі лініі затрымкі: відаць, што прапанаваная схема можа дакладна забяспечыць усе затрымкі, неабходныя ў схеме распрацоўкі (ад 10 да 300 мкс). Максімальная колькасць ітэрацый каліброўкі ўплывае на якасць працэсу каліброўкі: 200 ітэрацый могуць знізіць хібнасць да менш чым 5%. Адна ітэрацыя каліброўкі адпавядае аперацыі ўстаноўкі/скіду ячэйкі RRAM. Працэс налады таксама мае вырашальнае значэнне для павышэння дакладнасці імгненнага выяўлення падзей закрыцця модуля CD. Спатрэбілася дзесяць ітэрацый каліброўкі, каб дасягнуць сапраўднага станоўчага паказчыка (г.зн. частаты падзей, правільна вызначаных як рэлевантныя) вышэй за 95% (сіняя лінія на малюнку 6c). Аднак працэс наладкі не паўплываў на ілжывададатныя падзеі (гэта значыць частату падзей, якія былі памылкова вызначаны як актуальныя). Іншы метад, які назіраецца ў біялагічных сістэмах для пераадолення абмежаванняў па часе хутка актываваных шляхоў, - гэта надмернасць (гэта значыць, шмат копій аднаго і таго ж аб'екта выкарыстоўваецца для выканання зададзенай функцыі). Натхнёныя біялогіяй66, мы размясцілі некалькі схем CD у кожным модулі CD паміж дзвюма лініямі затрымкі, каб паменшыць уплыў ілжывых спрацоўванняў. Як паказана на мал. 6c (зялёная лінія), размяшчэнне трох элементаў CD у кожным модулі CD можа знізіць узровень ілжывых трывог менш чым да 10–2.
Уплыў зменлівасці нейронаў на схемы ліній затрымкі. b Схемы ліній затрымкі можна маштабаваць да вялікіх затрымак, усталяваўшы вялікія значэнні для канстант часу адпаведных нейронаў LIF і сінапсаў DPI. Павелічэнне колькасці ітэрацый працэдуры каліброўкі RRAM дазволіла істотна павысіць дакладнасць мэтавай затрымкі: 200 ітэрацый знізілі хібнасць да менш чым 5%. Адна ітэрацыя адпавядае аперацыі SET/RESET у ячэйцы RRAM. Кожны модуль CD у мадэлі c Jeffress можа быць рэалізаваны з выкарыстаннем N паралельных элементаў CD для большай гнуткасці ў дачыненні да збояў сістэмы. d Большая колькасць ітэрацый каліброўкі RRAM павялічвае сапраўдную дадатную частату (сіняя лінія), у той час як ілжывая дадатная частата не залежыць ад колькасці ітэрацый (зялёная лінія). Паралельнае размяшчэнне большай колькасці элементаў CD дазваляе пазбегнуць памылковага выяўлення супадзенняў модуляў CD.
Зараз мы ацэньваем прадукцыйнасць і энергаспажыванне скразной інтэграванай сістэмы лакалізацыі аб'ектаў, паказанай на малюнку 2, выкарыстоўваючы вымярэнні акустычных уласцівасцей датчыка pMUT, CD і ланцугоў лініі затрымкі, якія складаюць нейраморфны вылічальны граф. Мадэль Джэфрэса (мал. 1а). Што тычыцца нейраморфнага вылічальнага графа, чым большая колькасць модуляў CD, тым лепш кутняе дазвол, але таксама вышэй энергія сістэмы (мал. 7а). Кампраміс можа быць дасягнуты шляхам параўнання дакладнасці асобных кампанентаў (датчыкаў pMUT, нейронаў і сінаптычных ланцугоў) з дакладнасцю ўсёй сістэмы. Дазвол лініі затрымкі абмежаваны канстантамі часу змадэляваных сінапсаў і нейронаў, якія ў нашай схеме перавышаюць 10 мкс, што адпавядае вуглавому дазволу 4° (гл. Метады). Больш прасунутыя вузлы з тэхналогіяй CMOS дазволяць распрацоўваць нервовыя і сінаптычныя схемы з меншымі канстантамі часу, што прывядзе да больш высокай дакладнасці элементаў лініі затрымкі. Аднак у нашай сістэме дакладнасць абмежаваная памылкай pMUT у ацэнцы вуглавога становішча, г.зн. 10° (сіняя гарызантальная лінія на мал. 7а). Мы зафіксавалі колькасць модуляў CD на 40, што адпавядае вуглавому дазволу каля 4 °, г.зн. вуглавой дакладнасці вылічальнага графіка (светла-блакітная гарызантальная лінія на мал. 7а). На сістэмным узроўні гэта дае дазвол 4° і дакладнасць 10° для аб'ектаў, размешчаных на адлегласці 50 см перад сістэмай датчыкаў. Гэта значэнне параўнальна з нейраморфнымі сістэмамі лакалізацыі гуку, пра якія паведамляецца ў рэф. 67. Параўнанне прапанаванай сістэмы з сучасным узроўнем тэхнікі можна знайсці ў дадатковай табліцы 1. Даданне дадатковых pMUT, павышэнне ўзроўню акустычнага сігналу і памяншэнне электроннага шуму - магчымыя спосабы далейшага павышэння дакладнасці лакалізацыі. ) ацэньваецца ў 9,7. нз. 55. Улічваючы 40 адзінак CD на вылічальным графіцы, мадэляванне SPICE ацаніла энергію на аперацыю (г.зн. энергію пазіцыянавання аб'екта) у 21,6 нДж. Нейраморфная сістэма актывуецца толькі тады, калі паступае ўваходная падзея, г.зн. калі акустычная хваля дасягае любога прымача pMUT і перавышае парог выяўлення, у адваротным выпадку яна застаецца неактыўнай. Гэта дазваляе пазбегнуць непатрэбнага спажывання энергіі пры адсутнасці ўваходнага сігналу. Улічваючы частату аперацый лакалізацыі 100 Гц і перыяд актывацыі 300 мкс на аперацыю (максімальна магчымы ITD), энергаспажыванне нейроморфного вылічальнага графа складае 61,7 нВт. З нейраморфнай папярэдняй апрацоўкай, прымененай да кожнага прымача pMUT, энергаспажыванне ўсёй сістэмы дасягае 81,6 нВт. Каб зразумець энергаэфектыўнасць прапанаванага нейраморфнага падыходу ў параўнанні са звычайным абсталяваннем, мы параўналі гэту лічбу з энергіяй, неабходнай для выканання той жа задачы на ​​сучасным мікракантролеры з нізкім энергаспажываннем з выкарыстаннем нейраморфнага або звычайнага навыку фарміравання прамяня68. Нейраморфны падыход прадугледжвае этап аналага-лічбавага пераўтваральніка (АЦП), за якім ідуць паласавы фільтр і этап вылучэння агінаючай (метад Цігера-Кайзера). Нарэшце, выконваецца парогавая аперацыя для вымання ToF. Мы прапусцілі разлік ITD на аснове ToF і пераўтварэнне ў меркаванае вуглавое становішча, паколькі гэта адбываецца адзін раз для кожнага вымярэння (гл. Метады). Пры ўмове частаты дыскрэтызацыі 250 кГц на абодвух каналах (прыёмнікі pMUT), 18 аперацый паласавога фільтра, 3 аперацый вылучэння агінаючай і 1 парогавай аперацыі на выбарку, агульнае спажыванне энергіі ацэньваецца ў 245 мікрават. Тут выкарыстоўваецца рэжым нізкага энергаспажывання мікракантролера69, які ўключаецца, калі алгарытмы не выконваюцца, што зніжае энергаспажыванне да 10,8 мкВт. Энергаспажыванне прапанаванага ў даведцы рашэння для апрацоўкі сігналу фарміравання прамяня. 31, з 5 прыёмнікамі pMUT і 11 прамянямі, раўнамерна размеркаванымі ў плоскасці азімута [-50°, +50°], складае 11,71 мВт (падрабязнасці гл. у раздзеле «Метады»). Акрамя таго, мы паведамляем пра энергаспажыванне кадавальніка рознасці часу (TDE) на аснове FPGA47, якое ацэньваецца ў 1,5 мВт у якасці замены мадэлі Джэфрыса для лакалізацыі аб'ектаў. Зыходзячы з гэтых ацэнак, прапанаваны нейроморфный падыход зніжае энергаспажыванне на пяць парадкаў у параўнанні з мікракантролерам з выкарыстаннем класічных метадаў фарміравання прамяня для аперацый лакалізацыі аб'ектаў. Прыняцце нейраморфнага падыходу да апрацоўкі сігналаў на класічным мікракантролеры зніжае энергаспажыванне прыкладна на два парадкі. Эфектыўнасць прапанаванай сістэмы можна растлумачыць спалучэннем асінхроннай аналагавай схемы з рэзістыўнай памяццю, здольнай выконваць вылічэнні ў памяці, і адсутнасцю аналага-лічбавага пераўтварэння, неабходнага для ўспрымання сігналаў.
a Кутняе дазвол (сіні) і энергаспажыванне (зялёны) аперацыі лакалізацыі ў залежнасці ад колькасці модуляў CD. Цёмна-сіняя гарызантальная паласа ўяўляе вуглавую дакладнасць PMUT, а светла-сіняя гарызантальная паласа ўяўляе вуглавую дакладнасць нейроморфного вылічальнага графіка. b Энергаспажыванне прапанаванай сістэмы і параўнанне з двума абмеркаванымі рэалізацыямі мікракантролера і лічбавай рэалізацыяй кадавальніка рознасці часу (TDE)47 FPGA.
Каб мінімізаваць энергаспажыванне сістэмы лакалізацыі мэты, мы задумалі, спраектавалі і ўкаранілі эфектыўную нейроморфную схему RRAM на аснове RRAM, якая апрацоўвае інфармацыю аб сігнале, згенераваную ўбудаванымі датчыкамі, для вылічэння становішча мэтавага аб'екта ў рэальным часе час. . У той час як традыцыйныя метады апрацоўкі бесперапынна адбіраюць выяўленыя сігналы і выконваюць вылічэнні для здабывання карыснай інфармацыі, прапанаванае нейраморфнае рашэнне выконвае вылічэнні асінхронна па меры паступлення карыснай інфармацыі, павялічваючы энергаэфектыўнасць сістэмы на пяць парадкаў. Акрамя таго, мы падкрэсліваем гнуткасць нейроморфных схем на аснове RRAM. Здольнасць RRAM змяняць праводнасць энерганезалежным чынам (пластычнасць) кампенсуе ўласцівую зменлівасць сінаптычных і нейронавых ланцугоў аналагавага DPI звышмалай магутнасці. Гэта робіць гэтую схему на аснове RRAM універсальнай і магутнай. Наша мэта складаецца не ў тым, каб вылучыць складаныя функцыі або ўзоры з сігналаў, а ў тым, каб лакалізаваць аб'екты ў рэжыме рэальнага часу. Наша сістэма таксама можа эфектыўна сціскаць сігнал і ў канчатковым выніку адпраўляць яго на далейшыя этапы апрацоўкі, каб пры неабходнасці прымаць больш складаныя рашэнні. У кантэксце прыкладанняў лакалізацыі наш этап нейраморфнай папярэдняй апрацоўкі можа даць інфармацыю пра месцазнаходжанне аб'ектаў. Гэтую інфармацыю можна выкарыстоўваць, напрыклад, для выяўлення руху або распазнання жэстаў. Мы падкрэсліваем важнасць спалучэння датчыкаў звышмалой магутнасці, такіх як pMUT, з электронікай звышмалай магутнасці. Для гэтага нейраморфныя падыходы былі ключавымі, паколькі яны прывялі нас да распрацоўкі новых схемных рэалізацый біялагічна натхнёных вылічальных метадаў, такіх як мадэль Джэфрэса. У кантэксце прыкладанняў зліцця датчыкаў наша сістэма можа спалучацца з некалькімі рознымі датчыкамі на аснове падзей для атрымання больш дакладнай інфармацыі. Нягледзячы на ​​тое, што совы выдатна знаходзяць здабычу ў цемры, яны валодаюць выдатным зрокам і выконваюць камбінаваны слыхавы і глядзельны пошук, перш чым злавіць здабычу70. Калі спрацоўвае пэўны слыхавы нейрон, сава атрымлівае інфармацыю, неабходную ёй, каб вызначыць, у якім кірунку пачаць візуальны пошук, такім чынам засяроджваючы сваю ўвагу на невялікай частцы візуальнай сцэны. Спалучэнне візуальных датчыкаў (камера DVS) і прапанаванага датчыка праслухоўвання (на аснове pMUT) варта вывучыць для распрацоўкі будучых аўтаномных агентаў.
Датчык pMUT размешчаны на друкаванай плаце з двума прымачамі прыблізна ў 10 см адзін ад аднаго, а перадатчык размешчаны паміж прымачамі. У гэтай працы кожная мембрана ўяўляе сабой падвешаную біморфную структуру, якая складаецца з двух слаёў п'езаэлектрычнага нітрыду алюмінія (AlN) таўшчынёй 800 нм, заціснутых паміж трыма пластамі малібдэна (Mo) таўшчынёй 200 нм і пакрытых пластом таўшчынёй 200 нм. верхні пасівуючы пласт SiN, як апісана ў даведцы. 71. Унутраны і вонкавы электроды наносяцца на ніжні і верхні пласты малібдэна, у той час як сярэдні малібдэнавы электрод не мае малюнка і выкарыстоўваецца ў якасці зазямлення, у выніку чаго атрымліваецца мембрана з чатырма парамі электродаў.
Гэтая архітэктура дазваляе выкарыстоўваць агульную дэфармацыю мембраны, што прыводзіць да паляпшэння адчувальнасці перадачы і прыёму. Такі pMUT звычайна дэманструе адчувальнасць узбуджэння 700 нм/В у якасці выпраменьвальніка, забяспечваючы ціск на паверхні 270 Па/В. У якасці прымача адна плёнка pMUT дэманструе адчувальнасць да кароткага замыкання 15 нА/Па, што непасрэдна звязана з п'езаэлектрычным каэфіцыентам AlN. Тэхнічная зменлівасць напружання ў пласце AlN прыводзіць да змены рэзананснай частаты, якую можна кампенсаваць шляхам прымянення зрушэння пастаяннага току да pMUT. Адчувальнасць пастаяннага току вымяралася пры 0,5 кГц/В. Для акустычнай характарыстыкі перад pMUT выкарыстоўваецца мікрафон.
Каб вымераць рэха-імпульс, мы змясцілі перад pMUT прамавугольную пласціну плошчай каля 50 см2, якая адлюстроўвае выпраменьваныя гукавыя хвалі. Як адлегласць паміж пласцінамі, так і кут адносна плоскасці pMUT кантралююцца з дапамогай спецыяльных трымальнікаў. Крыніца напружання Tectronix CPX400DP зрушвае тры мембраны pMUT, настройваючы рэзанансную частату на 111,9 кГц31, у той час як перадатчыкі кіруюцца генератарам імпульсаў Tectronix AFG 3102, наладжаным на рэзанансную частату (111,9 кГц) і працоўны цыкл 0,01. Токі, счытваныя з чатырох выхадных партоў кожнага прымача pMUT, пераўтвараюцца ў напружанне з дапамогай спецыяльнай архітэктуры дыферэнцыяльнага току і напружання, а атрыманыя сігналы алічбоўваюцца сістэмай збору даных Spektrum. Мяжа выяўлення характарызавалася фіксацыяй сігналу pMUT пры розных умовах: мы перамяшчалі адбівальнік на розныя адлегласці [30, 40, 50, 60, 80, 100] см і змянялі вугал апоры pMUT ([0, 20, 40] o ) На малюнку 2b паказана часовае дазвол выяўлення ITD у залежнасці ад адпаведнага вуглавога становішча ў градусах.
У гэтым артыкуле выкарыстоўваюцца дзве розныя схемы RRAM. Першы ўяўляе сабой масіў з 16 384 (16 000) прылад (128 × 128 прылад) у канфігурацыі 1T1R з адным транзістарам і адным рэзістарам. Другі чып - гэта нейроморфная платформа, паказаная на мал. 4а. Ячэйка RRAM складаецца з плёнкі HfO2 таўшчынёй 5 нм, убудаванай у стос TiN/HfO2/Ti/TiN. Стэк RRAM інтэграваны ў канструкцыю (BEOL) стандартнага працэсу 130 нм CMOS. Нейраморфныя схемы на аснове RRAM уяўляюць сабой складаную задачу пры распрацоўцы цалкам аналагавых электронных сістэм, у якіх прылады RRAM суіснуюць з традыцыйнай тэхналогіяй CMOS. У прыватнасці, стан праводнасці прылады RRAM неабходна счытваць і выкарыстоўваць у якасці функцыянальнай зменнай для сістэмы. З гэтай мэтай была распрацавана, выраблена і пратэставана схема, якая счытвае ток з прылады пры атрыманні ўваходнага імпульсу і выкарыстоўвае гэты ток для ўзважвання рэакцыі сінапса інтэгратара дыферэнцыяльнай пары (DPI). Гэтая схема паказана на малюнку 3а, які прадстаўляе асноўныя будаўнічыя блокі нейроморфной платформы на малюнку 4а. Уваходны імпульс актывуе засаўку прылады 1T1R, індукуючы ток праз RRAM, прапарцыйны праводнасці G прылады (Iweight = G(Vtop – Vx)). Інвертуючы ўваход схемы аперацыйнага ўзмацняльніка (ОУ) мае пастаяннае напружанне зрушэння пастаяннага току Vtop. Адмоўная зваротная сувязь аперацыйнага ўзмацняльніка забяспечыць Vx = Vtop, забяспечваючы роўны ток ад M1. Бягучы Iweight, атрыманы з прылады, уводзіцца ў сінапс DPI. Больш моцны ток прывядзе да большай дэпалярызацыі, таму праводнасць RRAM эфектыўна рэалізуе сінаптычныя вагі. Гэты экспанентны сінаптычны ток уводзіцца праз мембранны кандэнсатар нейронаў інтэграцыі і ўзбуджэння (LIF), дзе ён інтэгруецца ў выглядзе напружання. Калі парогавае напружанне мембраны (напружанне пераключэння інвертара) пераадольваецца, выхадная частка нейрона актывуецца, ствараючы выхадны ўсплёск. Гэты імпульс вяртаецца і шунтуе мембранны кандэнсатар нейрона на зямлю, выклікаючы яго разрад. Затым гэтая схема дапаўняецца пашыральнікам імпульсу (не паказаны на мал. 3а), які фарміруе выхадны імпульс нейрона LIF да мэтавай шырыні імпульсу. У кожную лінію таксама ўбудаваны мультыплексары, якія дазваляюць падаваць напружанне на верхні і ніжні электроды прылады RRAM.
Электрычныя выпрабаванні ўключаюць у сябе аналіз і запіс дынамічных паводзін аналагавых схем, а таксама праграмаванне і чытанне прылад RRAM. Абодва этапы патрабуюць спецыяльных інструментаў, усе яны падключаюцца да платы датчыкаў адначасова. Доступ да прылад RRAM у нейроморфных схемах ажыццяўляецца з вонкавых сродкаў праз мультыплексар (MUX). MUX аддзяляе ячэйку 1T1R ад астатняй схемы, да якой яна належыць, што дазваляе счытваць і/ці праграмаваць прыладу. Для праграмавання і чытання прылад RRAM выкарыстоўваецца машына Keithley 4200 SCS у спалучэнні з мікракантролерам Arduino: першы для дакладнай генерацыі імпульсаў і счытвання току, а другі для хуткага доступу да асобных элементаў 1T1R у масіве памяці. Першая аперацыя заключаецца ў фарміраванні прылады RRAM. Ячэйкі выбіраюцца адна за адной, і паміж верхнім і ніжнім электродамі падаецца станоўчае напружанне. У гэтым выпадку ток абмяжоўваецца парадку дзесяткаў мікраампер за кошт падачы адпаведнага напружання на засаўцы на транзістар селектара. Затым ячэйка RRAM можа пераключацца паміж станам з нізкай праводнасцю (LCS) і станам з высокай праводнасцю (HCS), выкарыстоўваючы аперацыі RESET і SET адпаведна. Аперацыя SET ажыццяўляецца шляхам падачы на ​​верхні электрод прамавугольнага імпульсу напружання працягласцю 1 мкс і пікавым напружаннем 2,0-2,5 У, а на верхні электрод - імпульсу сінхранізацыі аналагічнай формы з пікавым напругай 0,9-1,3 У. затвор транзістара селектара. Гэтыя значэнні дазваляюць мадуляваць праводнасць RRAM з інтэрваламі 20-150 мкс. Для RESET імпульс шырынёй 1 мкс і пікам 3 В падаецца на ніжні электрод (лінія бітаў) элемента, калі напружанне засаўкі знаходзіцца ў дыяпазоне 2,5-3,0 В. Уваходы і выхады аналагавых ланцугоў з'яўляюцца дынамічнымі сігналамі . Для ўводу мы перамяжоўвалі два генератары імпульсаў HP 8110 з генератарамі сігналаў Tektronix AFG3011. Уваходны імпульс мае шырыню 1 мкс і фронт нарастання/падзення 50 нс. Мяркуецца, што гэты тып імпульсу з'яўляецца тыповым збоем у аналагавых схемах на аснове збояў. Што тычыцца выхаднога сігналу, то выхадны сігнал быў запісаны з дапамогай асцылографа Teledyne LeCroy 1 Ггц. Было даказана, што хуткасць збору дадзеных асцылографа не з'яўляецца абмежавальным фактарам пры аналізе і зборы даных схемы.
Выкарыстанне дынамікі аналагавай электронікі для мадэлявання паводзін нейронаў і сінапсаў з'яўляецца элегантным і эфектыўным рашэннем для павышэння эфектыўнасці вылічэнняў. Недахоп гэтай вылічальнай асновы ў тым, што яна будзе адрознівацца ад схемы да схемы. Мы колькасна ацанілі зменлівасць нейронаў і сінаптычных ланцугоў (дадатковы мал. 2а, б). З усіх праяў зменлівасці найбольшы ўплыў на сістэмным узроўні аказваюць тыя, якія звязаны з канстантамі часу і ўзмацненнем уваходнага сігналу. Пастаянная часу нейрона LIF і сінапса DPI вызначаецца RC-ланцугом, дзе значэнне R кантралюецца напругай зрушэння, якая падаецца на засаўку транзістара (Vlk для нейрона і Vtau для сінапса), вызначаючы хуткасць уцечкі. Уваходнае ўзмацненне вызначаецца як пікавае напружанне, якое дасягаецца сінаптычнымі і нейрональнымі мембраннымі кандэнсатарамі, стымулюемым уваходным імпульсам. Уваходнае ўзмацненне кантралюецца іншым транзістарам зрушэння, які мадулюе ўваходны ток. Мадэляванне па Монтэ-Карла, адкалібраванае па 130-нм тэхпрацэсе ST Microelectronics, было выканана для збору некаторай статыстыкі ўзмацнення ўваходнага сігналу і пастаяннай часу. Вынікі прадстаўлены на дадатковым малюнку 2, дзе уваходнае ўзмацненне і пастаянная часу вызначаюцца колькасна як функцыя напружання зрушэння, якое кантралюе хуткасць уцечкі. Зялёныя маркеры колькасна вызначаюць стандартнае адхіленне пастаяннай часу ад сярэдняга значэння. І нейроны, і сінаптычныя ланцугі змаглі выказаць шырокі дыяпазон канстант часу ў дыяпазоне 10-5-10-2 с, як паказана на схеме дадатковага малюнка. Уваходнае ўзмацненне (дадатковы мал. 2e, d) зменлівасці нейронаў і сінапсаў складала прыблізна 8% і 3% адпаведна. Такі недахоп добра дакументаваны ў літаратуры: розныя вымярэнні былі выкананы на масіве чыпаў DYNAP для ацэнкі неадпаведнасці паміж папуляцыямі нейронаў LIF63. Былі вымераны сінапсы ў чыпе змешаных сігналаў BrainScale і прааналізаваны іх неадпаведнасці, а таксама была прапанавана працэдура каліброўкі, каб паменшыць уплыў зменлівасці на сістэмным узроўні64.
Функцыя RRAM у нейраморфных схемах дваякая: вызначэнне архітэктуры (маршрутызацыя ўваходаў да выхадаў) і рэалізацыя сінаптычных вагаў. Апошняя ўласцівасць можа быць выкарыстана для вырашэння праблемы зменлівасці змадэляваных нейроморфных схем. Мы распрацавалі простую працэдуру каліброўкі, якая прадугледжвае перапраграмаванне прылады RRAM, пакуль аналізаваная схема не будзе адпавядаць пэўным патрабаванням. Для дадзенага ўводу кантралюецца выхад, і RRAM перапраграмуецца да дасягнення мэтавых паводзін. Быў уведзены час чакання 5 с паміж аперацыямі праграмавання, каб вырашыць праблему рэлаксацыі RRAM, якая прыводзіць да пераходных ваганняў праводнасці (дадатковая інфармацыя). Сінаптычныя вагі карэктуюцца або калібруюцца ў адпаведнасці з патрабаваннямі нейраморфнай схемы, якая мадэлюецца. Працэдура каліброўкі абагульнена ў дадатковых алгарытмах [1, 2], якія сканцэнтраваны на дзвюх фундаментальных асаблівасцях нейраморфных платформ, лініях затрымкі і CD, неадчувальных да кірунку. Для схемы з лініяй затрымкі мэтавым паводзінамі з'яўляецца забеспячэнне выхаднога імпульсу з затрымкай Δt. Калі фактычная затрымка ланцуга меншая за мэтавае значэнне, сінаптычны вага G3 павінен быць зменшаны (G3 павінен быць скінуты, а затым усталяваны на больш нізкі ток адпаведнасці Icc). І наадварот, калі фактычная затрымка большая за мэтавае значэнне, праводнасць G3 павінна быць павялічана (G3 трэба спачатку скінуць, а потым усталяваць больш высокае значэнне Icc). Гэты працэс паўтараецца да таго часу, пакуль затрымка, створаная ланцугом, не супадзе з мэтавым значэннем і не будзе ўстаноўлена допуск, каб спыніць працэс каліброўкі. Для кампакт-дыскаў, неадчувальных да арыентацыі, у працэсе каліброўкі ўдзельнічаюць дзве прылады RRAM, G1 і G3. Гэтая схема мае два ўваходы, Vin0 і Vin1, з затрымкай на dt. Схема павінна рэагаваць толькі на затрымкі ніжэй адпаведнага дыяпазону [0,dtCD]. Калі выхадны пік адсутнічае, але ўваходны пік блізкі, абедзве прылады RRAM павінны быць павялічаны, каб дапамагчы нейрону дасягнуць парогавага значэння. І наадварот, калі схема рэагуе на затрымку, якая перавышае мэтавы дыяпазон dtCD, праводнасць павінна быць зменшана. Паўтарайце працэс, пакуль не атрымаецца правільнае паводзіны. Ток адпаведнасці можа быць мадуляваны з дапамогай убудаванай аналагавай схемы ў спасылкай. 72,73. З дапамогай гэтай убудаванай схемы такія працэдуры можна выконваць перыядычна для каліброўкі сістэмы або паўторнага выкарыстання для іншага прымянення.
Мы ацэньваем энергаспажыванне нашага нейраморфнага падыходу да апрацоўкі сігналаў на стандартным 32-бітным мікракантролеры68. У гэтай ацэнцы мы мяркуем працу з той жа наладай, што і ў гэтым артыкуле, з адным перадатчыкам pMUT і двума прымачамі pMUT. У гэтым метадзе выкарыстоўваецца паласавы фільтр, за якім ідзе этап вылучэння агінаючай (Тыгера-Кайзера), і, нарэшце, да сігналу прымяняецца аперацыя парогавага значэння для вылучэння часу палёту. Разлік ITD і яго пераўтварэнне ў вуглы выяўлення пры ацэнцы апушчаны. Мы разглядаем рэалізацыю паласавога фільтра з выкарыстаннем фільтра бясконцай імпульснай характарыстыкі 4-га парадку, які патрабуе 18 аперацый з плаваючай коскай. Выманне канверта выкарыстоўвае яшчэ тры аперацыі з плаваючай коскай, і апошняя аперацыя выкарыстоўваецца для ўстаноўкі парогавага значэння. Для папярэдняй апрацоўкі сігналу патрабуецца 22 аперацыі з плаваючай коскай. Перададзены сігнал уяўляе сабой кароткі ўсплёск сінусоіднай формы 111,9 кГц, які генеруецца кожныя 10 мс, у выніку чаго працоўная частата пазіцыянавання складае 100 Гц. Мы выкарысталі частату дыскрэтызацыі 250 кГц, каб адпавядаць патрабаванням Найквіста, і акно ў 6 мс для кожнага вымярэння, каб захапіць дыяпазон у 1 метр. Звярніце ўвагу, што 6 мілісекунд - гэта час палёту аб'екта, які знаходзіцца на адлегласці 1 метра. Гэта забяспечвае энергаспажыванне 180 мкВт для аналагава-цыфравага пераўтварэння з хуткасцю 0,5 MSPS. Папярэдняя апрацоўка сігналу складае 6,60 MIPS (інструкцый у секунду), генеруючы 0,75 мВт. Аднак мікракантролер можа пераключыцца ў рэжым нізкага энергаспажывання 69, калі алгарытм не працуе. Гэты рэжым забяспечвае статычнае энергаспажыванне 10,8 мкВт і час абуджэння 113 мкс. Улічваючы тактавую частату 84 МГц, мікракантролер выконвае ўсе аперацыі нейраморфнага алгарытму на працягу 10 мс, і алгарытм разлічвае працоўны цыкл 6,3%, такім чынам, выкарыстоўваючы рэжым нізкай магутнасці. Выніковая рассейваная магутнасць складае 244,7 мкВт. Звярніце ўвагу, што мы апускаем выхад ITD з ToF і пераўтварэнне ў кут выяўлення, такім чынам недаацэньваючы энергаспажыванне мікракантролера. Гэта дае дадатковую каштоўнасць для энергаэфектыўнасці прапанаванай сістэмы. У якасці дадатковай умовы параўнання мы ацэньваем энергаспажыванне класічных метадаў фарміравання прамяня, прапанаваных у даведцы. 31,54 пры ўбудаванні ў той жа мікракантролер68 пры напрузе харчавання 1,8 В. Пяць раўнамерна размешчаных мембран pMUT выкарыстоўваюцца для атрымання даных для фарміравання прамяня. Што тычыцца самой апрацоўкі, выкарыстоўваецца метад фарміравання прамяня - гэта сумаванне затрымкі. Ён проста складаецца з прымянення затрымкі да палос, якая адпавядае чаканай розніцы ў часе прыбыцця паміж адной паласой і эталоннай паласой. Калі сігналы знаходзяцца ў фазе, сума гэтых сігналаў будзе мець высокую энергію пасля зруху ў часе. Калі яны не па фазе, дэструктыўнае ўмяшанне абмяжуе энергію іх сумы. у адносінах. На мал. 31, частата дыскрэтызацыі 2 МГц выбіраецца для зруху дадзеных у часе на цэлую колькасць выбарак. Больш сціплы падыход заключаецца ў падтрыманні больш грубай частаты дыскрэтызацыі 250 кГц і выкарыстанні фільтра канчатковай імпульснай характарыстыкі (FIR) для сінтэзу дробавых затрымак. Мы выкажам здагадку, што складанасць алгарытму фарміравання прамяня ў асноўным вызначаецца часавым зрухам, так як кожны канал згортваецца з FIR-фільтрам з 16 адводамі ў кожным кірунку. Каб вылічыць колькасць MIPS, неабходнае для гэтай аперацыі, мы разглядаем акно ў 6 мс на вымярэнне для ахопу дыяпазону ў 1 метр, 5 каналаў, 11 напрамкаў фарміравання прамяня (дыяпазон +/- 50° з крокам 10°). 75 вымярэнняў у секунду падштурхнулі мікракантролер да максімуму ў 100 MIPS. Спасылка. 68, што прыводзіць да рассейвання магутнасці 11,26 мВт для агульнай рассейванай магутнасці 11,71 мВт пасля дадання ўкладу ўбудаванага АЦП.
Дадзеныя, якія пацвярджаюць вынікі гэтага даследавання, можна атрымаць у адпаведнага аўтара, FM, па разумным запыце.
Indiveri, G. & Sandamirskaya, Y. Важнасць прасторы і часу для апрацоўкі сігналаў у нейраморфных агентах: праблема распрацоўкі маламагутных аўтаномных агентаў, якія ўзаемадзейнічаюць з навакольным асяроддзем. Indiveri, G. & Sandamirskaya, Y. Важнасць прасторы і часу для апрацоўкі сігналаў у нейраморфных агентах: праблема распрацоўкі маламагутных аўтаномных агентаў, якія ўзаемадзейнічаюць з навакольным асяроддзем.Індыверы Г. і Сандамірская Ю. Важнасць прасторы і часу для апрацоўкі сігналаў у нейраморфных агентах: праблема распрацоўкі маламагутных аўтаномных агентаў, якія ўзаемадзейнічаюць з навакольным асяроддзем. Індыверы, Г. і Сандамірская, Ю.空间和时间对于神经形态代理中信号处理的重要性：开发与环境交互的低功耗、自主代理的挑战。. Індыверы, Г. і Сандамірская, Ю.Індыверы Г. і Сандамірская Ю. Важнасць прасторы і часу для апрацоўкі сігналаў у нейраморфных агентах: праблема распрацоўкі маламагутных аўтаномных агентаў, якія ўзаемадзейнічаюць з навакольным асяроддзем.Апрацоўка сігналаў IEEE. Часопіс 36, 16–28 (2019).
Торп, С. Дж. Пікавы час прыбыцця: эфектыўная схема кадавання нейронавай сеткі. у Eckmiller, R., Hartmann, G. & Hauske, G. (рэд.). у Eckmiller, R., Hartmann, G. & Hauske, G. (рэд.).у Eckmiller, R., Hartmann, G. і Hauske, G. (рэд.).У Eckmiller, R., Hartmann, G., і Hauske, G. (рэд.). Паралельная апрацоўка ў нейронавых сістэмах і кампутарах 91-94 (North-Holland Elsevier, 1990).
Levy, WB & Calvert, VG Камунікацыя спажывае ў 35 разоў больш энергіі, чым вылічэнні ў кары галаўнога мозгу чалавека, але абодва выдаткі неабходныя для прагназавання колькасці сінапсаў. Levy, WB & Calvert, VG Камунікацыя спажывае ў 35 разоў больш энергіі, чым вылічэнні ў кары галаўнога мозгу чалавека, але абодва выдаткі неабходныя для прагназавання колькасці сінапсаў.Levy, WB і Calvert, WG Камунікацыя спажывае ў 35 разоў больш энергіі, чым вылічэнні ў кары галаўнога мозгу чалавека, але абодва выдаткі неабходныя для прагназавання колькасці сінапсаў. 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测突触数量。 Леві, В. Б. і Калверт, В. Г. КамунікацыіLevy, WB і Calvert, WG Камунікацыя спажывае ў 35 разоў больш энергіі, чым вылічэнні ў кары галаўнога мозгу чалавека, але абедзве выдаткі патрабуюць прагназавання колькасці сінапсаў.працэс. Нацыянальная акадэмія навук. навука. ЗША 118, https://doi.org/10.1073/pnas.2008173118 (2021).
Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Insect-intspired neuromorphic computing. Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Insect-intspired neuromorphic computing.Dalgati, T., Vianello, E., DeSalvo, B. і Casas, J. Insect-intspired neuromorphic computing.Dalgati T., Vianello E., DeSalvo B. і Casas J. Insect-intspired neuromorphic computing. Ток. Меркаванне. Інсектазнаўства. 30, 59–66 (2018).
Рой, К., Джайсвал, А. і Панда, П. На шляху да машыннага інтэлекту на аснове шыпа з нейраморфнымі вылічэннямі. Рой, К., Джайсвал, А. і Панда, П. На шляху да машыннага інтэлекту на аснове шыпа з нейраморфнымі вылічэннямі. Рой, К., Джайсвал, А. і Панда, П. Да машыннага інтэлекту, заснаванага на спайках, з нейраморфнымі вылічэннямі.Рой K, Jaiswal A і Panda P. Штучны інтэлект на аснове імпульсаў з выкарыстаннем нейраморфных вылічэнняў. Nature 575, 607–617 (2019).
Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. і Liu, S.-K. Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. і Liu, S.-K.Памяць і апрацоўка інфармацыі ў нейраморфных сістэмах. працэс. IEEE 103, 1379–1397 (2015).
Акапян Ф. і інш. Truenorth: Дызайн і набор інструментаў для праграмаванага сінаптычнага чыпа нейронаў магутнасцю 65 мВт і магутнасцю 1 мільён нейронаў. Транзакцыі IEEE. Камп'ютэрнае праектаванне сістэм інтэгральнай схемы. 34, 1537–1557 (2015).
Schemmel, J. і інш. Жывая дэманстрацыя: паменшаная версія нейроморфной сістэмы BrainScaleS у маштабе талеркі. 2012 Міжнародны сімпозіум IEEE па схемах і сістэмах (ISCAS), (выданне IEEE) 702–702 (2012).
Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. Маштабуемая шмат'ядравая архітэктура з гетэрагеннымі структурамі памяці для дынамічных нейроморфных асінхронных працэсараў (DYNAP). Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. Маштабуемая шмат'ядравая архітэктура з гетэрагеннымі структурамі памяці для дынамічных нейроморфных асінхронных працэсараў (DYNAP).Moradi S., Qiao N., Stefanini F. і Indiviri G. Маштабуемая шмат'ядравая архітэктура з гетэрагеннымі структурамі памяці для дынамічных нейроморфных асінхронных працэсараў (DYNAP). Moradi, S.、Qiao, N.、Stefanini, F. & Indiveri, G. 一种可扩展的多核架构，具有用于动态神经形态异步处理器(DYNAP)的异构内存结构。 Moradi, S.、Qiao, N.、Stefanini, F. & Indiveri, G. Своеасаблівая пашыраемая шмат'ядравая архітэктура з унікальнай структурай памяці для дынамічнай нейронавай апрацоўкі (DYNAP).Moradi S., Qiao N., Stefanini F. і Indiviri G. Маштабуемая шмат'ядравая архітэктура з гетэрагеннымі структурамі памяці для дынамічных нейроморфных асінхронных працэсараў (DYNAP).Здзелкі IEEE па біямедыцынскай навуцы. электрычная сістэма. 12, 106–122 (2018).
Дэвіс, М. і інш. Loihi: нейроморфный шмат'ядравы працэсар з убудаваным навучаннем. IEEE Micro 38, 82–99 (2018).
Фербер, С. Б., Гэлапі, Ф., Тэмпл, С. і Плана, Луізіана Праект SpiNNaker. Фербер, С. Б., Гэлапі, Ф., Тэмпл, С. і Плана, Луізіана Праект SpiNNaker.Праект Ferber SB, Galluppi F., Temple S. і Plana LA SpiNNaker.Праект Ferber SB, Galluppi F., Temple S. і Plana LA SpiNNaker. працэс. IEEE 102, 652–665 (2014).
Лю, С.-К. & Delbruck, Т. Нейраморфныя сэнсарныя сістэмы. & Delbruck, Т. Нейраморфныя сэнсарныя сістэмы.і Дэльбрюк Т. Нейраморфныя сэнсарныя сістэмы. & Delbruck, T. 神经形态感觉系统。 і Дэльбрук, Т.і Дэльбрюк Т. Нейраморфная сэнсарная сістэма.Ток. Меркаванне. Нейрабіялогія. 20, 288–295 (2010).
Chope, T. і інш. Нейраморфная сэнсарная інтэграцыя для камбінаванай лакалізацыі крыніцы гуку і пазбягання сутыкненняў. У 2019 г. на канферэнцыі IEEE па біямедыцынскіх схемах і сістэмах (BioCAS), (IEEE Ed.) 1–4 (2019).
Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. Шыпавая нейраморфная архітэктура стэрэабачання. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. Шыпавая нейраморфная архітэктура стэрэабачання.Risi N, Aymar A, Donati E, Solinas S і Indiveri G. Нейраморфная архітэктура стэрэабачання на аснове шыпоў. 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。 Рысі, Н., Аймар, А., Данаці, Э., Салінас, С. і Індыверы, Г.Risi N, Aimar A, Donati E, Solinas S і Indiveri G. Спайк-нейраморфная архітэктура для стэрэабачання.пярэдні. Neurorobotics 14, 93 (2020).
Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Мадэль нейронавай сеткі 3D-ўспрымання для нейроморфных сістэм стэрэабачання на аснове падзей. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Мадэль нейронавай сеткі 3D-ўспрымання для нейроморфных сістэм стэрэабачання на аснове падзей.Освальд, М., Іенг, С.-Х., Беносман, Р., і Індыверы, Г. Мадэль успрымання 3D-імпульснай нейронавай сеткі для нейраморфных сістэм стэрэабачання на аснове падзей. 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 脉冲神经网络模型。 Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. 3Dperception 脉冲神经网络模型。Освальд, М., Іенг, С.-Х., Беносман, Р., і Індыверы, Г. Мадэль нейронавай сеткі трохмернага ўспрымання з шыпамі для нейраморфнай сістэмы стэрэабачання на аснове падзей.навука. Даклад 7, 1–11 (2017).
Dalgaty, T. і інш. Базавае выяўленне руху, натхнёнае насякомымі, уключае ў сябе рэзістыўную памяць і нервовыя сеткі з рывкамі. Біянічная біягібрыдная сістэма. 10928, 115–128 (2018).
Д'Анджэла, Г. і інш. Выяўленне эксцэнтрычнага руху на аснове падзей з выкарыстаннем часовага дыферэнцыяльнага кадавання. пярэдні. Неўралогія. 14, 451 (2020).