समाचार

वास्तविक दुनिया के डेटा प्रोसेसिंग अनुप्रयोगों के लिए कॉम्पैक्ट, कम-विलंबता, कम-शक्ति कंप्यूटिंग सिस्टम की आवश्यकता होती है। इवेंट-संचालित कंप्यूटिंग क्षमताओं के साथ, पूरक धातु-ऑक्साइड-सेमीकंडक्टर हाइब्रिड मेमरिस्टिव न्यूरोमॉर्फिक आर्किटेक्चर ऐसे कार्यों के लिए एक आदर्श हार्डवेयर आधार प्रदान करते हैं। ऐसी प्रणालियों की पूरी क्षमता प्रदर्शित करने के लिए, हम वास्तविक दुनिया के ऑब्जेक्ट स्थानीयकरण अनुप्रयोगों के लिए एक व्यापक सेंसर प्रसंस्करण समाधान का प्रस्ताव और प्रयोगात्मक प्रदर्शन करते हैं। बार्न उल्लू न्यूरोएनाटॉमी से प्रेरणा लेते हुए, हमने एक जैव-प्रेरित, घटना-संचालित ऑब्जेक्ट स्थानीयकरण प्रणाली विकसित की है जो कम्प्यूटेशनल ग्राफ-आधारित न्यूरोमॉर्फिक प्रतिरोधक मेमोरी के साथ एक अत्याधुनिक पीजोइलेक्ट्रिक माइक्रोमैकेनिकल ट्रांसड्यूसर ट्रांसड्यूसर को जोड़ती है। हम एक निर्मित प्रणाली का माप दिखाते हैं जिसमें एक मेमोरी-आधारित प्रतिरोधक संयोग डिटेक्टर, विलंब लाइन सर्किटरी और एक पूरी तरह से अनुकूलन योग्य अल्ट्रासोनिक ट्रांसड्यूसर शामिल है। हम सिस्टम स्तर पर सिमुलेशन को कैलिब्रेट करने के लिए इन प्रयोगात्मक परिणामों का उपयोग करते हैं। फिर इन सिमुलेशन का उपयोग ऑब्जेक्ट स्थानीयकरण मॉडल के कोणीय रिज़ॉल्यूशन और ऊर्जा दक्षता का मूल्यांकन करने के लिए किया जाता है। नतीजे बताते हैं कि हमारा दृष्टिकोण समान कार्य करने वाले माइक्रोकंट्रोलर की तुलना में अधिक ऊर्जा कुशल परिमाण के कई ऑर्डर हो सकता है।
हम सर्वव्यापी कंप्यूटिंग के युग में प्रवेश कर रहे हैं जहां हमारे दैनिक जीवन में हमारी मदद करने के लिए तैनात उपकरणों और प्रणालियों की संख्या तेजी से बढ़ रही है। इन प्रणालियों से लगातार चलने की अपेक्षा की जाती है, वे वास्तविक समय में कई सेंसरों से एकत्र किए गए डेटा की व्याख्या करना सीखते समय यथासंभव कम बिजली की खपत करते हैं और वर्गीकरण या मान्यता कार्यों के परिणामस्वरूप बाइनरी आउटपुट उत्पन्न करते हैं। इस लक्ष्य को प्राप्त करने के लिए आवश्यक सबसे महत्वपूर्ण कदमों में से एक शोर और अक्सर अधूरे संवेदी डेटा से उपयोगी और कॉम्पैक्ट जानकारी निकालना है। पारंपरिक इंजीनियरिंग दृष्टिकोण आमतौर पर स्थिर और उच्च दर पर सेंसर सिग्नल का नमूना लेते हैं, जिससे उपयोगी इनपुट के अभाव में भी बड़ी मात्रा में डेटा उत्पन्न होता है। इसके अलावा, ये विधियां (अक्सर शोर वाले) इनपुट डेटा को प्री-प्रोसेस करने के लिए जटिल डिजिटल सिग्नल प्रोसेसिंग तकनीकों का उपयोग करती हैं। इसके बजाय, जीवविज्ञान ऊर्जा-कुशल, अतुल्यकालिक, घटना-संचालित दृष्टिकोण (स्पाइक्स)2,3 का उपयोग करके शोर संवेदी डेटा को संसाधित करने के लिए वैकल्पिक समाधान प्रदान करता है। पारंपरिक सिग्नल प्रोसेसिंग विधियों4,5,6 की तुलना में ऊर्जा और मेमोरी आवश्यकताओं के संदर्भ में कम्प्यूटेशनल लागत को कम करने के लिए न्यूरोमॉर्फिक कंप्यूटिंग जैविक प्रणालियों से प्रेरणा लेती है। हाल ही में, आवेग तंत्रिका नेटवर्क (TrueNorth7, BrainScaleS8, DYNAP-SE9, Loihi10, Spinnaker11) को लागू करने वाले नवीन सामान्य प्रयोजन मस्तिष्क-आधारित सिस्टम का प्रदर्शन किया गया है। ये प्रोसेसर मशीन लर्निंग और कॉर्टिकल सर्किट मॉडलिंग के लिए कम शक्ति, कम विलंबता समाधान प्रदान करते हैं। उनकी ऊर्जा दक्षता का पूरी तरह से दोहन करने के लिए, इन न्यूरोमॉर्फिक प्रोसेसर को सीधे इवेंट-संचालित सेंसर से जोड़ा जाना चाहिए। हालाँकि, आज केवल कुछ ही टच डिवाइस हैं जो सीधे इवेंट-संचालित डेटा प्रदान करते हैं। प्रमुख उदाहरण दृष्टि अनुप्रयोगों के लिए गतिशील दृश्य सेंसर (डीवीएस) हैं जैसे कि ट्रैकिंग और गति का पता लगाना14,15,16,17, सिलिकॉन कोक्लीअ18 और श्रवण सिग्नल प्रोसेसिंग के लिए न्यूरोमॉर्फिक श्रवण सेंसर (एनएएस)19, घ्राण सेंसर20 और स्पर्श के कई उदाहरण21,22। . बनावट सेंसर।
इस पेपर में, हम ऑब्जेक्ट स्थानीयकरण पर लागू एक नव विकसित घटना-संचालित श्रवण प्रसंस्करण प्रणाली प्रस्तुत करते हैं। यहां, पहली बार, हम न्यूरोमॉर्फिक प्रतिरोधक मेमोरी (आरआरएएम) पर आधारित एक कम्प्यूटेशनल ग्राफ के साथ एक अत्याधुनिक पीजोइलेक्ट्रिक माइक्रोमशीन अल्ट्रासोनिक ट्रांसड्यूसर (pMUT) को जोड़कर प्राप्त ऑब्जेक्ट स्थानीयकरण के लिए एक एंड-टू-एंड सिस्टम का वर्णन करते हैं। आरआरएएम का उपयोग करते हुए इन-मेमोरी कंप्यूटिंग आर्किटेक्चर बिजली की खपत को कम करने के लिए एक आशाजनक समाधान है23,24,25,26,27,28,29। उनकी अंतर्निहित गैर-अस्थिरता - जानकारी को संग्रहीत या अद्यतन करने के लिए सक्रिय बिजली की खपत की आवश्यकता नहीं है - न्यूरोमोर्फिक कंप्यूटिंग की अतुल्यकालिक, घटना-संचालित प्रकृति के साथ एकदम फिट है, जिसके परिणामस्वरूप सिस्टम निष्क्रिय होने पर लगभग कोई बिजली की खपत नहीं होती है। पीजोइलेक्ट्रिक माइक्रोमशीनीकृत अल्ट्रासोनिक ट्रांसड्यूसर (pMUTs) सस्ते, लघु सिलिकॉन-आधारित अल्ट्रासोनिक ट्रांसड्यूसर हैं जो ट्रांसमीटर और रिसीवर30,31,32,33,34 के रूप में कार्य करने में सक्षम हैं। अंतर्निर्मित सेंसरों द्वारा प्राप्त संकेतों को संसाधित करने के लिए, हमने बार्न उल्लू न्यूरोएनाटॉमी35,36,37 से प्रेरणा ली। खलिहान उल्लू टायटो अल्बा एक बहुत ही कुशल श्रवण स्थानीयकरण प्रणाली की बदौलत अपनी उल्लेखनीय रात्रि शिकार क्षमताओं के लिए जाना जाता है। शिकार के स्थान की गणना करने के लिए, बार्न उल्लू की स्थानीयकरण प्रणाली उड़ान के समय (टीओएफ) को एनकोड करती है जब शिकार से ध्वनि तरंगें उल्लू के प्रत्येक कान या ध्वनि रिसेप्टर्स तक पहुंचती हैं। कानों के बीच की दूरी को देखते हुए, दो टीओएफ मापों (इंटरऑरल टाइम डिफरेंस, आईटीडी) के बीच का अंतर लक्ष्य की दिगंश स्थिति की विश्लेषणात्मक गणना करना संभव बनाता है। यद्यपि जैविक प्रणालियाँ बीजगणितीय समीकरणों को हल करने के लिए उपयुक्त नहीं हैं, फिर भी वे स्थानीयकरण समस्याओं को बहुत प्रभावी ढंग से हल कर सकते हैं। बार्न उल्लू तंत्रिका तंत्र स्थिति संबंधी समस्याओं को हल करने के लिए कम्प्यूटेशनल ग्राफ़ में व्यवस्थित संयोग डिटेक्टर (सीडी) 35 न्यूरॉन्स (यानी, स्पाइक्स के बीच अस्थायी सहसंबंधों का पता लगाने में सक्षम न्यूरॉन्स जो अभिसरण उत्तेजक अंत तक नीचे की ओर फैलते हैं) 38,39 के एक सेट का उपयोग करता है।
पिछले शोध से पता चला है कि बार्न उल्लू के अवर कोलिकुलस ("श्रवण प्रांतस्था") से प्रेरित पूरक धातु-ऑक्साइड-सेमीकंडक्टर (सीएमओएस) हार्डवेयर और आरआरएएम-आधारित न्यूरोमॉर्फिक हार्डवेयर आईटीडी13, 40, 41 का उपयोग करके स्थिति की गणना करने के लिए एक कुशल तरीका है। 42, 43, 44, 45, 46। हालाँकि, संपूर्ण न्यूरोमॉर्फिक प्रणालियों की क्षमता जो श्रवण संकेतों को न्यूरोमॉर्फिक से जोड़ती है कम्प्यूटेशनल ग्राफ़ का प्रदर्शन अभी तक नहीं किया गया है। मुख्य समस्या एनालॉग सीएमओएस सर्किट की अंतर्निहित परिवर्तनशीलता है, जो मिलान पहचान की सटीकता को प्रभावित करती है। हाल ही में, ITD47 अनुमानों के वैकल्पिक संख्यात्मक कार्यान्वयन का प्रदर्शन किया गया है। इस पेपर में, हम एनालॉग सर्किट में परिवर्तनशीलता का प्रतिकार करने के लिए गैर-वाष्पशील तरीके से चालन मूल्य को बदलने के लिए आरआरएएम की क्षमता का उपयोग करने का प्रस्ताव करते हैं। हमने एक प्रायोगिक प्रणाली लागू की है जिसमें 111.9 kHz की आवृत्ति पर काम करने वाली एक pMUT ट्रांसमिटिंग झिल्ली, बार्न उल्लू के कानों का अनुकरण करने वाली दो pMUT प्राप्त करने वाली झिल्ली (सेंसर) और एक शामिल है। हमने अपनी स्थानीयकरण प्रणाली का परीक्षण करने और इसके कोणीय रिज़ॉल्यूशन का मूल्यांकन करने के लिए प्रयोगात्मक रूप से pMUT डिटेक्शन सिस्टम और RRAM-आधारित ITD कम्प्यूटेशनल ग्राफ़ की विशेषता बताई है।
हम अपनी पद्धति की तुलना एक माइक्रोकंट्रोलर पर डिजिटल कार्यान्वयन के साथ करते हैं जो पारंपरिक बीमफॉर्मिंग या न्यूरोमोर्फिक तरीकों का उपयोग करके समान स्थानीयकरण कार्य करता है, साथ ही संदर्भ में प्रस्तावित आईटीडी अनुमान के लिए एक फील्ड प्रोग्रामेबल गेट ऐरे (एफपीजीए) भी करता है। 47. यह तुलना प्रस्तावित आरआरएएम-आधारित एनालॉग न्यूरोमॉर्फिक सिस्टम की प्रतिस्पर्धी शक्ति दक्षता पर प्रकाश डालती है।
एक सटीक और कुशल वस्तु स्थानीयकरण प्रणाली का सबसे आकर्षक उदाहरण खलिहान उल्लू35,37,48 में पाया जा सकता है। शाम और भोर में, खलिहान उल्लू (टायटो अल्बा) मुख्य रूप से निष्क्रिय श्रवण पर निर्भर रहता है, सक्रिय रूप से छोटे शिकार जैसे कि वोल्ट या चूहों की तलाश करता है। ये श्रवण विशेषज्ञ आश्चर्यजनक सटीकता (लगभग 2°)35 के साथ शिकार से श्रवण संकेतों को स्थानीयकृत कर सकते हैं, जैसा कि चित्र 1ए में दिखाया गया है। बार्न उल्लू ध्वनि स्रोत से दोनों कानों तक उड़ान के आने वाले समय (आईटीडी) में अंतर से अज़ीमुथ (क्षैतिज) विमान में ध्वनि स्रोतों के स्थान का अनुमान लगाते हैं। ITD कम्प्यूटेशनल तंत्र जेफ़्रेस49,50 द्वारा प्रस्तावित किया गया था जो तंत्रिका ज्यामिति पर निर्भर करता है और इसके लिए दो प्रमुख घटकों की आवश्यकता होती है: एक अक्षतंतु, एक न्यूरॉन का तंत्रिका फाइबर जो विलंब रेखा के रूप में कार्य करता है, और एक कम्प्यूटेशनल प्रणाली में व्यवस्थित संयोग डिटेक्टर न्यूरॉन्स की एक श्रृंखला। ग्राफ़ जैसा कि चित्र 1 बी में दिखाया गया है। ध्वनि अज़ीमुथ निर्भर समय विलंब (आईटीडी) के साथ कान तक पहुंचती है। फिर ध्वनि प्रत्येक कान में एक स्पाइक पैटर्न में परिवर्तित हो जाती है। बाएँ और दाएँ कान के अक्षतंतु विलंब रेखाओं के रूप में कार्य करते हैं और सीडी न्यूरॉन्स पर एकत्रित होते हैं। सैद्धांतिक रूप से, मिलान किए गए न्यूरॉन्स की एक श्रृंखला में केवल एक न्यूरॉन एक समय में इनपुट प्राप्त करेगा (जहां देरी बिल्कुल रद्द हो जाती है) और अधिकतम रूप से फायर करेगा (पड़ोसी कोशिकाएं भी फायर करेंगी, लेकिन कम आवृत्ति पर)। कुछ न्यूरॉन्स को सक्रिय करने से आईटीडी को कोणों में परिवर्तित किए बिना अंतरिक्ष में लक्ष्य की स्थिति को एन्कोड किया जाता है। इस अवधारणा को चित्र 1सी में संक्षेपित किया गया है: उदाहरण के लिए, यदि ध्वनि दाहिनी ओर से आ रही है, जब दाहिने कान से इनपुट सिग्नल बाएं कान के पथ की तुलना में लंबा रास्ता तय करता है, तो आईटीडी की संख्या की भरपाई होती है, उदाहरण के लिए, जब न्यूरॉन 2 मेल खाता है. दूसरे शब्दों में, प्रत्येक सीडी एक्सोनल विलंब के कारण एक निश्चित आईटीडी (इष्टतम विलंब के रूप में भी जाना जाता है) पर प्रतिक्रिया करती है। इस प्रकार, मस्तिष्क लौकिक जानकारी को स्थानिक जानकारी में परिवर्तित करता है। इस तंत्र के लिए शारीरिक साक्ष्य 37,51 पाए गए हैं। चरण-बंद मैक्रोन्यूक्लियस न्यूरॉन्स आने वाली ध्वनियों के बारे में अस्थायी जानकारी संग्रहीत करते हैं: जैसा कि उनके नाम से पता चलता है, वे कुछ सिग्नल चरणों पर फायर करते हैं। जेफ़्रेस मॉडल के संयोग डिटेक्टर न्यूरॉन्स लैमिनर कोर में पाए जा सकते हैं। वे मैक्रोन्यूक्लियर न्यूरॉन्स से जानकारी प्राप्त करते हैं, जिनके अक्षतंतु विलंब रेखाओं के रूप में कार्य करते हैं। विलंब रेखा द्वारा प्रदान की गई देरी की मात्रा को अक्षतंतु की लंबाई के साथ-साथ एक अन्य माइलिनेशन पैटर्न द्वारा समझाया जा सकता है जो चालन वेग को बदलता है। बार्न उल्लू की श्रवण प्रणाली से प्रेरित होकर, हमने वस्तुओं को स्थानीयकृत करने के लिए एक बायोमिमेटिक प्रणाली विकसित की है। दोनों कानों को दो pMUT रिसीवर्स द्वारा दर्शाया गया है। ध्वनि स्रोत उनके बीच स्थित pMUT ट्रांसमीटर है (छवि 1 ए), और कम्प्यूटेशनल ग्राफ आरआरएएम-आधारित सीडी सर्किट (छवि 1 बी, हरा) के ग्रिड द्वारा बनता है, जो सीडी न्यूरॉन्स की भूमिका निभाता है जिनके इनपुट में देरी होती है। सर्किट के माध्यम से, विलंब रेखाएं (नीला) जैविक समकक्ष में अक्षतंतु की तरह कार्य करती हैं। प्रस्तावित संवेदी प्रणाली उल्लू की ऑपरेटिंग आवृत्ति से भिन्न होती है, जिसकी श्रवण प्रणाली 1-8 kHz रेंज में संचालित होती है, लेकिन इस कार्य में लगभग 117 kHz पर संचालित pMUT सेंसर का उपयोग किया जाता है। अल्ट्रासोनिक ट्रांसड्यूसर का चयन तकनीकी और अनुकूलन मानदंडों के अनुसार माना जाता है। सबसे पहले, प्राप्त बैंडविड्थ को एकल आवृत्ति तक सीमित करने से आदर्श रूप से माप सटीकता में सुधार होता है और पोस्ट-प्रोसेसिंग चरण सरल हो जाता है। इसके अलावा, अल्ट्रासाउंड में ऑपरेशन का लाभ यह है कि उत्सर्जित पल्स श्रव्य नहीं हैं, इसलिए लोगों को परेशान नहीं करते हैं, क्योंकि उनकी श्रवण सीमा ~ 20-20 किलोहर्ट्ज़ है।
खलिहान उल्लू एक लक्ष्य से ध्वनि तरंगें प्राप्त करता है, इस मामले में शिकार चलता रहता है। ध्वनि तरंग की उड़ान का समय (टीओएफ) प्रत्येक कान के लिए अलग-अलग होता है (जब तक कि शिकार सीधे उल्लू के सामने न हो)। बिंदीदार रेखा वह रास्ता दिखाती है जिससे ध्वनि तरंगें खलिहान उल्लू के कानों तक पहुँचने के लिए अपनाती हैं। शिकार को दो ध्वनिक पथों और संबंधित इंटरऑरल टाइम अंतर (आईटीडी) के बीच की लंबाई के अंतर के आधार पर क्षैतिज विमान में सटीक रूप से स्थानीयकृत किया जा सकता है (बाएं छवि रेफरी 74, कॉपीराइट 2002, सोसाइटी फॉर न्यूरोसाइंस से प्रेरित है)। हमारे सिस्टम में, pMUT ट्रांसमीटर (गहरा नीला) ध्वनि तरंगें उत्पन्न करता है जो लक्ष्य से टकराती हैं। परावर्तित अल्ट्रासाउंड तरंगें दो pMUT रिसीवर (हल्के हरे) द्वारा प्राप्त की जाती हैं और न्यूरोमॉर्फिक प्रोसेसर (दाएं) द्वारा संसाधित की जाती हैं। बी एक आईटीडी (जेफ्रेस) कम्प्यूटेशनल मॉडल बताता है कि कैसे खलिहान उल्लू के कानों में प्रवेश करने वाली ध्वनियों को पहले बड़े नाभिक (एनएम) में चरण-बंद स्पाइक्स के रूप में एन्कोड किया जाता है और फिर लैमेलर नाभिक में मिलान डिटेक्टर न्यूरॉन्स के ज्यामितीय रूप से व्यवस्थित ग्रिड का उपयोग किया जाता है। प्रसंस्करण (नीदरलैंड) (बाएं)। विलंब रेखाओं और संयोग डिटेक्टर न्यूरॉन्स के संयोजन वाले एक न्यूरोआईटीडी कम्प्यूटेशनल ग्राफ का चित्रण, उल्लू बायोसेंसर प्रणाली को आरआरएएम-आधारित न्यूरोमॉर्फिक सर्किट (दाएं) का उपयोग करके मॉडल किया जा सकता है। सी मुख्य जेफ्रेस तंत्र का योजनाबद्ध, टीओएफ में अंतर के कारण, दोनों कान अलग-अलग समय पर ध्वनि उत्तेजना प्राप्त करते हैं और दोनों सिरों से अक्षतंतु को डिटेक्टर तक भेजते हैं। अक्षतंतु संयोग डिटेक्टर (सीडी) न्यूरॉन्स की एक श्रृंखला का हिस्सा हैं, जिनमें से प्रत्येक समय-सहसंबद्ध इनपुट के लिए चुनिंदा रूप से प्रतिक्रिया करता है। नतीजतन, केवल सीडी जिनके इनपुट सबसे छोटे समय के अंतर के साथ आते हैं, अधिकतम उत्साहित होते हैं (आईटीडी बिल्कुल मुआवजा दिया जाता है)। फिर सीडी लक्ष्य की कोणीय स्थिति को एन्कोड करेगी।
पीजोइलेक्ट्रिक माइक्रोमैकेनिकल अल्ट्रासोनिक ट्रांसड्यूसर स्केलेबल अल्ट्रासोनिक ट्रांसड्यूसर हैं जिन्हें उन्नत सीएमओएस तकनीक31,32,33,52 के साथ एकीकृत किया जा सकता है और पारंपरिक वॉल्यूमेट्रिक ट्रांसड्यूसर53 की तुलना में कम प्रारंभिक वोल्टेज और बिजली की खपत होती है। हमारे काम में, झिल्ली का व्यास 880 µm है, और गुंजयमान आवृत्ति 110-117 किलोहर्ट्ज़ की सीमा में वितरित की जाती है (चित्र 2ए, विवरण के लिए तरीके देखें)। दस परीक्षण उपकरणों के एक बैच में, औसत गुणवत्ता कारक लगभग 50 (संदर्भ 31) था। प्रौद्योगिकी औद्योगिक परिपक्वता तक पहुंच गई है और यह जैव-प्रेरित नहीं है। विभिन्न pMUT फिल्मों से जानकारी का संयोजन एक प्रसिद्ध तकनीक है, और कोण की जानकारी pMUTs से प्राप्त की जा सकती है, उदाहरण के लिए, बीमफॉर्मिंग तकनीक31,54। हालाँकि, कोण की जानकारी निकालने के लिए आवश्यक सिग्नल प्रोसेसिंग कम बिजली माप के लिए उपयुक्त नहीं है। प्रस्तावित प्रणाली न्यूरोमॉर्फिक डेटा प्रीप्रोसेसिंग सर्किट pMUT को जेफ्रेस मॉडल (चित्रा 2सी) से प्रेरित आरआरएएम-आधारित न्यूरोमॉर्फिक कंप्यूटिंग ग्राफ के साथ जोड़ती है, जो एक वैकल्पिक ऊर्जा-कुशल और संसाधन-बाधित हार्डवेयर समाधान प्रदान करती है। हमने एक प्रयोग किया जिसमें दो प्राप्त झिल्लियों द्वारा प्राप्त विभिन्न ToF ध्वनियों का फायदा उठाने के लिए दो pMUT सेंसरों को लगभग 10 सेमी अलग रखा गया था। ट्रांसमीटर के रूप में कार्य करने वाला एक pMUT रिसीवर्स के बीच बैठता है। लक्ष्य 12 सेमी चौड़ी एक पीवीसी प्लेट थी, जो pMUT डिवाइस के सामने D दूरी पर स्थित थी (चित्र 2बी)। रिसीवर वस्तु से परावर्तित ध्वनि को रिकॉर्ड करता है और ध्वनि तरंग के पारित होने के दौरान यथासंभव प्रतिक्रिया करता है। दूरी D और कोण θ द्वारा निर्धारित वस्तु की स्थिति को बदलकर प्रयोग को दोहराएं। एक लिंक से प्रेरित. 55, हम एक न्यूरोमॉर्फिक कम्प्यूटेशनल ग्राफ को इनपुट करने के लिए परावर्तित तरंगों को चोटियों में परिवर्तित करने के लिए pMUT कच्चे संकेतों के एक न्यूरोमॉर्फिक प्री-प्रोसेसिंग का प्रस्ताव करते हैं। शिखर आयाम के अनुरूप टीओएफ को दो चैनलों में से प्रत्येक से निकाला जाता है और व्यक्तिगत चोटियों के सटीक समय के रूप में एन्कोड किया जाता है। अंजीर पर. 2c आरआरएएम-आधारित कम्प्यूटेशनल ग्राफ के साथ pMUT सेंसर को इंटरफ़ेस करने के लिए आवश्यक सर्किटरी दिखाता है: दो pMUT रिसीवरों में से प्रत्येक के लिए, कच्चे सिग्नल को सुचारू करने, सुधारने के लिए बैंड-पास फ़िल्टर किया जाता है, और फिर ओवरकमिंग मोड में लीक इंटीग्रेटर को पास किया जाता है। डायनामिक थ्रेशोल्ड (छवि 2 डी) एक आउटपुट इवेंट (स्पाइक) और फायरिंग (एलआईएफ) न्यूरॉन बनाता है: आउटपुट स्पाइक समय पता लगाए गए उड़ान समय को एनकोड करता है। LIF थ्रेशोल्ड को pMUT प्रतिक्रिया के विरुद्ध कैलिब्रेट किया जाता है, जिससे डिवाइस से डिवाइस तक pMUT परिवर्तनशीलता कम हो जाती है। इस दृष्टिकोण के साथ, संपूर्ण ध्वनि तरंग को मेमोरी में संग्रहीत करने और बाद में इसे संसाधित करने के बजाय, हम बस ध्वनि तरंग के टीओएफ के अनुरूप एक शिखर उत्पन्न करते हैं, जो प्रतिरोधी मेमोरी कम्प्यूटेशनल ग्राफ में इनपुट बनाता है। स्पाइक्स को सीधे विलंब रेखाओं पर भेजा जाता है और न्यूरोमॉर्फिक गणना ग्राफ़ में मैच डिटेक्शन मॉड्यूल के साथ समानांतर किया जाता है। क्योंकि उन्हें ट्रांजिस्टर के द्वारों पर भेजा जाता है, इसलिए किसी अतिरिक्त प्रवर्धन सर्किटरी की आवश्यकता नहीं होती है (विवरण के लिए अनुपूरक चित्र 4 देखें)। पीएमयूटी और प्रस्तावित सिग्नल प्रोसेसिंग विधि द्वारा प्रदान की गई स्थानीयकरण कोणीय सटीकता का मूल्यांकन करने के लिए, हमने वस्तु की दूरी और कोण में भिन्नता के रूप में आईटीडी (यानी, दो रिसीवरों द्वारा उत्पन्न चरम घटनाओं के बीच समय का अंतर) को मापा। आईटीडी विश्लेषण को फिर कोणों में परिवर्तित किया गया (तरीके देखें) और वस्तु की स्थिति के विरुद्ध प्लॉट किया गया: वस्तु से दूरी और कोण के साथ मापी गई आईटीडी में अनिश्चितता बढ़ गई (चित्र 2e,f)। मुख्य समस्या pMUT प्रतिक्रिया में पीक-टू-शोर अनुपात (पीएनआर) है। वस्तु जितनी दूर होगी, ध्वनिक संकेत उतना ही कम होगा, जिससे पीएनआर कम हो जाएगा (चित्र 2एफ, हरी रेखा)। पीएनआर में कमी से आईटीडी अनुमान में अनिश्चितता बढ़ जाती है, जिसके परिणामस्वरूप स्थानीयकरण सटीकता में वृद्धि होती है (चित्र 2एफ, नीली रेखा)। ट्रांसमीटर से 50 सेमी की दूरी पर किसी वस्तु के लिए, सिस्टम की कोणीय सटीकता लगभग 10° है। सेंसर की विशेषताओं द्वारा लगाई गई इस सीमा में सुधार किया जा सकता है। उदाहरण के लिए, उत्सर्जक द्वारा भेजे गए दबाव को बढ़ाया जा सकता है, जिससे pMUT झिल्ली को चलाने वाले वोल्टेज में वृद्धि हो सकती है। संचरित सिग्नल को बढ़ाने का एक अन्य समाधान कई ट्रांसमीटरों को जोड़ना है 56। ये समाधान बढ़ी हुई ऊर्जा लागत की कीमत पर पता लगाने की सीमा को बढ़ाएंगे। प्राप्तकर्ता पक्ष में अतिरिक्त सुधार किये जा सकते हैं। pMUT और पहले चरण के एम्पलीफायर के बीच कनेक्शन में सुधार करके pMUT के रिसीवर के शोर स्तर को काफी कम किया जा सकता है, जो वर्तमान में तार कनेक्शन और RJ45 केबल के साथ किया जाता है।
1.5 मिमी पिच पर एकीकृत छह 880 µm झिल्लियों के साथ एक pMUT क्रिस्टल की छवि। बी मापने की व्यवस्था का आरेख। लक्ष्य अज़ीमुथ स्थिति θ और दूरी D पर स्थित है। pMUT ट्रांसमीटर 117.6 kHz सिग्नल उत्पन्न करता है जो लक्ष्य से उछलता है और अलग-अलग उड़ान समय (ToF) के साथ दो pMUT रिसीवर तक पहुंचता है। यह अंतर, जिसे इंटर-ऑरल टाइम डिफरेंस (आईटीडी) के रूप में परिभाषित किया गया है, किसी वस्तु की स्थिति को एनकोड करता है और दो रिसीवर सेंसर की चरम प्रतिक्रिया का अनुमान लगाकर अनुमान लगाया जा सकता है। सी कच्चे pMUT सिग्नल को स्पाइक अनुक्रमों में परिवर्तित करने के लिए पूर्व-प्रसंस्करण चरणों की योजनाबद्ध (यानी न्यूरोमोर्फिक गणना ग्राफ में इनपुट)। pMUT सेंसर और न्यूरोमॉर्फिक कम्प्यूटेशनल ग्राफ़ का निर्माण और परीक्षण किया गया है, और न्यूरोमॉर्फिक प्री-प्रोसेसिंग सॉफ्टवेयर सिमुलेशन पर आधारित है। d सिग्नल प्राप्त होने पर pMUT झिल्ली की प्रतिक्रिया और स्पाइक डोमेन में इसका परिवर्तन। ई प्रायोगिक स्थानीयकरण कोणीय सटीकता वस्तु कोण (Θ) और लक्ष्य वस्तु से दूरी (डी) के एक फ़ंक्शन के रूप में। आईटीडी निष्कर्षण विधि के लिए लगभग 4°C के न्यूनतम कोणीय रिज़ॉल्यूशन की आवश्यकता होती है। f = 0 के लिए कोणीय सटीकता (नीली रेखा) और संबंधित शिखर-से-शोर अनुपात (हरी रेखा) बनाम वस्तु दूरी।
प्रतिरोधक मेमोरी सूचना को गैर-वाष्पशील प्रवाहकीय अवस्था में संग्रहीत करती है। विधि का मूल सिद्धांत यह है कि परमाणु स्तर पर सामग्री के संशोधन से उसकी विद्युत चालकता57 में परिवर्तन होता है। यहां हम एक ऑक्साइड-आधारित प्रतिरोधक मेमोरी का उपयोग करते हैं जिसमें ऊपर और नीचे टाइटेनियम और टाइटेनियम नाइट्राइड इलेक्ट्रोड के बीच हेफ़नियम डाइऑक्साइड की 5nm परत होती है। आरआरएएम उपकरणों की चालकता को वर्तमान/वोल्टेज तरंग को लागू करके बदला जा सकता है जो इलेक्ट्रोड के बीच ऑक्सीजन रिक्तियों के प्रवाहकीय फिलामेंट्स को बनाता या तोड़ता है। हमने संयोग डिटेक्टर और विलंब लाइन सर्किट (छवि 3 ए) को लागू करने वाले एक गढ़े हुए पुन: कॉन्फ़िगर करने योग्य न्यूरोमोर्फिक सर्किट बनाने के लिए ऐसे उपकरणों58 को एक मानक 130 एनएम सीएमओएस प्रक्रिया में सह-एकीकृत किया। डिवाइस की गैर-वाष्पशील और एनालॉग प्रकृति, न्यूरोमॉर्फिक सर्किट की घटना-संचालित प्रकृति के साथ मिलकर, बिजली की खपत को कम करती है। सर्किट में तत्काल चालू/बंद फ़ंक्शन होता है: यह चालू होने के तुरंत बाद संचालित होता है, जिससे सर्किट निष्क्रिय होने पर बिजली पूरी तरह से बंद हो जाती है। प्रस्तावित योजना के मुख्य निर्माण खंड चित्र में दिखाए गए हैं। 3बी. इसमें एन समानांतर एकल-प्रतिरोधक एकल-ट्रांजिस्टर (1T1R) संरचनाएं शामिल हैं जो सिनैप्टिक भार को एन्कोड करती हैं, जिसमें से भारित धाराएं ली जाती हैं, एक अंतर जोड़ी इंटीग्रेटर (DPI)59 के सामान्य सिनैप्स में इंजेक्ट की जाती हैं, और अंत में एकीकरण के साथ सिनैप्स में इंजेक्ट की जाती हैं और रिसाव. सक्रिय (एलआईएफ) न्यूरॉन 60 (विवरण के लिए तरीके देखें)। इनपुट सर्ज को सैकड़ों नैनोसेकंड की अवधि के साथ वोल्टेज पल्स के अनुक्रम के रूप में 1T1R संरचना के गेट पर लागू किया जाता है। जब वीबॉटम को ग्राउंड किया जाता है तो वीटॉप पर एक बाहरी सकारात्मक संदर्भ लागू करके प्रतिरोधक मेमोरी को उच्च प्रवाहकीय स्थिति (एचसीएस) में रखा जा सकता है, और जब वीटॉप को ग्राउंड किया जाता है तो वीबॉटम पर एक सकारात्मक वोल्टेज लागू करके कम प्रवाहकीय स्थिति (एलसीएस) में रीसेट किया जा सकता है। एचसीएस के औसत मूल्य को श्रृंखला ट्रांजिस्टर के गेट-स्रोत वोल्टेज द्वारा एसईटी (आईसीसी) के प्रोग्रामिंग वर्तमान (अनुपालन) को सीमित करके नियंत्रित किया जा सकता है (छवि 3 सी)। सर्किट में आरआरएएम के कार्य दो प्रकार के होते हैं: वे इनपुट पल्स को निर्देशित और भारित करते हैं।
नीले HfO2 1T1R RRAM डिवाइस की स्कैनिंग इलेक्ट्रॉन माइक्रोस्कोप (SEM) छवि हरे रंग में चयनकर्ता ट्रांजिस्टर (650 एनएम चौड़ा) के साथ 130 एनएम CMOS तकनीक में एकीकृत है। बी प्रस्तावित न्यूरोमॉर्फिक स्कीमा के बुनियादी निर्माण खंड। इनपुट वोल्टेज पल्स (चोटियाँ) Vin0 और Vin1 वर्तमान Iweight का उपभोग करते हैं, जो 1T1R संरचना के चालन राज्यों G0 और G1 के लिए आनुपातिक है। यह करंट डीपीआई सिनैप्स में इंजेक्ट किया जाता है और एलआईएफ न्यूरॉन्स को उत्तेजित करता है। RRAM G0 और G1 क्रमशः HCS और LCS में स्थापित हैं। सी आईसीसी वर्तमान मिलान के एक समारोह के रूप में 16K आरआरएएम उपकरणों के समूह के लिए संचयी संचालन घनत्व का कार्य, जो प्रभावी ढंग से संचालन स्तर को नियंत्रित करता है। (ए) में डी सर्किट माप दिखाता है कि जी1 (एलसीएस में) विन1 (हरा) से इनपुट को प्रभावी ढंग से ब्लॉक करता है, और वास्तव में आउटपुट न्यूरॉन की झिल्ली वोल्टेज केवल विन0 से नीले इनपुट पर प्रतिक्रिया करती है। आरआरएएम सर्किट में कनेक्शन को प्रभावी ढंग से निर्धारित करता है। ई (बी) में सर्किट का माप वोल्टेज पल्स विन0 लगाने के बाद झिल्ली वोल्टेज वीएमईएम पर प्रवाहकत्त्व मूल्य जी0 का प्रभाव दिखा रहा है। चालकता जितनी अधिक होगी, प्रतिक्रिया उतनी ही मजबूत होगी: इस प्रकार, आरआरएएम डिवाइस I/O कनेक्शन वेटिंग लागू करता है। सर्किट पर माप किए गए और आरआरएएम के दोहरे कार्य, इनपुट दालों की रूटिंग और वेटिंग को प्रदर्शित किया गया।
पहला, चूँकि दो बुनियादी चालन अवस्थाएँ (HCS और LCS) हैं, RRAM क्रमशः LCS या HCS अवस्था में होने पर इनपुट पल्स को ब्लॉक या मिस कर सकते हैं। परिणामस्वरूप, आरआरएएम सर्किट में कनेक्शन को प्रभावी ढंग से निर्धारित करता है। यह वास्तुकला को पुन: कॉन्फ़िगर करने में सक्षम होने का आधार है। इसे प्रदर्शित करने के लिए, हम चित्र 3बी में सर्किट ब्लॉक के एक गढ़े हुए सर्किट कार्यान्वयन का वर्णन करेंगे। G0 के अनुरूप RRAM को HCS में प्रोग्राम किया जाता है, और दूसरे RRAM G1 को LCS में प्रोग्राम किया जाता है। इनपुट पल्स Vin0 और Vin1 दोनों पर लागू होते हैं। ऑसिलोस्कोप का उपयोग करके न्यूरॉन झिल्ली वोल्टेज और आउटपुट सिग्नल को इकट्ठा करके आउटपुट न्यूरॉन्स में इनपुट दालों के दो अनुक्रमों के प्रभावों का विश्लेषण किया गया था। प्रयोग तब सफल रहा जब झिल्ली तनाव को उत्तेजित करने के लिए केवल एचसीएस डिवाइस (जी0) को न्यूरॉन की नाड़ी से जोड़ा गया। यह चित्र 3डी में प्रदर्शित किया गया है, जहां नीली पल्स ट्रेन झिल्ली संधारित्र पर झिल्ली वोल्टेज का निर्माण करती है, जबकि हरी पल्स ट्रेन झिल्ली वोल्टेज को स्थिर रखती है।
आरआरएएम का दूसरा महत्वपूर्ण कार्य कनेक्शन भार का कार्यान्वयन है। आरआरएएम के एनालॉग आचरण समायोजन का उपयोग करके, I/O कनेक्शन को तदनुसार भारित किया जा सकता है। दूसरे प्रयोग में, G0 डिवाइस को HCS के विभिन्न स्तरों पर प्रोग्राम किया गया था, और इनपुट पल्स को VIn0 इनपुट पर लागू किया गया था। इनपुट पल्स डिवाइस से करंट (Iweight) खींचता है, जो चालन और संबंधित संभावित ड्रॉप Vtop - Vbot के समानुपाती होता है। इस भारित धारा को फिर डीपीआई सिनैप्स और एलआईएफ आउटपुट न्यूरॉन्स में इंजेक्ट किया जाता है। आउटपुट न्यूरॉन्स का झिल्ली वोल्टेज एक ऑसिलोस्कोप का उपयोग करके रिकॉर्ड किया गया था और चित्र 3डी में प्रदर्शित किया गया था। एकल इनपुट पल्स के जवाब में न्यूरॉन झिल्ली का वोल्टेज शिखर प्रतिरोधी मेमोरी के संचालन के लिए आनुपातिक है, यह दर्शाता है कि आरआरएएम को सिनैप्टिक वजन के प्रोग्रामयोग्य तत्व के रूप में उपयोग किया जा सकता है। इन दो प्रारंभिक परीक्षणों से पता चलता है कि प्रस्तावित आरआरएएम-आधारित न्यूरोमोर्फिक प्लेटफॉर्म मूल जेफ्रेस तंत्र के मूल तत्वों, अर्थात् विलंब रेखा और संयोग डिटेक्टर सर्किट को लागू करने में सक्षम है। सर्किट प्लेटफ़ॉर्म क्रमिक ब्लॉकों को एक साथ रखकर बनाया गया है, जैसे कि चित्र 3 बी में ब्लॉक, और उनके गेटों को एक सामान्य इनपुट लाइन से जोड़कर। हमने एक न्यूरोमॉर्फिक प्लेटफ़ॉर्म को डिज़ाइन, निर्मित और परीक्षण किया है जिसमें दो आउटपुट न्यूरॉन्स शामिल हैं जो दो इनपुट प्राप्त करते हैं (चित्र 4 ए)। सर्किट आरेख चित्र 4बी में दिखाया गया है। ऊपरी 2 × 2 आरआरएएम मैट्रिक्स इनपुट पल्स को दो आउटपुट न्यूरॉन्स को निर्देशित करने की अनुमति देता है, जबकि निचला 2 × 2 मैट्रिक्स दो न्यूरॉन्स (एन0, एन1) के आवर्ती कनेक्शन की अनुमति देता है। हम प्रदर्शित करते हैं कि इस प्लेटफ़ॉर्म का उपयोग विलंब रेखा कॉन्फ़िगरेशन और दो अलग-अलग संयोग डिटेक्टर कार्यों के साथ किया जा सकता है, जैसा कि चित्र 4सी-ई में प्रयोगात्मक माप द्वारा दिखाया गया है।
दो इनपुट 0 और 1 प्राप्त करने वाले दो आउटपुट न्यूरॉन्स N0 और N1 द्वारा निर्मित सर्किट आरेख। सरणी के शीर्ष चार डिवाइस इनपुट से आउटपुट तक सिनैप्टिक कनेक्शन को परिभाषित करते हैं, और नीचे की चार कोशिकाएं न्यूरॉन्स के बीच आवर्ती कनेक्शन को परिभाषित करती हैं। रंगीन आरआरएएम दाईं ओर एचसीएस में कॉन्फ़िगर किए गए उपकरणों का प्रतिनिधित्व करते हैं: एचसीएस में डिवाइस कनेक्शन की अनुमति देते हैं और वजन का प्रतिनिधित्व करते हैं, जबकि एलसीएस में डिवाइस इनपुट पल्स को ब्लॉक करते हैं और आउटपुट के लिए कनेक्शन अक्षम करते हैं। b सर्किट का आरेख (ए) आठ आरआरएएम मॉड्यूल के साथ नीले रंग में हाइलाइट किया गया। सी विलंब रेखाएं केवल डीपीआई सिनैप्स और एलआईएफ न्यूरॉन्स की गतिशीलता का उपयोग करके बनाई जाती हैं। हरे रंग की आरआरएएम इतनी उच्च चालकता पर सेट है कि इनपुट विलंब Δt के बाद आउटपुट में गड़बड़ी उत्पन्न करने में सक्षम हो सके। डी समय पर निर्भर संकेतों की दिशा-असंवेदनशील सीडी का पता लगाने का योजनाबद्ध चित्रण। आउटपुट न्यूरॉन 1, एन1, इनपुट 0 और 1 पर थोड़ी देरी से सक्रिय होता है। ई दिशा संवेदनशील सीडी सर्किट, एक सर्किट जो पता लगाता है कि इनपुट 1 इनपुट 0 के करीब पहुंचता है और इनपुट 0 के बाद आता है। सर्किट का आउटपुट न्यूरॉन 1 (एन1) द्वारा दर्शाया जाता है।
विलंब रेखा (चित्र 4c) Tdel को विलंबित करके Vin1 से Vout1 तक इनपुट स्पाइक को पुन: उत्पन्न करने के लिए DPI सिनैप्स और LIF न्यूरॉन्स के गतिशील व्यवहार का उपयोग करती है। केवल Vin1 और Vout1 से जुड़े G3 RRAM को HCS में प्रोग्राम किया गया है, बाकी RRAM को LCS में प्रोग्राम किया गया है। G3 डिवाइस को 92.6 μs के लिए प्रोग्राम किया गया था ताकि यह सुनिश्चित किया जा सके कि प्रत्येक इनपुट पल्स आउटपुट न्यूरॉन के झिल्ली वोल्टेज को थ्रेशोल्ड तक पहुंचने और विलंबित आउटपुट पल्स उत्पन्न करने के लिए पर्याप्त रूप से बढ़ाता है। विलंब टीडेल सिनैप्टिक और तंत्रिका समय स्थिरांक द्वारा निर्धारित किया जाता है। संयोग डिटेक्टर अस्थायी रूप से सहसंबद्ध लेकिन स्थानिक रूप से वितरित इनपुट संकेतों की घटना का पता लगाते हैं। दिशा-असंवेदनशील सीडी एक सामान्य आउटपुट न्यूरॉन (चित्रा 4 डी) में परिवर्तित होने वाले व्यक्तिगत इनपुट पर निर्भर करती है। Vin0 और Vin1 को क्रमशः Vout1, G2 और G4 से जोड़ने वाले दो RRAM को उच्च चालन के लिए प्रोग्राम किया गया है। Vin0 और Vin1 पर स्पाइक्स के एक साथ आने से आउटपुट स्पाइक उत्पन्न करने के लिए आवश्यक सीमा से ऊपर N1 न्यूरॉन झिल्ली का वोल्टेज बढ़ जाता है। यदि दो इनपुट समय में बहुत दूर हैं, तो पहले इनपुट द्वारा संचित झिल्ली वोल्टेज पर चार्ज को क्षय होने का समय मिल सकता है, जिससे झिल्ली क्षमता एन 1 को थ्रेशोल्ड मान तक पहुंचने से रोका जा सकता है। G1 और G2 को लगभग 65 μs के लिए प्रोग्राम किया गया है, जो यह सुनिश्चित करता है कि एक एकल इनपुट सर्ज झिल्ली वोल्टेज को आउटपुट सर्ज के कारण पर्याप्त रूप से नहीं बढ़ाता है। अंतरिक्ष और समय में वितरित घटनाओं के बीच संयोग का पता लगाना एक मौलिक ऑपरेशन है जिसका उपयोग ऑप्टिकल प्रवाह आधारित बाधा निवारण और ध्वनि स्रोत स्थानीयकरण जैसे संवेदी कार्यों की एक विस्तृत श्रृंखला में किया जाता है। इस प्रकार, दिशा-संवेदनशील और असंवेदनशील सीडी की गणना दृश्य और ऑडियो स्थानीयकरण प्रणालियों के निर्माण के लिए एक मौलिक निर्माण खंड है। जैसा कि समय स्थिरांक की विशेषताओं द्वारा दिखाया गया है (पूरक चित्र 2 देखें), प्रस्तावित सर्किट समय के पैमाने के चार आदेशों की एक उपयुक्त सीमा को लागू करता है। इस प्रकार, यह एक साथ दृश्य और ध्वनि प्रणालियों की आवश्यकताओं को पूरा कर सकता है। दिशात्मक-संवेदनशील सीडी एक सर्किट है जो दालों के आगमन के स्थानिक क्रम के प्रति संवेदनशील है: दाएं से बाएं और इसके विपरीत। यह ड्रोसोफिला विज़ुअल सिस्टम के बुनियादी गति पहचान नेटवर्क में एक मौलिक बिल्डिंग ब्लॉक है, जिसका उपयोग गति दिशाओं की गणना करने और टकराव का पता लगाने के लिए किया जाता है62। दिशा-संवेदनशील सीडी प्राप्त करने के लिए, दो इनपुट को दो अलग-अलग न्यूरॉन्स (एन0, एन1) की ओर निर्देशित किया जाना चाहिए और उनके बीच एक दिशात्मक संबंध स्थापित किया जाना चाहिए (चित्र 4ई)। जब पहला इनपुट प्राप्त होता है, तो NO अपनी झिल्ली में वोल्टेज को थ्रेशोल्ड मान से ऊपर बढ़ाकर और एक उछाल भेजकर प्रतिक्रिया करता है। यह आउटपुट इवेंट, बदले में, हरे रंग में हाइलाइट किए गए दिशात्मक कनेक्शन के कारण N1 को सक्रिय करता है। यदि कोई इनपुट इवेंट Vin1 आता है और N1 को सक्रिय करता है, जबकि इसकी झिल्ली वोल्टेज अभी भी उच्च है, तो N1 एक आउटपुट इवेंट उत्पन्न करता है जो दर्शाता है कि दो इनपुट के बीच एक मैच पाया गया है। दिशात्मक कनेक्शन N1 को आउटपुट उत्सर्जित करने की अनुमति केवल तभी देते हैं जब इनपुट 1 इनपुट 0 के बाद आता है। G0, G3 और G7 को क्रमशः 73.5 µS, 67.3 µS और 40.2 µS पर प्रोग्राम किया जाता है, जिससे यह सुनिश्चित होता है कि इनपुट Vin0 पर एक भी स्पाइक देरी का कारण बनता है। आउटपुट स्पाइक, जबकि N1 की झिल्ली क्षमता केवल तभी सीमा तक पहुंचती है जब दोनों इनपुट बर्स्ट सिंक में आते हैं। .
परिवर्तनशीलता मॉडल किए गए न्यूरोमॉर्फिक सिस्टम63,64,65 में अपूर्णता का एक स्रोत है। इससे न्यूरॉन्स और सिनैप्स का विषम व्यवहार होता है। ऐसे नुकसानों के उदाहरणों में इनपुट लाभ में 30% (औसत मानक विचलन) परिवर्तनशीलता, समय स्थिरांक और दुर्दम्य अवधि, कुछ नाम शामिल हैं (तरीके देखें)। यह समस्या तब और भी अधिक स्पष्ट हो जाती है जब कई तंत्रिका सर्किट एक साथ जुड़े होते हैं, जैसे कि एक अभिविन्यास-संवेदनशील सीडी जिसमें दो न्यूरॉन्स होते हैं। ठीक से काम करने के लिए, दो न्यूरॉन्स का लाभ और क्षय समय स्थिरांक यथासंभव समान होना चाहिए। उदाहरण के लिए, इनपुट गेन में बड़ा अंतर एक न्यूरॉन को इनपुट पल्स पर अत्यधिक प्रतिक्रिया करने का कारण बन सकता है जबकि दूसरा न्यूरॉन मुश्किल से प्रतिक्रिया करता है। अंजीर पर. चित्र 5ए से पता चलता है कि यादृच्छिक रूप से चयनित न्यूरॉन्स एक ही इनपुट पल्स पर अलग-अलग प्रतिक्रिया करते हैं। यह तंत्रिका परिवर्तनशीलता, उदाहरण के लिए, दिशा-संवेदनशील सीडी के कार्य के लिए प्रासंगिक है। अंजीर में दिखाई गई योजना में। 5बी, सी, न्यूरॉन 1 का इनपुट लाभ न्यूरॉन 0 की तुलना में बहुत अधिक है। इस प्रकार, न्यूरॉन 0 को सीमा तक पहुंचने के लिए तीन इनपुट पल्स (1 के बजाय) की आवश्यकता होती है, और न्यूरॉन 1, जैसा कि अपेक्षित था, को दो इनपुट घटनाओं की आवश्यकता होती है। स्पाइक टाइम-डिपेंडेंट बायोमिमेटिक प्लास्टिसिटी (एसटीडीपी) को लागू करना सिस्टम प्रदर्शन43 पर सटीक और सुस्त न्यूरल और सिनैप्टिक सर्किट के प्रभाव को कम करने का एक संभावित तरीका है। यहां हम तंत्रिका इनपुट की वृद्धि को प्रभावित करने और न्यूरोमॉर्फिक सर्किट में परिवर्तनशीलता के प्रभाव को कम करने के साधन के रूप में प्रतिरोधक मेमोरी के प्लास्टिक व्यवहार का उपयोग करने का प्रस्ताव करते हैं। जैसा कि चित्र में दिखाया गया है। 4e, आरआरएएम सिनैप्टिक द्रव्यमान से जुड़े चालन स्तर ने संबंधित तंत्रिका झिल्ली वोल्टेज प्रतिक्रिया को प्रभावी ढंग से नियंत्रित किया। हम एक पुनरावृत्त आरआरएएम प्रोग्रामिंग रणनीति का उपयोग करते हैं। किसी दिए गए इनपुट के लिए, सिनैप्टिक भार के संचालन मूल्यों को तब तक पुन: प्रोग्राम किया जाता है जब तक कि सर्किट का लक्ष्य व्यवहार प्राप्त नहीं हो जाता (तरीके देखें)।
एक ही इनपुट पल्स पर नौ यादृच्छिक रूप से चयनित व्यक्तिगत न्यूरॉन्स की प्रतिक्रिया का प्रायोगिक माप। प्रतिक्रिया अलग-अलग आबादी में भिन्न-भिन्न होती है, जो इनपुट लाभ और समय स्थिरांक को प्रभावित करती है। बी दिशा-संवेदनशील सीडी को प्रभावित करने वाले न्यूरॉन्स की परिवर्तनशीलता पर न्यूरॉन्स के प्रभाव का प्रायोगिक माप। दो दिशा-संवेदनशील सीडी आउटपुट न्यूरॉन्स न्यूरॉन-टू-न्यूरॉन परिवर्तनशीलता के कारण इनपुट उत्तेजनाओं पर अलग-अलग प्रतिक्रिया करते हैं। न्यूरॉन 0 में न्यूरॉन 1 की तुलना में कम इनपुट लाभ होता है, इसलिए आउटपुट स्पाइक बनाने के लिए तीन इनपुट पल्स (1 के बजाय) लगते हैं। जैसा कि अपेक्षित था, न्यूरॉन 1 दो इनपुट घटनाओं के साथ दहलीज तक पहुंचता है। यदि न्यूरॉन 0 के सक्रिय होने के बाद इनपुट 1 Δt = 50 µs आता है, तो सीडी चुप रहती है क्योंकि Δt न्यूरॉन 1 (लगभग 22 µs) के समय स्थिरांक से अधिक है। c को Δt = 20 µs से कम किया जाता है, ताकि न्यूरॉन 1 की फायरिंग अभी भी अधिक होने पर इनपुट 1 चरम पर हो, जिसके परिणामस्वरूप दो इनपुट घटनाओं का एक साथ पता लगाया जा सके।
आईटीडी गणना कॉलम में उपयोग किए जाने वाले दो तत्व विलंब रेखा और दिशा असंवेदनशील सीडी हैं। अच्छे ऑब्जेक्ट पोजिशनिंग प्रदर्शन को सुनिश्चित करने के लिए दोनों सर्किटों को सटीक अंशांकन की आवश्यकता होती है। विलंब रेखा को इनपुट शिखर (छवि 6 ए) का सटीक विलंबित संस्करण प्रदान करना चाहिए, और सीडी को केवल तभी सक्रिय किया जाना चाहिए जब इनपुट लक्ष्य पहचान सीमा के भीतर आता है। विलंब रेखा के लिए, इनपुट कनेक्शन के सिनैप्टिक भार (चित्र 4 ए में जी 3) को लक्ष्य विलंब प्राप्त होने तक पुन: प्रोग्राम किया गया था। प्रोग्राम को रोकने के लिए लक्ष्य विलंब के आसपास एक सहनशीलता निर्धारित करें: सहनशीलता जितनी छोटी होगी, विलंब रेखा को सफलतापूर्वक सेट करना उतना ही कठिन होगा। अंजीर पर. चित्र 6बी विलंब रेखा अंशांकन प्रक्रिया के परिणाम दिखाता है: यह देखा जा सकता है कि प्रस्तावित योजना डिज़ाइन योजना (10 से 300 μs तक) में आवश्यक सभी देरी प्रदान कर सकती है। अंशांकन पुनरावृत्तियों की अधिकतम संख्या अंशांकन प्रक्रिया की गुणवत्ता को प्रभावित करती है: 200 पुनरावृत्तियों से त्रुटि 5% से कम हो सकती है। एक अंशांकन पुनरावृत्ति आरआरएएम सेल के सेट/रीसेट ऑपरेशन से मेल खाती है। ट्यूनिंग प्रक्रिया सीडी मॉड्यूल इंस्टेंट क्लोज इवेंट डिटेक्शन की सटीकता में सुधार करने के लिए भी महत्वपूर्ण है। 95% (चित्र 6सी में नीली रेखा) से ऊपर वास्तविक सकारात्मक दर (यानी, प्रासंगिक के रूप में सही ढंग से पहचानी गई घटनाओं की दर) प्राप्त करने के लिए दस अंशांकन पुनरावृत्तियों की आवश्यकता हुई। हालाँकि, ट्यूनिंग प्रक्रिया ने झूठी सकारात्मक घटनाओं को प्रभावित नहीं किया (अर्थात, घटनाओं की आवृत्ति जिन्हें गलती से प्रासंगिक के रूप में पहचाना गया था)। तेजी से सक्रिय होने वाले मार्गों की समय की कमी पर काबू पाने के लिए जैविक प्रणालियों में देखी जाने वाली एक और विधि अतिरेक है (अर्थात, किसी दिए गए कार्य को करने के लिए एक ही वस्तु की कई प्रतियों का उपयोग किया जाता है)। जीवविज्ञान66 से प्रेरित होकर, हमने झूठी सकारात्मकता के प्रभाव को कम करने के लिए प्रत्येक सीडी मॉड्यूल में दो विलंब रेखाओं के बीच कई सीडी सर्किट लगाए। जैसा कि चित्र में दिखाया गया है। 6सी (हरी रेखा), प्रत्येक सीडी मॉड्यूल में तीन सीडी तत्व रखने से झूठी अलार्म दर को 10-2 से कम किया जा सकता है।
विलंब रेखा सर्किट पर न्यूरोनल परिवर्तनशीलता का प्रभाव। बी विलंब लाइन सर्किट को संबंधित एलआईएफ न्यूरॉन्स और डीपीआई सिनैप्स के समय स्थिरांक को बड़े मानों पर सेट करके बड़े विलंब तक बढ़ाया जा सकता है। आरआरएएम अंशांकन प्रक्रिया के पुनरावृत्तियों की संख्या में वृद्धि से लक्ष्य विलंब की सटीकता में उल्लेखनीय सुधार संभव हो गया: 200 पुनरावृत्तियों ने त्रुटि को 5% से कम कर दिया। एक पुनरावृत्ति RRAM सेल पर SET/RESET ऑपरेशन से मेल खाती है। सी जेफ्रेस मॉडल में प्रत्येक सीडी मॉड्यूल को सिस्टम विफलताओं के संबंध में अधिक लचीलेपन के लिए एन समानांतर सीडी तत्वों का उपयोग करके कार्यान्वित किया जा सकता है। डी अधिक आरआरएएम अंशांकन पुनरावृत्तियों से वास्तविक सकारात्मक दर (नीली रेखा) बढ़ जाती है, जबकि झूठी सकारात्मक दर पुनरावृत्तियों की संख्या (हरी रेखा) से स्वतंत्र होती है। अधिक सीडी तत्वों को समानांतर में रखने से सीडी मॉड्यूल मिलान की गलत पहचान से बचा जा सकता है।
अब हम न्यूरोमॉर्फिक कंप्यूटिंग ग्राफ बनाने वाले pMUT सेंसर, सीडी और विलंब लाइन सर्किट के ध्वनिक गुणों के माप का उपयोग करके चित्र 2 में दिखाए गए एंड-टू-एंड एकीकृत ऑब्जेक्ट स्थानीयकरण प्रणाली के प्रदर्शन और बिजली की खपत का मूल्यांकन करते हैं। जेफ़्रेस मॉडल (चित्र 1ए)। जहां तक ​​न्यूरोमॉर्फिक कंप्यूटिंग ग्राफ का सवाल है, सीडी मॉड्यूल की संख्या जितनी अधिक होगी, कोणीय रिज़ॉल्यूशन उतना ही बेहतर होगा, लेकिन सिस्टम की ऊर्जा भी उतनी ही अधिक होगी (चित्र 7ए)। पूरे सिस्टम की सटीकता के साथ व्यक्तिगत घटकों (pMUT सेंसर, न्यूरॉन्स और सिनैप्टिक सर्किट) की सटीकता की तुलना करके एक समझौता किया जा सकता है। विलंब रेखा का रिज़ॉल्यूशन सिम्युलेटेड सिनेप्स और न्यूरॉन्स के समय स्थिरांक द्वारा सीमित है, जो हमारी योजना में 10 μs से अधिक है, जो 4° के कोणीय रिज़ॉल्यूशन से मेल खाता है (तरीके देखें)। सीएमओएस तकनीक के साथ अधिक उन्नत नोड्स कम समय स्थिरांक के साथ तंत्रिका और सिनैप्टिक सर्किट के डिजाइन की अनुमति देंगे, जिसके परिणामस्वरूप विलंब रेखा तत्वों की उच्च सटीकता होगी। हालाँकि, हमारे सिस्टम में, सटीकता कोणीय स्थिति का अनुमान लगाने में त्रुटि pMUT द्वारा सीमित है, अर्थात 10° (चित्र 7a में नीली क्षैतिज रेखा)। हमने सीडी मॉड्यूल की संख्या 40 तय की है, जो लगभग 4° के कोणीय रिज़ॉल्यूशन से मेल खाती है, यानी, कम्प्यूटेशनल ग्राफ की कोणीय सटीकता (चित्र 7ए में हल्की नीली क्षैतिज रेखा)। सिस्टम स्तर पर, यह सेंसर सिस्टम के सामने 50 सेमी स्थित वस्तुओं के लिए 4° का रिज़ॉल्यूशन और 10° की सटीकता देता है। यह मान रेफरी में रिपोर्ट किए गए न्यूरोमॉर्फिक ध्वनि स्थानीयकरण सिस्टम से तुलनीय है। 67. अत्याधुनिक प्रणाली के साथ प्रस्तावित प्रणाली की तुलना अनुपूरक तालिका 1 में पाई जा सकती है। अतिरिक्त pMUTs जोड़ना, ध्वनिक सिग्नल स्तर बढ़ाना और इलेक्ट्रॉनिक शोर को कम करना स्थानीयकरण सटीकता को और बेहतर बनाने के संभावित तरीके हैं। ) 9.7 अनुमानित है। न्यूजीलैंड 55. कम्प्यूटेशनल ग्राफ पर 40 सीडी इकाइयों को देखते हुए, स्पाइस सिमुलेशन ने प्रति ऑपरेशन ऊर्जा (यानी, ऑब्जेक्ट पोजिशनिंग ऊर्जा) 21.6 एनजे होने का अनुमान लगाया। न्यूरोमॉर्फिक सिस्टम केवल तभी सक्रिय होता है जब कोई इनपुट इवेंट आता है, यानी जब एक ध्वनिक तरंग किसी pMUT रिसीवर तक पहुंचती है और डिटेक्शन थ्रेशोल्ड से अधिक हो जाती है, अन्यथा यह निष्क्रिय रहती है। इनपुट सिग्नल न होने पर यह अनावश्यक बिजली की खपत से बचाता है। 100 हर्ट्ज के स्थानीयकरण संचालन की आवृत्ति और प्रति ऑपरेशन 300 μs की सक्रियण अवधि (अधिकतम संभव आईटीडी) को ध्यान में रखते हुए, न्यूरोमॉर्फिक कंप्यूटिंग ग्राफ की बिजली खपत 61.7 एनडब्ल्यू है। प्रत्येक pMUT रिसीवर पर लागू न्यूरोमॉर्फिक प्री-प्रोसेसिंग के साथ, पूरे सिस्टम की बिजली खपत 81.6 nW तक पहुंच जाती है। पारंपरिक हार्डवेयर की तुलना में प्रस्तावित न्यूरोमॉर्फिक दृष्टिकोण की ऊर्जा दक्षता को समझने के लिए, हमने इस संख्या की तुलना न्यूरोमॉर्फिक या पारंपरिक बीमफॉर्मिंग68 कौशल का उपयोग करके आधुनिक कम शक्ति वाले माइक्रोकंट्रोलर पर समान कार्य करने के लिए आवश्यक ऊर्जा से की। न्यूरोमॉर्फिक दृष्टिकोण एक एनालॉग-टू-डिजिटल कनवर्टर (एडीसी) चरण पर विचार करता है, इसके बाद एक बैंड-पास फिल्टर और एक लिफाफा निष्कर्षण चरण (टीगर-कैसर विधि) होता है। अंत में, ToF को निकालने के लिए एक थ्रेशोल्ड ऑपरेशन किया जाता है। हमने टीओएफ के आधार पर आईटीडी की गणना और अनुमानित कोणीय स्थिति में रूपांतरण को छोड़ दिया है क्योंकि यह प्रत्येक माप के लिए एक बार होता है (तरीके देखें)। दोनों चैनलों (pMUT रिसीवर्स) पर 250 kHz की नमूना दर, 18 बैंड पास फ़िल्टर संचालन, 3 लिफाफा निष्कर्षण संचालन और प्रति नमूना 1 थ्रेशोल्ड ऑपरेशन मानते हुए, कुल बिजली खपत 245 माइक्रोवाट अनुमानित है। यह माइक्रोकंट्रोलर के लो-पावर मोड69 का उपयोग करता है, जो तब चालू होता है जब एल्गोरिदम निष्पादित नहीं हो रहा होता है, जिससे बिजली की खपत 10.8 µW तक कम हो जाती है। संदर्भ में प्रस्तावित बीमफॉर्मिंग सिग्नल प्रोसेसिंग समाधान की बिजली खपत। 31, 5 pMUT रिसीवर और 11 बीम के साथ अज़ीमुथ विमान [-50°, +50°] में समान रूप से वितरित, 11.71 mW है (विवरण के लिए विधि अनुभाग देखें)। इसके अलावा, हम ऑब्जेक्ट स्थानीयकरण के लिए जेफ्रेस मॉडल के प्रतिस्थापन के रूप में 1.5 मेगावाट अनुमानित एफपीजीए47-आधारित टाइम डिफरेंस एनकोडर (टीडीई) की बिजली खपत की रिपोर्ट करते हैं। इन अनुमानों के आधार पर, प्रस्तावित न्यूरोमॉर्फिक दृष्टिकोण ऑब्जेक्ट स्थानीयकरण संचालन के लिए शास्त्रीय बीमफॉर्मिंग तकनीकों का उपयोग करने वाले माइक्रोकंट्रोलर की तुलना में बिजली की खपत को परिमाण के पांच आदेशों तक कम कर देता है। क्लासिक माइक्रोकंट्रोलर पर सिग्नल प्रोसेसिंग के लिए न्यूरोमॉर्फिक दृष्टिकोण अपनाने से बिजली की खपत परिमाण के लगभग दो आदेशों तक कम हो जाती है। प्रस्तावित प्रणाली की प्रभावशीलता को इन-मेमोरी गणना करने में सक्षम एक अतुल्यकालिक प्रतिरोधी-मेमोरी एनालॉग सर्किट के संयोजन और संकेतों को समझने के लिए आवश्यक एनालॉग-टू-डिजिटल रूपांतरण की कमी से समझाया जा सकता है।
सीडी मॉड्यूल की संख्या के आधार पर स्थानीयकरण ऑपरेशन का एक कोणीय रिज़ॉल्यूशन (नीला) और बिजली की खपत (हरा)। गहरे नीले रंग की क्षैतिज पट्टी पीएमयूटी की कोणीय सटीकता का प्रतिनिधित्व करती है और हल्की नीली क्षैतिज पट्टी न्यूरोमॉर्फिक कम्प्यूटेशनल ग्राफ की कोणीय सटीकता का प्रतिनिधित्व करती है। बी प्रस्तावित प्रणाली की बिजली की खपत और दो चर्चा किए गए माइक्रोकंट्रोलर कार्यान्वयन और टाइम डिफरेंस एनकोडर (टीडीई)47 एफपीजीए के डिजिटल कार्यान्वयन के साथ तुलना।
लक्ष्य स्थानीयकरण प्रणाली की बिजली खपत को कम करने के लिए, हमने एक कुशल, घटना-संचालित आरआरएएम-आधारित न्यूरोमोर्फिक सर्किट की कल्पना की, डिजाइन किया और कार्यान्वित किया जो वास्तविक में लक्ष्य वस्तु की स्थिति की गणना करने के लिए अंतर्निहित सेंसर द्वारा उत्पन्न सिग्नल जानकारी को संसाधित करता है। समय। . जबकि पारंपरिक प्रसंस्करण विधियां लगातार खोजे गए संकेतों का नमूना लेती हैं और उपयोगी जानकारी निकालने के लिए गणना करती हैं, प्रस्तावित न्यूरोमॉर्फिक समाधान उपयोगी जानकारी आने पर अतुल्यकालिक रूप से गणना करता है, जिससे सिस्टम पावर दक्षता परिमाण के पांच आदेशों तक अधिकतम हो जाती है। इसके अलावा, हम आरआरएएम-आधारित न्यूरोमॉर्फिक सर्किट के लचीलेपन पर प्रकाश डालते हैं। गैर-वाष्पशील तरीके (प्लास्टिसिटी) में चालन को बदलने की आरआरएएम की क्षमता अल्ट्रा-लो पावर एनालॉग डीपीआई के सिनैप्टिक और न्यूरल सर्किट की अंतर्निहित परिवर्तनशीलता की भरपाई करती है। यह इस आरआरएएम-आधारित सर्किट को बहुमुखी और शक्तिशाली बनाता है। हमारा लक्ष्य संकेतों से जटिल कार्यों या पैटर्न को निकालना नहीं है, बल्कि वास्तविक समय में वस्तुओं को स्थानीयकृत करना है। हमारा सिस्टम सिग्नल को कुशलतापूर्वक संपीड़ित कर सकता है और अंततः जरूरत पड़ने पर अधिक जटिल निर्णय लेने के लिए इसे आगे के प्रसंस्करण चरणों में भेज सकता है। स्थानीयकरण अनुप्रयोगों के संदर्भ में, हमारा न्यूरोमॉर्फिक प्रीप्रोसेसिंग चरण वस्तुओं के स्थान के बारे में जानकारी प्रदान कर सकता है। इस जानकारी का उपयोग, उदाहरण के लिए, गति पहचान या हावभाव पहचान के लिए किया जा सकता है। हम अल्ट्रा लो पावर सेंसर जैसे कि pMUTs को अल्ट्रा लो पावर इलेक्ट्रॉनिक्स के साथ संयोजित करने के महत्व पर जोर देते हैं। इसके लिए, न्यूरोमॉर्फिक दृष्टिकोण महत्वपूर्ण रहे हैं क्योंकि उन्होंने हमें जेफ्रेस मॉडल जैसे जैविक रूप से प्रेरित कम्प्यूटेशनल तरीकों के नए सर्किट कार्यान्वयन विकसित करने के लिए प्रेरित किया है। सेंसर फ़्यूज़न अनुप्रयोगों के संदर्भ में, अधिक सटीक जानकारी प्राप्त करने के लिए हमारे सिस्टम को कई अलग-अलग घटना-आधारित सेंसर के साथ जोड़ा जा सकता है। यद्यपि उल्लू अंधेरे में शिकार ढूंढने में उत्कृष्ट होते हैं, उनकी दृष्टि उत्कृष्ट होती है और वे शिकार को पकड़ने से पहले संयुक्त श्रवण और दृश्य खोज करते हैं70। जब एक विशेष श्रवण न्यूरॉन सक्रिय होता है, तो उल्लू को वह जानकारी प्राप्त होती है जो उसे यह निर्धारित करने के लिए आवश्यक होती है कि उसे अपनी दृश्य खोज किस दिशा में शुरू करनी है, इस प्रकार वह दृश्य दृश्य के एक छोटे से हिस्से पर अपना ध्यान केंद्रित करता है। भविष्य के स्वायत्त एजेंटों के विकास के लिए दृश्य सेंसर (डीवीएस कैमरा) और एक प्रस्तावित श्रवण सेंसर (पीएमयूटी पर आधारित) के संयोजन का पता लगाया जाना चाहिए।
pMUT सेंसर एक पीसीबी पर दो रिसीवरों के साथ लगभग 10 सेमी की दूरी पर स्थित होता है, और ट्रांसमीटर रिसीवर्स के बीच स्थित होता है। इस कार्य में, प्रत्येक झिल्ली एक निलंबित द्विरूपी संरचना है जिसमें 800 एनएम मोटी पीजोइलेक्ट्रिक एल्यूमीनियम नाइट्राइड (AlN) की दो परतें होती हैं जो 200 एनएम मोटी मोलिब्डेनम (Mo) की तीन परतों के बीच सैंडविच होती हैं और 200 एनएम मोटी परत से लेपित होती हैं। जैसा कि संदर्भ में वर्णित है, शीर्ष निष्क्रिय SiN परत। 71. आंतरिक और बाहरी इलेक्ट्रोड को मोलिब्डेनम की निचली और ऊपरी परतों पर लगाया जाता है, जबकि मध्य मोलिब्डेनम इलेक्ट्रोड को बिना पैटर्न के और ग्राउंड के रूप में उपयोग किया जाता है, जिसके परिणामस्वरूप चार जोड़े इलेक्ट्रोड के साथ एक झिल्ली बनती है।
यह आर्किटेक्चर एक सामान्य झिल्ली विरूपण के उपयोग की अनुमति देता है, जिसके परिणामस्वरूप बेहतर संचारण और संवेदनशीलता प्राप्त होती है। ऐसा pMUT आमतौर पर एक उत्सर्जक के रूप में 700 एनएम/V की उत्तेजना संवेदनशीलता प्रदर्शित करता है, जो 270 Pa/V का सतही दबाव प्रदान करता है। एक रिसीवर के रूप में, एक pMUT फिल्म 15 nA/Pa की शॉर्ट सर्किट संवेदनशीलता प्रदर्शित करती है, जो सीधे AlN के पीजोइलेक्ट्रिक गुणांक से संबंधित है। AlN परत में वोल्टेज की तकनीकी परिवर्तनशीलता से गुंजयमान आवृत्ति में परिवर्तन होता है, जिसकी भरपाई pMUT पर DC पूर्वाग्रह लागू करके की जा सकती है। DC संवेदनशीलता 0.5 kHz/V पर मापी गई। ध्वनिक लक्षण वर्णन के लिए, pMUT के सामने एक माइक्रोफ़ोन का उपयोग किया जाता है।
इको पल्स को मापने के लिए, हमने उत्सर्जित ध्वनि तरंगों को प्रतिबिंबित करने के लिए pMUT के सामने लगभग 50 सेमी2 क्षेत्रफल वाली एक आयताकार प्लेट रखी। प्लेटों के बीच की दूरी और pMUT विमान के सापेक्ष कोण दोनों को विशेष धारकों का उपयोग करके नियंत्रित किया जाता है। एक टेक्ट्रोनिक्स CPX400DP वोल्टेज स्रोत तीन pMUT झिल्लियों को बायस करता है, गुंजयमान आवृत्ति को 111.9 kHz31 पर ट्यून करता है, जबकि ट्रांसमीटर एक टेक्ट्रोनिक्स AFG 3102 पल्स जनरेटर द्वारा संचालित होते हैं जो गुंजयमान आवृत्ति (111.9 kHz) और 0.01 के कर्तव्य चक्र पर ट्यून किया जाता है। प्रत्येक pMUT रिसीवर के चार आउटपुट पोर्ट से पढ़ी जाने वाली धाराओं को एक विशेष अंतर धारा और वोल्टेज आर्किटेक्चर का उपयोग करके वोल्टेज में परिवर्तित किया जाता है, और परिणामी संकेतों को स्पेक्ट्रम डेटा अधिग्रहण प्रणाली द्वारा डिजिटलीकृत किया जाता है। पता लगाने की सीमा को विभिन्न परिस्थितियों में pMUT सिग्नल अधिग्रहण द्वारा चित्रित किया गया था: हमने परावर्तक को अलग-अलग दूरी [30, 40, 50, 60, 80, 100] सेमी पर ले जाया और pMUT समर्थन कोण ([0, 20, 40] o) को बदल दिया। ) चित्र 2बी डिग्री में संबंधित कोणीय स्थिति के आधार पर अस्थायी आईटीडी पहचान रिज़ॉल्यूशन दिखाता है।
यह आलेख दो अलग-अलग ऑफ-द-शेल्फ आरआरएएम सर्किट का उपयोग करता है। पहला एक ट्रांजिस्टर और एक अवरोधक के साथ 1T1R कॉन्फ़िगरेशन में 16,384 (16,000) डिवाइस (128 × 128 डिवाइस) की एक श्रृंखला है। दूसरी चिप चित्र 4ए में दिखाया गया न्यूरोमॉर्फिक प्लेटफ़ॉर्म है। RRAM सेल में TiN/HfO2/Ti/TiN स्टैक में एम्बेडेड 5 एनएम मोटी HfO2 फिल्म होती है। आरआरएएम स्टैक को मानक 130 एनएम सीएमओएस प्रक्रिया के बैक-ऑफ-लाइन (बीईओएल) में एकीकृत किया गया है। आरआरएएम-आधारित न्यूरोमॉर्फिक सर्किट सभी-एनालॉग इलेक्ट्रॉनिक सिस्टम के लिए एक डिज़ाइन चुनौती पेश करते हैं जिसमें आरआरएएम डिवाइस पारंपरिक सीएमओएस तकनीक के साथ सह-अस्तित्व में होते हैं। विशेष रूप से, आरआरएएम डिवाइस की चालन स्थिति को सिस्टम के लिए फ़ंक्शन वैरिएबल के रूप में पढ़ा और उपयोग किया जाना चाहिए। इस प्रयोजन के लिए, एक सर्किट डिजाइन, निर्मित और परीक्षण किया गया था जो इनपुट पल्स प्राप्त होने पर डिवाइस से करंट को पढ़ता है और एक डिफरेंशियल पेयर इंटीग्रेटर (डीपीआई) सिनेप्स की प्रतिक्रिया को वेट करने के लिए इस करंट का उपयोग करता है। यह सर्किट चित्र 3ए में दिखाया गया है, जो चित्र 4ए में न्यूरोमॉर्फिक प्लेटफॉर्म के बुनियादी निर्माण खंडों का प्रतिनिधित्व करता है। एक इनपुट पल्स 1T1R डिवाइस के गेट को सक्रिय करता है, जिससे डिवाइस के संचालन G (Iweight = G(Vtop - Vx)) के आनुपातिक RRAM के माध्यम से करंट उत्पन्न होता है। ऑपरेशनल एम्पलीफायर (ऑप-एम्प) सर्किट के इनवर्टिंग इनपुट में एक स्थिर डीसी बायस वोल्टेज वीटॉप होता है। ऑप-एम्प की नकारात्मक प्रतिक्रिया M1 से समान धारा प्रदान करके Vx = Vtop प्रदान करेगी। डिवाइस से प्राप्त वर्तमान आईवेट को डीपीआई सिनैप्स में इंजेक्ट किया जाता है। एक मजबूत धारा के परिणामस्वरूप अधिक विध्रुवण होगा, इसलिए आरआरएएम चालन सिनैप्टिक भार को प्रभावी ढंग से लागू करता है। इस एक्सपोनेंशियल सिनैप्टिक करंट को लीकी इंटीग्रेशन एंड एक्सिटेशन (एलआईएफ) न्यूरॉन्स के झिल्ली संधारित्र के माध्यम से इंजेक्ट किया जाता है, जहां इसे वोल्टेज के रूप में एकीकृत किया जाता है। यदि झिल्ली का थ्रेशोल्ड वोल्टेज (इन्वर्टर का स्विचिंग वोल्टेज) दूर हो जाता है, तो न्यूरॉन का आउटपुट भाग सक्रिय हो जाता है, जिससे आउटपुट स्पाइक उत्पन्न होता है। यह पल्स वापस लौटती है और न्यूरॉन के झिल्ली संधारित्र को जमीन पर गिरा देती है, जिससे उसका डिस्चार्ज हो जाता है। इस सर्किट को फिर एक पल्स विस्तारक (चित्र 3 ए में नहीं दिखाया गया है) के साथ पूरक किया जाता है, जो एलआईएफ न्यूरॉन के आउटपुट पल्स को लक्ष्य पल्स चौड़ाई के अनुसार आकार देता है। मल्टीप्लेक्सर्स को प्रत्येक लाइन में भी बनाया गया है, जिससे वोल्टेज को आरआरएएम डिवाइस के शीर्ष और निचले इलेक्ट्रोड पर लागू किया जा सकता है।
विद्युत परीक्षण में एनालॉग सर्किट के गतिशील व्यवहार का विश्लेषण और रिकॉर्डिंग, साथ ही आरआरएएम उपकरणों की प्रोग्रामिंग और रीडिंग शामिल है। दोनों चरणों के लिए विशेष उपकरणों की आवश्यकता होती है, जो सभी एक ही समय में सेंसर बोर्ड से जुड़े होते हैं। न्यूरोमोर्फिक सर्किट में आरआरएएम उपकरणों तक पहुंच एक मल्टीप्लेक्सर (एमयूएक्स) के माध्यम से बाहरी उपकरणों से की जाती है। MUX 1T1R सेल को बाकी सर्किटरी से अलग करता है जिससे वह संबंधित है, जिससे डिवाइस को पढ़ने और/या प्रोग्राम करने की अनुमति मिलती है। आरआरएएम उपकरणों को प्रोग्राम करने और पढ़ने के लिए, एक कीथली 4200 एससीएस मशीन का उपयोग एक Arduino माइक्रोकंट्रोलर के साथ संयोजन में किया जाता है: पहला सटीक पल्स पीढ़ी और वर्तमान रीडिंग के लिए, और दूसरा मेमोरी सरणी में व्यक्तिगत 1T1R तत्वों तक त्वरित पहुंच के लिए। पहला ऑपरेशन RRAM डिवाइस बनाना है। कोशिकाओं को एक-एक करके चुना जाता है और ऊपर और नीचे के इलेक्ट्रोड के बीच एक सकारात्मक वोल्टेज लगाया जाता है। इस मामले में, चयनकर्ता ट्रांजिस्टर को संबंधित गेट वोल्टेज की आपूर्ति के कारण करंट दसियों माइक्रोएम्पीयर के क्रम तक सीमित है। आरआरएएम सेल क्रमशः RESET और SET संचालन का उपयोग करके कम प्रवाहकीय स्थिति (LCS) और उच्च प्रवाहकीय स्थिति (HCS) के बीच चक्र कर सकता है। एसईटी ऑपरेशन को ऊपरी इलेक्ट्रोड पर 1 μs की अवधि और 2.0-2.5 V के पीक वोल्टेज के साथ एक आयताकार वोल्टेज पल्स और 0.9-1.3 V के पीक वोल्टेज के साथ समान आकार के एक सिंक पल्स को लागू करके किया जाता है। चयनकर्ता ट्रांजिस्टर का गेट. ये मान 20-150 μs के अंतराल पर RRAM संचालन को नियंत्रित करने की अनुमति देते हैं। रीसेट के लिए, 1 μs चौड़ा, 3 V पीक पल्स सेल के निचले इलेक्ट्रोड (बिट लाइन) पर लगाया जाता है जब गेट वोल्टेज 2.5-3.0 V की सीमा में होता है। एनालॉग सर्किट के इनपुट और आउटपुट गतिशील सिग्नल होते हैं . इनपुट के लिए, हमने दो HP 8110 पल्स जनरेटर को Tektronix AFG3011 सिग्नल जनरेटर के साथ इंटरलीव किया। इनपुट पल्स की चौड़ाई 1 μs और बढ़त/गिरावट की सीमा 50 ns है। इस प्रकार की पल्स को एनालॉग ग्लिच आधारित सर्किट में एक विशिष्ट गड़बड़ी माना जाता है। जहां तक ​​आउटपुट सिग्नल की बात है, आउटपुट सिग्नल टेलीडाइन लेक्रॉय 1 गीगाहर्ट्ज़ ऑसिलोस्कोप का उपयोग करके रिकॉर्ड किया गया था। सर्किट डेटा के विश्लेषण और अधिग्रहण में ऑसिलोस्कोप की अधिग्रहण गति एक सीमित कारक नहीं साबित हुई है।
न्यूरॉन्स और सिनैप्स के व्यवहार को अनुकरण करने के लिए एनालॉग इलेक्ट्रॉनिक्स की गतिशीलता का उपयोग करना कम्प्यूटेशनल दक्षता में सुधार करने के लिए एक सुंदर और कुशल समाधान है। इस कम्प्यूटेशनल बुनियाद का नुकसान यह है कि यह योजना दर योजना अलग-अलग होगी। हमने न्यूरॉन्स और सिनैप्टिक सर्किट की परिवर्तनशीलता की मात्रा निर्धारित की (पूरक छवि 2 ए, बी)। परिवर्तनशीलता की सभी अभिव्यक्तियों में से, समय स्थिरांक और इनपुट लाभ से जुड़ी अभिव्यक्तियों का सिस्टम स्तर पर सबसे अधिक प्रभाव पड़ता है। एलआईएफ न्यूरॉन और डीपीआई सिनैप्स का समय स्थिरांक आरसी सर्किट द्वारा निर्धारित किया जाता है, जहां आर का मान ट्रांजिस्टर के गेट पर लागू पूर्वाग्रह वोल्टेज द्वारा नियंत्रित किया जाता है (न्यूरॉन के लिए वीएलके और सिनैप्स के लिए वीटीएयू), जो निर्धारित करता है रिसाव दर. इनपुट गेन को इनपुट पल्स द्वारा उत्तेजित सिनैप्टिक और न्यूरोनल झिल्ली कैपेसिटर तक पहुंचने वाले चरम वोल्टेज के रूप में परिभाषित किया गया है। इनपुट लाभ को एक अन्य बायस ट्रांजिस्टर द्वारा नियंत्रित किया जाता है जो इनपुट करंट को नियंत्रित करता है। कुछ इनपुट लाभ और समय स्थिर आँकड़े एकत्र करने के लिए एसटी माइक्रोइलेक्ट्रॉनिक्स की 130 एनएम प्रक्रिया पर कैलिब्रेट किया गया एक मोंटे कार्लो सिमुलेशन किया गया था। परिणाम पूरक चित्र 2 में प्रस्तुत किए गए हैं, जहां इनपुट लाभ और समय स्थिरांक को रिसाव दर को नियंत्रित करने वाले पूर्वाग्रह वोल्टेज के एक फ़ंक्शन के रूप में निर्धारित किया जाता है। हरे मार्कर माध्य से समय स्थिरांक के मानक विचलन को मापते हैं। न्यूरॉन्स और सिनैप्टिक सर्किट दोनों 10-5-10-2 सेकेंड की सीमा में समय स्थिरांक की एक विस्तृत श्रृंखला को व्यक्त करने में सक्षम थे, जैसा कि पूरक चित्र योजना में दिखाया गया है। न्यूरोनल और सिनैप्स परिवर्तनशीलता का इनपुट प्रवर्धन (अनुपूरक चित्र 2ई,डी) क्रमशः लगभग 8% और 3% था। इस तरह की कमी को साहित्य में अच्छी तरह से प्रलेखित किया गया है: LIF63 न्यूरॉन्स की आबादी के बीच बेमेल का आकलन करने के लिए DYNAP चिप्स की सरणी पर विभिन्न माप किए गए थे। ब्रेनस्केल मिश्रित सिग्नल चिप में सिनैप्स को मापा गया और उनकी विसंगतियों का विश्लेषण किया गया, और सिस्टम-स्तरीय परिवर्तनशीलता64 के प्रभाव को कम करने के लिए एक अंशांकन प्रक्रिया प्रस्तावित की गई।
न्यूरोमॉर्फिक सर्किट में आरआरएएम का कार्य दो गुना है: आर्किटेक्चर परिभाषा (आउटपुट में रूटिंग इनपुट) और सिनैप्टिक वेट का कार्यान्वयन। बाद की संपत्ति का उपयोग मॉडल किए गए न्यूरोमॉर्फिक सर्किट की परिवर्तनशीलता की समस्या को हल करने के लिए किया जा सकता है। हमने एक सरल अंशांकन प्रक्रिया विकसित की है जिसमें आरआरएएम डिवाइस को तब तक रीप्रोग्राम करना शामिल है जब तक कि विश्लेषण किया जा रहा सर्किट कुछ आवश्यकताओं को पूरा नहीं कर लेता। किसी दिए गए इनपुट के लिए, आउटपुट की निगरानी की जाती है और लक्ष्य व्यवहार प्राप्त होने तक आरआरएएम को फिर से प्रोग्राम किया जाता है। आरआरएएम छूट की समस्या को हल करने के लिए प्रोग्रामिंग संचालन के बीच 5 एस का प्रतीक्षा समय शुरू किया गया था, जिसके परिणामस्वरूप क्षणिक संचालन में उतार-चढ़ाव (पूरक सूचना) हुई। सिनैप्टिक वज़न को मॉडल किए जा रहे न्यूरोमॉर्फिक सर्किट की आवश्यकताओं के अनुसार समायोजित या कैलिब्रेट किया जाता है। अंशांकन प्रक्रिया को अतिरिक्त एल्गोरिदम [1, 2] में संक्षेपित किया गया है जो न्यूरोमॉर्फिक प्लेटफार्मों, विलंब रेखाओं और दिशा असंवेदनशील सीडी की दो मूलभूत विशेषताओं पर ध्यान केंद्रित करता है। विलंब रेखा वाले सर्किट के लिए, लक्ष्य व्यवहार विलंब Δt के साथ आउटपुट पल्स प्रदान करना है। यदि वास्तविक सर्किट विलंब लक्ष्य मान से कम है, तो G3 का सिनैप्टिक भार कम किया जाना चाहिए (G3 को रीसेट किया जाना चाहिए और फिर कम मिलान वाले वर्तमान Icc पर सेट किया जाना चाहिए)। इसके विपरीत, यदि वास्तविक विलंब लक्ष्य मान से अधिक है, तो G3 का संचालन बढ़ाया जाना चाहिए (G3 को पहले रीसेट किया जाना चाहिए और फिर उच्च Icc मान पर सेट किया जाना चाहिए)। यह प्रक्रिया तब तक दोहराई जाती है जब तक कि सर्किट द्वारा उत्पन्न देरी लक्ष्य मान से मेल नहीं खाती है और अंशांकन प्रक्रिया को रोकने के लिए एक सहिष्णुता निर्धारित की जाती है। ओरिएंटेशन-असंवेदनशील सीडी के लिए, दो आरआरएएम डिवाइस, जी1 और जी3, अंशांकन प्रक्रिया में शामिल हैं। इस सर्किट में दो इनपुट हैं, Vin0 और Vin1, dt द्वारा विलंबित। सर्किट को केवल मिलान सीमा [0,dtCD] से नीचे की देरी पर प्रतिक्रिया देनी चाहिए। यदि कोई आउटपुट शिखर नहीं है, लेकिन इनपुट शिखर करीब है, तो न्यूरॉन को सीमा तक पहुंचने में मदद करने के लिए दोनों आरआरएएम उपकरणों को बढ़ावा दिया जाना चाहिए। इसके विपरीत, यदि सर्किट dtCD की लक्ष्य सीमा से अधिक देरी पर प्रतिक्रिया करता है, तो संचालन कम होना चाहिए। सही व्यवहार प्राप्त होने तक प्रक्रिया को दोहराएँ। अनुपालन धारा को रेफरी में अंतर्निर्मित एनालॉग सर्किट द्वारा संशोधित किया जा सकता है। 72.73. इस अंतर्निर्मित सर्किट के साथ, सिस्टम को कैलिब्रेट करने या किसी अन्य एप्लिकेशन के लिए इसका पुन: उपयोग करने के लिए ऐसी प्रक्रियाएं समय-समय पर की जा सकती हैं।
हम एक मानक 32-बिट माइक्रोकंट्रोलर68 पर हमारे न्यूरोमॉर्फिक सिग्नल प्रोसेसिंग दृष्टिकोण की बिजली खपत का मूल्यांकन करते हैं। इस मूल्यांकन में, हम इस पेपर के समान सेटअप के साथ एक pMUT ट्रांसमीटर और दो pMUT रिसीवर के साथ संचालन मानते हैं। यह विधि एक बैंडपास फिल्टर का उपयोग करती है, इसके बाद एक लिफाफा निष्कर्षण चरण (टीगर-कैसर) होता है, और अंत में उड़ान का समय निकालने के लिए सिग्नल पर एक थ्रेशोल्डिंग ऑपरेशन लागू किया जाता है। मूल्यांकन में आईटीडी की गणना और पता लगाने वाले कोणों में इसके रूपांतरण को छोड़ दिया गया है। हम 18 फ्लोटिंग पॉइंट ऑपरेशन की आवश्यकता वाले चौथे क्रम के अनंत आवेग प्रतिक्रिया फ़िल्टर का उपयोग करके एक बैंड पास फ़िल्टर कार्यान्वयन पर विचार करते हैं। लिफ़ाफ़ा निष्कर्षण तीन और फ़्लोटिंग पॉइंट ऑपरेशंस का उपयोग करता है, और अंतिम ऑपरेशन का उपयोग थ्रेशोल्ड सेट करने के लिए किया जाता है। सिग्नल को प्रीप्रोसेस करने के लिए कुल 22 फ्लोटिंग पॉइंट ऑपरेशन की आवश्यकता होती है। प्रेषित सिग्नल प्रत्येक 10 एमएस में उत्पन्न 111.9 किलोहर्ट्ज़ साइन तरंग का एक छोटा विस्फोट है जिसके परिणामस्वरूप 100 हर्ट्ज की पोजिशनिंग ऑपरेटिंग आवृत्ति होती है। हमने नाइक्विस्ट के अनुपालन के लिए 250 किलोहर्ट्ज़ की नमूना दर और 1 मीटर की सीमा को पकड़ने के लिए प्रत्येक माप के लिए 6 एमएस विंडो का उपयोग किया। ध्यान दें कि 6 मिलीसेकेंड 1 मीटर दूर किसी वस्तु की उड़ान का समय है। यह 0.5 एमएसपीएस पर ए/डी रूपांतरण के लिए 180 µW की बिजली खपत प्रदान करता है। सिग्नल प्रीप्रोसेसिंग 6.60 एमआईपीएस (निर्देश प्रति सेकंड) है, जिससे 0.75 मेगावाट उत्पन्न होता है। हालाँकि, जब एल्गोरिथम नहीं चल रहा हो तो माइक्रोकंट्रोलर कम पावर मोड 69 पर स्विच कर सकता है। यह मोड 10.8 μW की स्थिर बिजली खपत और 113 μs का वेक-अप समय प्रदान करता है। 84 मेगाहर्ट्ज की घड़ी आवृत्ति को देखते हुए, माइक्रोकंट्रोलर 10 एमएस के भीतर न्यूरोमॉर्फिक एल्गोरिदम के सभी संचालन को पूरा करता है, और एल्गोरिदम 6.3% के कर्तव्य चक्र की गणना करता है, इस प्रकार कम पावर मोड का उपयोग करता है। परिणामी बिजली अपव्यय 244.7 μW है। ध्यान दें कि हम टीओएफ से आईटीडी आउटपुट और डिटेक्शन एंगल में रूपांतरण को छोड़ देते हैं, इस प्रकार माइक्रोकंट्रोलर की बिजली खपत को कम करके आंका जाता है। यह प्रस्तावित प्रणाली की ऊर्जा दक्षता के लिए अतिरिक्त मूल्य प्रदान करता है। एक अतिरिक्त तुलना शर्त के रूप में, हम संदर्भ में प्रस्तावित शास्त्रीय बीमफॉर्मिंग विधियों की बिजली खपत का मूल्यांकन करते हैं। 31.54 जब 1.8V आपूर्ति वोल्टेज पर समान माइक्रोकंट्रोलर68 में एम्बेडेड होता है। बीमफॉर्मिंग के लिए डेटा प्राप्त करने के लिए पांच समान दूरी वाली pMUT झिल्लियों का उपयोग किया जाता है। जहां तक ​​प्रसंस्करण की बात है, उपयोग की जाने वाली बीमफॉर्मिंग विधि विलंब योग है। इसमें बस लेन में विलंब लागू करना शामिल है जो एक लेन और संदर्भ लेन के बीच आगमन समय में अपेक्षित अंतर से मेल खाता है। यदि सिग्नल चरण में हैं, तो समय परिवर्तन के बाद इन संकेतों के योग में उच्च ऊर्जा होगी। यदि वे चरण से बाहर हैं, तो विनाशकारी हस्तक्षेप उनके योग की ऊर्जा को सीमित कर देगा। एक रिश्ते में. अंजीर पर. 31, नमूनों की पूर्णांक संख्या द्वारा डेटा को समय-समय पर स्थानांतरित करने के लिए 2 मेगाहर्ट्ज की एक नमूना दर का चयन किया जाता है। एक अधिक विनम्र दृष्टिकोण 250 किलोहर्ट्ज़ की एक मोटे नमूना दर को बनाए रखना और आंशिक देरी को संश्लेषित करने के लिए एक परिमित आवेग प्रतिक्रिया (एफआईआर) फ़िल्टर का उपयोग करना है। हम मान लेंगे कि बीमफॉर्मिंग एल्गोरिदम की जटिलता मुख्य रूप से समय बदलाव से निर्धारित होती है, क्योंकि प्रत्येक चैनल प्रत्येक दिशा में 16 टैप के साथ एक एफआईआर फिल्टर से जुड़ा होता है। इस ऑपरेशन के लिए आवश्यक एमआईपीएस की संख्या की गणना करने के लिए, हम 1 मीटर, 5 चैनल, 11 बीमफॉर्मिंग दिशाओं (10 डिग्री चरणों में रेंज +/- 50 डिग्री) की सीमा को पकड़ने के लिए प्रति माप 6 एमएस की एक विंडो पर विचार करते हैं। 75 माप प्रति सेकंड ने माइक्रोकंट्रोलर को अधिकतम 100 एमआईपीएस तक धकेल दिया। जोड़ना। 68, जिसके परिणामस्वरूप ऑनबोर्ड एडीसी योगदान जोड़ने के बाद 11.71 मेगावाट की कुल बिजली अपव्यय के लिए 11.26 मेगावाट का बिजली अपव्यय हुआ।
इस अध्ययन के परिणामों का समर्थन करने वाला डेटा उचित अनुरोध पर संबंधित लेखक, एफएम से उपलब्ध है।
इंडिवेरी, जी. और सैंडामिर्स्काया, वाई. न्यूरोमॉर्फिक एजेंटों में सिग्नल प्रोसेसिंग के लिए स्थान और समय का महत्व: कम-शक्ति, स्वायत्त एजेंटों को विकसित करने की चुनौती जो पर्यावरण के साथ बातचीत करते हैं। इंडिवेरी, जी. और सैंडामिर्स्काया, वाई. न्यूरोमॉर्फिक एजेंटों में सिग्नल प्रोसेसिंग के लिए स्थान और समय का महत्व: कम-शक्ति, स्वायत्त एजेंटों को विकसित करने की चुनौती जो पर्यावरण के साथ बातचीत करते हैं।इंडिवेरी जी. और सैंडामिर्स्काया वाई. न्यूरोमॉर्फिक एजेंटों में सिग्नल प्रोसेसिंग के लिए स्थान और समय का महत्व: पर्यावरण के साथ बातचीत करने वाले कम-शक्ति वाले स्वायत्त एजेंटों को विकसित करने की चुनौती। इंडिवेरी, जी. और सैंडामिर्स्काया, वाई.空间和时间对于神经形态代理中信号处理的重要उत्तर: एक बार फिर से एक बार फिर से अपना काम पूरा करना शुरू कर दें। इंडिवेरी, जी. और सैंडामिर्स्काया, वाई.इंडिवेरी जी. और सैंडामिर्स्काया वाई. न्यूरोमॉर्फिक एजेंटों में सिग्नल प्रोसेसिंग के लिए स्थान और समय का महत्व: पर्यावरण के साथ बातचीत करने वाले कम-शक्ति वाले स्वायत्त एजेंटों को विकसित करने की चुनौती।आईईईई सिग्नल प्रोसेसिंग। जर्नल 36, 16-28 (2019)।
थोर्पे, एसजे पीक आगमन समय: एक कुशल तंत्रिका नेटवर्क कोडिंग योजना। एक्मिलर, आर., हार्टमैन, जी. और हॉस्के, जी. (संस्करण) में। एक्मिलर, आर., हार्टमैन, जी. और हॉस्के, जी. (संस्करण) में।एक्मिलर, आर., हार्टमैन, जी. और हॉस्के, जी. (संस्करण) में।एक्मिलर, आर., हार्टमैन, जी., और हॉस्के, जी. (संस्करण) में। तंत्रिका तंत्र और कंप्यूटर में समानांतर प्रसंस्करण 91-94 (नॉर्थ-हॉलैंड एल्सेवियर, 1990)।
लेवी, डब्ल्यूबी और कैल्वर्ट, वीजी कम्युनिकेशन मानव कॉर्टेक्स में गणना की तुलना में 35 गुना अधिक ऊर्जा की खपत करता है, लेकिन सिनैप्स संख्या की भविष्यवाणी करने के लिए दोनों लागतों की आवश्यकता होती है। लेवी, डब्ल्यूबी और कैल्वर्ट, वीजी कम्युनिकेशन मानव कॉर्टेक्स में गणना की तुलना में 35 गुना अधिक ऊर्जा की खपत करता है, लेकिन सिनैप्स संख्या की भविष्यवाणी करने के लिए दोनों लागतों की आवश्यकता होती है।लेवी, डब्ल्यूबी और कैल्वर्ट, डब्ल्यूजी कम्युनिकेशन मानव कॉर्टेक्स में गणना की तुलना में 35 गुना अधिक ऊर्जा की खपत करता है, लेकिन सिनैप्स की संख्या की भविष्यवाणी करने के लिए दोनों लागतों की आवश्यकता होती है। लेवी, डब्लूबी और कैल्वर्ट, वीजी कम्युनिकेशन को 35 दिनों के भीतर एक नया विज्ञापन मिला है। लेवी, डब्ल्यूबी और कैल्वर्ट, वीजी कम्युनिकेशनलेवी, डब्ल्यूबी और कैल्वर्ट, डब्ल्यूजी कम्युनिकेशन मानव कॉर्टेक्स में गणना की तुलना में 35 गुना अधिक ऊर्जा की खपत करता है, लेकिन दोनों लागतों के लिए सिनैप्स की संख्या की भविष्यवाणी की आवश्यकता होती है।प्रक्रिया। राष्ट्रीय विज्ञान अकादमी। विज्ञान. यूएस 118, https://doi.org/10.1073/pnas.2008173118 (2021)।
डेलगाटी, टी., वियानेलो, ई., डी साल्वो, बी. और कैसस, जे. कीट-प्रेरित न्यूरोमोर्फिक कंप्यूटिंग। डेलगाटी, टी., वियानेलो, ई., डी साल्वो, बी. और कैसस, जे. कीट-प्रेरित न्यूरोमोर्फिक कंप्यूटिंग।डेलगती, टी., वियानेलो, ई., डीसाल्वो, बी. और कैसस, जे. कीट-प्रेरित न्यूरोमोर्फिक कंप्यूटिंग।डेलगती टी., वियानेलो ई., डीसाल्वो बी. और कैसस जे. कीट-प्रेरित न्यूरोमॉर्फिक कंप्यूटिंग। मौजूदा। राय। कीट विज्ञान. 30, 59-66 (2018)।
रॉय, के., जयसवाल, ए. और पांडा, पी. न्यूरोमोर्फिक कंप्यूटिंग के साथ स्पाइक-आधारित मशीन इंटेलिजेंस की ओर। रॉय, के., जयसवाल, ए. और पांडा, पी. न्यूरोमोर्फिक कंप्यूटिंग के साथ स्पाइक-आधारित मशीन इंटेलिजेंस की ओर। रॉय, के., जयसवाल, ए. और पांडा, पी. न्यूरोमोर्फिक कंप्यूटिंग के साथ स्पाइक-आधारित मशीन इंटेलिजेंस की ओर।रॉय के, जयसवाल ए, और पांडा पी. न्यूरोमोर्फिक कंप्यूटिंग का उपयोग करते हुए पल्स-आधारित कृत्रिम बुद्धिमत्ता। प्रकृति 575, 607-617 (2019)।
इंडिवेरी, जी. और लियू, एस.-सी. इंडिवेरी, जी. और लियू, एस.-सी.इंडिवेरी, जी. और लियू, एस.-के. इंडिवेरी, जी. और लियू, एस.-सी. इंडिवेरी, जी. और लियू, एस.-सी.इंडिवेरी, जी. और लियू, एस.-के.न्यूरोमॉर्फिक सिस्टम में मेमोरी और सूचना प्रसंस्करण। प्रक्रिया। आईईईई 103, 1379-1397 (2015)।
अकोपियन एफ. एट अल. ट्रूनॉर्थ: 65 मेगावाट 1 मिलियन न्यूरॉन प्रोग्रामयोग्य सिनैप्टिक चिप के लिए डिज़ाइन और टूलकिट। आईईईई लेनदेन। एकीकृत सर्किट सिस्टम का कंप्यूटर डिजाइन। 34, 1537-1557 (2015)।
स्कीममेल, जे. एट अल. लाइव डेमो: प्लेट स्केल पर ब्रेनस्केलएस न्यूरोमॉर्फिक सिस्टम का छोटा संस्करण। 2012 सर्किट और सिस्टम पर आईईईई अंतर्राष्ट्रीय संगोष्ठी (आईएससीएएस), (आईईईई संस्करण) 702-702 (2012)।
मोराडी, एस., क़ियाओ, एन., स्टेफ़नीनी, एफ. और इंडिवेरी, जी. डायनेमिक न्यूरोमॉर्फिक एसिंक्रोनस प्रोसेसर (डीवाईएनएपी) के लिए विषम मेमोरी संरचनाओं के साथ एक स्केलेबल मल्टीकोर आर्किटेक्चर। मोराडी, एस., क़ियाओ, एन., स्टेफ़नीनी, एफ. और इंडिवेरी, जी. डायनेमिक न्यूरोमॉर्फिक एसिंक्रोनस प्रोसेसर (डीवाईएनएपी) के लिए विषम मेमोरी संरचनाओं के साथ एक स्केलेबल मल्टीकोर आर्किटेक्चर।मोराडी एस., क़ियाओ एन., स्टेफ़नीनी एफ. और इंदिविरी जी. डायनेमिक न्यूरोमॉर्फिक एसिंक्रोनस प्रोसेसर (DYNAP) के लिए विषम मेमोरी संरचनाओं के साथ एक स्केलेबल मल्टीकोर आर्किटेक्चर। मोराडी, एस., किआओ, एन., स्टेफनीनी, एफ. और इंडिवेरी, जी.的异构内存结构. मोराडी, एस., क़ियाओ, एन., स्टेफ़नीनी, एफ. और इंडीवेरी, जी. एक प्रकार का विस्तार योग्य मल्टी-कोर आर्किटेक्चर, गतिशील तंत्रिका प्रसंस्करण (डीवाईएनएपी) के लिए एक अद्वितीय मेमोरी संरचना के साथ।मोराडी एस., क़ियाओ एन., स्टेफ़नीनी एफ. और इंदिविरी जी. डायनेमिक न्यूरोमॉर्फिक एसिंक्रोनस प्रोसेसर (DYNAP) के लिए विषम मेमोरी संरचनाओं के साथ एक स्केलेबल मल्टीकोर आर्किटेक्चर।बायोमेडिकल विज्ञान पर आईईईई लेनदेन। विद्युत व्यवस्था। 12, 106-122 (2018)।
डेविस, एम. एट अल. लोइही: एम्बेडेड लर्निंग के साथ एक न्यूरोमॉर्फिक मल्टी-कोर प्रोसेसर। आईईईई माइक्रो 38, 82-99 (2018)।
फरबर, एसबी, गैलुप्पी, एफ., टेम्पल, एस. और प्लाना, एलए द स्पिननेकर प्रोजेक्ट। फरबर, एसबी, गैलुप्पी, एफ., टेम्पल, एस. और प्लाना, एलए द स्पिननेकर प्रोजेक्ट।फ़र्बर एसबी, गैलुप्पी एफ., टेम्पल एस. और प्लाना एलए स्पिननेकर प्रोजेक्ट।फ़र्बर एसबी, गैलुप्पी एफ., टेम्पल एस. और प्लाना एलए स्पिननेकर प्रोजेक्ट। प्रक्रिया। आईईईई 102, 652-665 (2014)।
लियू, एस.-के. और डेलब्रुक, टी. न्यूरोमोर्फिक संवेदी प्रणालियाँ। और डेलब्रुक, टी. न्यूरोमोर्फिक संवेदी प्रणालियाँ।और डेलब्रुक टी. न्यूरोमोर्फिक संवेदी प्रणालियाँ। और डेलब्रुक, टी। और डेलब्रुक, टी.और डेलब्रुक टी. न्यूरोमोर्फिक संवेदी प्रणाली।मौजूदा। राय। तंत्रिका जीव विज्ञान. 20, 288-295 (2010)।
चोपे, टी. एट अल. संयुक्त ध्वनि स्रोत स्थानीयकरण और टकराव से बचाव के लिए न्यूरोमॉर्फिक संवेदी एकीकरण। 2019 में बायोमेडिकल सर्किट और सिस्टम (बायोकास) पर आईईईई सम्मेलन में, (आईईईई एड.) 1-4 (2019)।
रिसी, एन., ऐमार, ए., डोनाटी, ई., सोलिनास, एस. और इंडिवेरी, जी. स्टीरियो विज़न का एक स्पाइक-आधारित न्यूरोमॉर्फिक आर्किटेक्चर। रिसी, एन., ऐमार, ए., डोनाटी, ई., सोलिनास, एस. और इंडिवेरी, जी. स्टीरियो विज़न का एक स्पाइक-आधारित न्यूरोमॉर्फिक आर्किटेक्चर।रिसी एन, आयमर ए, डोनाटी ई, सोलिनास एस, और इंडिवेरी जी। एक स्पाइक-आधारित न्यूरोमॉर्फिक स्टीरियोविज़न आर्किटेक्चर। रिसी, एन., एइमर, ए., डोनाटी, ई., सोलिनास, एस. और इंडिवेरी, जी. और अधिक पढ़ें रिसी, एन., ऐमार, ए., डोनाटी, ई., सोलिनास, एस. और इंडिवेरी, जी.रिसी एन, ऐमर ए, डोनाटी ई, सोलिनास एस, और इंडिवेरी जी। स्टीरियो विज़न के लिए स्पाइक-आधारित न्यूरोमॉर्फिक आर्किटेक्चर।सामने। न्यूरोरोबोटिक्स 14, 93 (2020)।
ओसवाल्ड, एम., आईएंग, एस.-एच., बेनोसमैन, आर. और इंडिवेरी, जी. इवेंट-आधारित न्यूरोमॉर्फिक स्टीरियो विज़न सिस्टम के लिए 3डीपरसेप्शन का एक स्पाइकिंग न्यूरल नेटवर्क मॉडल। ओसवाल्ड, एम., आईएंग, एस.-एच., बेनोसमैन, आर. और इंडिवेरी, जी. इवेंट-आधारित न्यूरोमॉर्फिक स्टीरियो विज़न सिस्टम के लिए 3डीपरसेप्शन का एक स्पाइकिंग न्यूरल नेटवर्क मॉडल।ओसवाल्ड, एम., आईएंग, एस.-एच., बेनोसमैन, आर., और इंडिवेरी, जी. इवेंट-आधारित न्यूरोमॉर्फिक स्टीरियो विजन सिस्टम के लिए एक 3डी स्पंदित न्यूरल नेटवर्क परसेप्शन मॉडल। ओस्सवाल्ड, एम., आईएंग, एस.-एच., बेनोसमैन, आर. और इंडिवेरी, जी. 3डीपरसेप्शन के बारे में अधिक जानें। ओस्सवाल्ड, एम., आईएंग, एस.-एच., बेनोसमैन, आर. और इंडिवेरी, जी. 3डीपरसेप्शन 脉冲神经网络模型。ओसवाल्ड, एम., आईएंग, एस.-एच., बेनोसमैन, आर., और इंडिवेरी, जी. इवेंट-आधारित न्यूरोमॉर्फिक स्टीरियो विजन सिस्टम के लिए स्पाइक्ड 3डीपरसेप्शन न्यूरल नेटवर्क मॉडल।विज्ञान. रिपोर्ट 7, 1-11 (2017)।
डाल्गेटी, टी. एट अल. कीट-प्रेरित बुनियादी गति पहचान में प्रतिरोधक मेमोरी और बर्स्टी न्यूरल नेटवर्क शामिल हैं। बायोनिक बायोहाइब्रिड प्रणाली। 10928, 115-128 (2018)।
डी'एंजेलो, जी. एट अल. टेम्पोरल डिफरेंशियल कोडिंग का उपयोग करके घटना-आधारित विलक्षण गति का पता लगाना। सामने। तंत्रिका विज्ञान. 14, 451 (2020)।