חֲדָשׁוֹת

יישומי עיבוד נתונים מהעולם האמיתי דורשים מערכות מחשוב קומפקטיות, עם זמן אחזור נמוך ועם הספק נמוך. עם יכולות מחשוב מונעות אירועים, ארכיטקטורות נוירומורפיות היברידיות משלימות של מתכת-תחמוצת-מוליכים למחצה מספקות בסיס חומרה אידיאלי למשימות כאלה. כדי להדגים את מלוא הפוטנציאל של מערכות כאלה, אנו מציעים ומדגימים באופן ניסיוני פתרון עיבוד חיישן מקיף עבור יישומי לוקליזציה של אובייקטים בעולם האמיתי. בהשראת נוירואנטומיה של ינשוף אסם, פיתחנו מערכת לוקליזציה של אובייקטים מונעת בהשראה ביולוגית, המשלבת מתמר מתמר מיקרו-מכני פיזואלקטרי מתקדם עם זיכרון התנגדות נוירומורפי מבוסס גרף חישובי. אנו מציגים מדידות של מערכת מפוברקת הכוללת גלאי צירוף מקרים התנגדות מבוסס זיכרון, מעגלי קו השהייה ומתמר קולי הניתן להתאמה אישית מלאה. אנו משתמשים בתוצאות הניסוי הללו כדי לכייל סימולציות ברמת המערכת. הדמיות אלו משמשות לאחר מכן להערכת הרזולוציה הזוויתית ויעילות האנרגיה של מודל לוקליזציה של אובייקט. התוצאות מראות שהגישה שלנו יכולה להיות יעילה יותר באנרגיה בכמה סדרי גודל מאשר מיקרו-בקרים המבצעים את אותה משימה.
אנו נכנסים לעידן של מחשוב בכל מקום בו מספר המכשירים והמערכות הפרוסים גדל באופן אקספוננציאלי כדי לעזור לנו בחיי היומיום שלנו. מערכות אלו צפויות לפעול באופן רציף, תוך צורך בצריכת חשמל קטנה ככל האפשר תוך לימוד לפרש את הנתונים שהן אוספות ממספר חיישנים בזמן אמת ולהפיק פלט בינארי כתוצאה ממשימות סיווג או זיהוי. אחד הצעדים החשובים ביותר הנדרשים להשגת מטרה זו הוא חילוץ מידע שימושי וקומפקטי מנתונים תחושתיים רועשים ולעיתים לא שלמים. גישות הנדסיות קונבנציונליות דוגמות בדרך כלל אותות חיישנים בקצב קבוע וגבוה, ומייצרות כמויות גדולות של נתונים גם בהיעדר כניסות שימושיות. בנוסף, שיטות אלה משתמשות בטכניקות עיבוד אותות דיגיטליות מורכבות כדי לעבד מראש את נתוני הקלט (לעתים קרובות רועשים). במקום זאת, הביולוגיה מציעה פתרונות חלופיים לעיבוד נתונים תחושתיים רועשים באמצעות גישות חסכוניות באנרגיה, אסינכרוניות, מונעות אירועים (קוצים)2,3. מחשוב נוירומורפי לוקח השראה ממערכות ביולוגיות כדי להפחית עלויות חישוב במונחים של דרישות אנרגיה וזיכרון בהשוואה לשיטות עיבוד אותות מסורתיות4,5,6. לאחרונה, הוכחו מערכות חדשניות מבוססות מוח למטרות כלליות המיישמות רשתות עצביות דחף (TrueNorth7, BrainScaleS8, DYNAP-SE9, Loihi10, Spinnaker11). מעבדים אלה מספקים פתרונות צריכת חשמל נמוכה, זמן חביון נמוך עבור למידת מכונה ומידול מעגלים קורטיקליים. כדי לנצל באופן מלא את יעילות האנרגיה שלהם, המעבדים הנוירומורפיים הללו חייבים להיות מחוברים ישירות לחיישנים מונעי אירועים12,13. עם זאת, כיום ישנם רק כמה התקני מגע המספקים ישירות נתונים מונעי אירועים. דוגמאות בולטות הן חיישנים חזותיים דינמיים (DVS) ליישומי ראייה כגון מעקב וזיהוי תנועה14,15,16,17 שבלול הסיליקון18 וחיישני שמיעה נוירומורפיים (NAS)19 לעיבוד אותות שמיעתיים, חיישני ריח20 ודוגמאות רבות21,22 של מגע. . חיישני מרקם.
במאמר זה, אנו מציגים מערכת עיבוד שמיעתית מונעת אירועים שפותחה לאחרונה המיושמת על לוקליזציה של אובייקטים. כאן, בפעם הראשונה, אנו מתארים מערכת מקצה לקצה עבור לוקליזציה של אובייקטים המתקבלת על ידי חיבור מתמר אולטרה-סוני פיזואלקטרי מתקדם (pMUT) עם גרף חישובי המבוסס על זיכרון התנגדות נוירומורפי (RRAM). ארכיטקטורות מחשוב בזיכרון המשתמשות ב-RRAM הן פתרון מבטיח להפחתת צריכת החשמל23,24,25,26,27,28,29. אי-התנודתיות המובנית שלהם - שאינה מצריכה צריכת חשמל פעילה כדי לאחסן או לעדכן מידע - מתאימה באופן מושלם לאופי האסינכרוני, מונע-אירועים, של מחשוב נוירומורפי, וכתוצאה מכך כמעט ללא צריכת חשמל כאשר המערכת לא פועלת. מתמרים אולטרא-קוליים פיזואלקטריים (pMUTs) הם מתמרים אולטרא-קוליים זולים וממוזערים המבוססים על סיליקון המסוגלים לפעול כמשדרים ומקלטים30,31,32,33,34. כדי לעבד את האותות המתקבלים על ידי החיישנים המובנים, שאבנו השראה מנוירואנטומיה של ינשוף אסם35,36,37. ינשוף האסם Tyto alba ידוע ביכולות הציד הלילי המדהימות שלו הודות למערכת לוקליזציה שמיעתית יעילה מאוד. כדי לחשב את מיקומו של הטרף, מערכת הלוקליזציה של ינשוף האסם מקודדת את זמן הטיסה (ToF) כאשר גלי קול מהטרף מגיעים לכל אחת מאוזני הינשוף או קולטני הקול. בהינתן המרחק בין האוזניים, ההבדל בין שתי מדידות ה-ToF (Interaural Time Difference, ITD) מאפשר לחשב אנליטית את מיקום האזימוט של המטרה. למרות שמערכות ביולוגיות לא מתאימות לפתרון משוואות אלגבריות, הן יכולות לפתור בעיות לוקליזציה ביעילות רבה. מערכת העצבים של ינשוף האסם משתמשת בקבוצה של נוירונים של גלאי צירוף מקרים (CD) 35 (כלומר, נוירונים המסוגלים לזהות מתאמים זמניים בין קוצים המתפשטים כלפי מטה אל קצוות מעוררים מתכנסים) 38,39 המאורגנים בגרפים חישוביים כדי לפתור בעיות מיקום.
מחקרים קודמים הראו כי חומרה משלימה של מתכת-תחמוצת-מוליכים למחצה (CMOS) וחומרה נוירומורפית מבוססת RRAM בהשראת הקוליקולוס התחתון ("קליפת השמיעה") של ינשוף האסם היא שיטה יעילה לחישוב מיקום באמצעות ITD13, 40, 41, 42, 43, 44, 45, 46. עם זאת, הפוטנציאל של להשלים טרם הוכחו מערכות נוירומורפיות המקשרות רמזים שמיעתיים לגרפים חישוביים נוירומורפיים. הבעיה העיקרית היא השונות המובנית של מעגלי CMOS אנלוגיים, המשפיעה על הדיוק של זיהוי ההתאמה. לאחרונה, הוכחו יישומים מספריים חלופיים של הערכות ITD47. במאמר זה, אנו מציעים להשתמש ביכולת של RRAM לשנות את ערך המוליכות באופן לא נדיף כדי לנטרל שונות במעגלים אנלוגיים. יישמנו מערכת ניסיונית המורכבת מממברנה משדרת pMUT אחת הפועלת בתדר של 111.9 קילו-הרץ, שני ממברנות קולטות pMUT (חיישנים) המדמים אוזני ינשוף, ואחת. אפינו בניסוי את מערכת זיהוי pMUT ואת גרף ITD חישובי מבוסס RRAM כדי לבדוק את מערכת הלוקליזציה שלנו ולהעריך את הרזולוציה הזוויתית שלה.
אנו משווים את השיטה שלנו עם מימוש דיגיטלי על מיקרו-בקר המבצע את אותה משימת לוקליזציה תוך שימוש בשיטות קונבנציונליות של יצירת אלומה או נוירומורפית, כמו גם מערך שערים לתכנות שדה (FPGA) להערכת ITD המוצע בהפניה. 47. השוואה זו מדגישה את יעילות ההספק התחרותית של המערכת הנוירומורפית האנלוגית המוצעת מבוססת RRAM.
אחת הדוגמאות הבולטות ביותר למערכת לוקליזציה מדויקת ויעילה של אובייקטים ניתן למצוא בינשוף אסם35,37,48. בשעת בין ערביים ושחר, ינשוף האסם (טיטו אלבה) מסתמך בעיקר על הקשבה פסיבית, מחפש באופן אקטיבי טרף קטן כמו שרקנים או עכברים. מומחי שמיעה אלה יכולים לאתר אותות שמיעתיים מטרף בדיוק מדהים (בערך 2°)35, כפי שמוצג באיור 1a. ינשופי אסם מסיקים את מיקומם של מקורות הקול במישור האזימוט (האופקי) מההבדל בזמן הטיסה הנכנס (ITD) ממקור הקול לשתי האוזניים. מנגנון החישוב ITD הוצע על ידי Jeffress49,50 אשר מסתמך על גיאומטריה עצבית ודורש שני מרכיבים מרכזיים: אקסון, סיב עצב של נוירון הפועל כקו השהייה ומערך של נוירונים של גלאי צירוף מקרים המאורגנים במערכת חישובית. גרף כפי שמוצג באיור 1ב. הצליל מגיע לאוזן עם עיכוב זמן תלוי אזימוט (ITD). לאחר מכן, הצליל מומר לתבנית ספייק בכל אוזן. האקסונים של אוזניים שמאל וימין פועלים כקווי השהייה ומתכנסים לנוירוני CD. תיאורטית, רק נוירון אחד במערך של נוירונים תואמים יקבל קלט בכל פעם (כאשר ההשהיה מתבטלת בדיוק) ויירה בצורה מקסימלית (גם תאים שכנים יירו, אבל בתדירות נמוכה יותר). הפעלת נוירונים מסוימים מקודדת את מיקום המטרה בחלל מבלי להפוך עוד יותר את ה-ITD לזוויות. מושג זה מתמצה באיור 1c: לדוגמה, אם הצליל מגיע מצד ימין כאשר אות הקלט מאוזן ימין עובר נתיב ארוך יותר מהנתיב מאוזן שמאל, ומפצה על מספר ה-ITDs, למשל, כאשר נוירון 2 מתאים. במילים אחרות, כל תקליטור מגיב ל-ITD מסוים (המכונה גם השהיה אופטימלית) עקב עיכוב אקסונלי. לפיכך, המוח ממיר מידע זמני למידע מרחבי. נמצאו עדויות אנטומיות למנגנון זה37,51. נוירוני מקרו-גרעין נעולים בשלבים אוגרים מידע זמני על צלילים נכנסים: כפי שמרמז שמם, הם יורים בשלבי אותות מסוימים. ניתן למצוא נוירונים של גלאי צירוף מקרים של מודל ג'פרס בליבה הלמינרית. הם מקבלים מידע מנוירונים מקרו-גרעיניים, שהאקסונים שלהם פועלים כקווי השהייה. ניתן להסביר את כמות ההשהיה שמספק קו ההשהיה על ידי אורך האקסון, כמו גם דפוס מיאלינציה נוסף שמשנה את מהירות ההולכה. בהשראת מערכת השמיעה של ינשוף הרפת, פיתחנו מערכת ביו-מימטית למיקום חפצים. שתי האוזניים מיוצגות על ידי שני מקלטי pMUT. מקור הקול הוא משדר ה-pMUT הממוקם ביניהם (איור 1a), והגרף החישובי נוצר על ידי רשת של מעגלי CD מבוססי RRAM (איור 1b, ירוק), הממלאים את התפקיד של נוירוני CD שהקלט שלהם מושהה. דרך המעגל, קווי ההשהיה (כחול) פועלים כמו אקסונים במקביל הביולוגי. המערכת הסנסורית המוצעת שונה בתדירות הפעולה מזו של הינשוף, שמערכת השמיעה שלו פועלת בתחום 1–8 קילו-הרץ, אך בעבודתה זו נעשה שימוש בחיישני pMUT הפועלים בכ-117 קילו-הרץ. בחירת מתמר קולי נחשבת לפי קריטריונים טכניים ואופטימיזציה. ראשית, הגבלת רוחב הפס של הקבלה לתדר בודד משפרת באופן אידיאלי את דיוק המדידה ומפשטת את שלב העיבוד שלאחר. בנוסף, לפעולה באולטרסאונד יש את היתרון שהפולסים הנפלטים אינם נשמעים, ולכן אינם מפריעים לאנשים, שכן טווח השמיעה שלהם הוא ~20-20 קילו-הרץ.
ינשוף האסם מקבל גלי קול ממטרה, במקרה זה טרף נע. זמן הטיסה (ToF) של גל הקול שונה עבור כל אוזן (אלא אם הטרף נמצא ישירות מול הינשוף). הקו המקווקו מראה את הנתיב שעוברים גלי הקול כדי להגיע לאוזני ינשוף הרפת. ניתן למקם את הטרף במדויק במישור האופקי בהתבסס על הפרש האורך בין שני המסלולים האקוסטיים והפרש הזמן הבין-אורלי המקביל (ITD) (תמונה שמאלית בהשראת ר' 74, זכויות יוצרים 2002, Society for Neuroscience). במערכת שלנו, משדר pMUT (כחול כהה) מייצר גלי קול שמקפצים מהמטרה. גלי אולטרסאונד מוחזרים מתקבלים על ידי שני מקלטי pMUT (ירוק בהיר) ומעובדים על ידי המעבד הנוירומורפי (מימין). ב מודל חישובי ITD (Jeffress) המתאר כיצד צלילים הנכנסים לאוזני ינשוף האסם מקודדים תחילה כקוצים נעולים בפאזה בגרעין הגדול (NM) ולאחר מכן באמצעות רשת מסודרת גיאומטרית של נוירוני גלאים תואמים בגרעין ה-lamellar. עיבוד (הולנד) (משמאל). איור של גרף חישובי neuroITD המשלב קווי השהיה ונוירונים של גלאי צירוף מקרים, ניתן לעצב את מערכת הביו-חיישן של הינשוף באמצעות מעגלים נוירומורפיים מבוססי RRAM (מימין). ג סכמטי של מנגנון ג'פרס הראשי, עקב ההבדל ב-ToF, שתי האוזניים קולטות גירויי קול בזמנים שונים ושולחות אקסונים משני הקצוות אל הגלאי. האקסונים הם חלק מסדרה של נוירונים של גלאי צירוף מקרים (CD), שכל אחד מהם מגיב באופן סלקטיבי לתשומות חזקות בקורלציה בזמן. כתוצאה מכך, רק תקליטורים שהקלט שלהם מגיע עם הפרש הזמן הקטן ביותר מתרגשים בצורה מקסימלית (ITD מפוצה בדיוק). לאחר מכן, התקליטור יקודד את המיקום הזוויתי של המטרה.
מתמרים קוליים מיקרו-מכניים פיזואלקטריים הם מתמרים קוליים ניתנים להרחבה הניתנים לשילוב עם טכנולוגיית CMOS מתקדמת31,32,33,52 ובעלי מתח ראשוני וצריכת חשמל נמוכים יותר מאשר מתמרים נפחיים מסורתיים53. בעבודתנו, קוטר הממברנה הוא 880 מיקרומטר, ותדר התהודה מופץ בטווח של 110-117 קילו-הרץ (איור 2א, ראה שיטות לפרטים). באצווה של עשרה מכשירי בדיקה, מקדם האיכות הממוצע היה כ-50 (ר' 31). הטכנולוגיה הגיעה לבגרות תעשייתית ואינה בהשראה ביולוגית כשלעצמה. שילוב מידע מסרטי pMUT שונים היא טכניקה ידועה, וניתן לקבל מידע זווית מ-pMUTs באמצעות, למשל, טכניקות של יצירת אלומה31,54. עם זאת, עיבוד האותות הנדרש לחילוץ מידע הזווית אינו מתאים למדידות בהספק נמוך. המערכת המוצעת משלבת את מעגל עיבוד המידע הנוירומורפי pMUT עם גרף מחשוב נוירומורפי מבוסס RRAM בהשראת מודל ג'פרס (איור 2c), ומספק פתרון חומרה חסכוני באנרגיה ומוגבל משאבים. ביצענו ניסוי שבו שני חיישני pMUT הוצבו במרחק של כ-10 ס"מ זה מזה כדי לנצל את צלילי ה-ToF השונים שנקלטו על ידי שני הממברנות הקולטות. pMUT אחד הפועל כשדר יושב בין המקלטים. המטרה הייתה לוחית PVC ברוחב 12 ס"מ, הממוקמת במרחק D מול מכשיר ה-pMUT (איור 2ב). המקלט מקליט את הצליל המוחזר מהאובייקט ומגיב ככל האפשר במהלך מעבר גל הקול. חזור על הניסוי על ידי שינוי מיקום האובייקט, שנקבע על ידי המרחק D והזווית θ. בהשראת קישור. 55, אנו מציעים עיבוד מוקדם נוירומורפי של אותות גולמיים pMUT כדי להמיר גלים משתקפים לפסגות כדי להזין גרף חישובי נוירומורפי. ה-ToF המתאים לשיא משרעת מופק מכל אחד משני הערוצים ומקודד כתזמון המדויק של הפסגות הבודדות. על איור. 2c מציג את המעגלים הנדרשים כדי לממשק את חיישן pMUT עם גרף חישובי מבוסס RRAM: עבור כל אחד משני מקלטי pMUT, האות הגולמי מסונן בפס כדי להחליק, לתקן, ולאחר מכן מועבר לאינטגרטור הדולף במצב התגברות. הסף הדינמי (איור 2d) יוצר אירוע פלט (ספייק) ונוירון ירי (LIF): זמן ספייק הפלט מקודד את זמן הטיסה שזוהה. סף LIF מכויל כנגד תגובת pMUT, ובכך מפחית את השונות של pMUT ממכשיר למכשיר. בגישה זו, במקום לאחסן את כל גל הקול בזיכרון ולעבד אותו מאוחר יותר, אנו פשוט מייצרים שיא המקביל ל-ToF של גל הקול, המהווה את הקלט לגרף החישובי של הזיכרון ההתנגדות. הקוצים נשלחים ישירות לקווי ההשהיה ומקבלים במקביל מודולי זיהוי התאמה בגרפים חישוביים נוירומורפיים. מכיוון שהם נשלחים לשערי הטרנזיסטורים, אין צורך במעגלי הגברה נוספים (ראה איור משלים 4 לפרטים). כדי להעריך את דיוק הזווית של הלוקליזציה המסופק על ידי pMUT ושיטת עיבוד האותות המוצעת, מדדנו את ה-ITD (כלומר, ההבדל בזמן בין אירועי שיא שנוצרו על ידי שני מקלטים) כאשר המרחק והזווית של האובייקט השתנו. לאחר מכן הומר ניתוח ה-ITD לזוויות (ראה שיטות) ושורטט כנגד מיקום האובייקט: אי הוודאות ב-ITD הנמדד גדלה עם המרחק והזווית לאובייקט (איור 2e,f). הבעיה העיקרית היא יחס שיא לרעש (PNR) בתגובת pMUT. ככל שהאובייקט רחוק יותר, האות האקוסטי נמוך יותר, ובכך מפחית את ה-PNR (איור 2f, קו ירוק). ירידה ב-PNR מובילה לעלייה באי הוודאות באומדן ה-ITD, וכתוצאה מכך לעלייה בדיוק הלוקליזציה (איור 2f, קו כחול). עבור עצם במרחק של 50 ס"מ מהמשדר, הדיוק הזוויתי של המערכת הוא כ-10°. מגבלה זו המוטלת על ידי מאפייני החיישן ניתנת לשיפור. לדוגמה, ניתן להגביר את הלחץ שנשלח על ידי הפולט, ובכך להגדיל את המתח המניע את ממברנת pMUT. פתרון נוסף להגברת האות המשודר הוא חיבור מספר משדרים 56. פתרונות אלו יגדילו את טווח הגילוי על חשבון עלויות אנרגיה מוגברות. ניתן לבצע שיפורים נוספים בצד המקבל. ניתן להפחית משמעותית את רצפת הרעש של המקלט של ה-pMUT על ידי שיפור החיבור בין ה-pMUT למגבר השלב הראשון, מה שנעשה כיום עם חיבורי חוטים וכבלי RJ45.
תמונה של גביש pMUT עם שש ממברנות של 880 מיקרומטר משולבות בגובה 1.5 מ"מ. ב תרשים של מערך המדידה. המטרה ממוקמת במיקום אזימוט θ ובמרחק D. משדר pMUT מייצר אות של 117.6 קילו-הרץ שמקפיץ את המטרה ומגיע לשני מקלטי pMUT עם זמן טיסה שונה (ToF). הבדל זה, המוגדר כהפרש הזמן הבין-שמעי (ITD), מקודד את מיקומו של אובייקט וניתן להעריך על ידי הערכת שיא התגובה של שני חיישני המקלטים. ג סכימה של שלבי עיבוד מקדים להמרת אות pMUT הגולמי לרצפי ספייק (כלומר קלט לגרף החישוב הנוירומורפי). חיישני ה-pMUT והגרפים החישוביים הנוירומורפיים יוצרו ונבדקו, והעיבוד המוקדם הנוירומורפי מבוסס על הדמיית תוכנה. ד תגובה של ממברנת pMUT עם קבלת אות והפיכתו לתחום ספייק. ה דיוק זוויתי של לוקליזציה ניסיוני כפונקציה של זווית האובייקט (Θ) והמרחק (D) לאובייקט המטרה. שיטת חילוץ ITD דורשת רזולוציה זוויתית מינימלית של כ-4 מעלות צלזיוס. f דיוק זוויתי (קו כחול) ויחס שיא לרעש מתאים (קו ירוק) לעומת מרחק אובייקט עבור Θ = 0.
זיכרון התנגדות אוגר מידע במצב מוליך לא נדיף. העיקרון הבסיסי של השיטה הוא ששינוי החומר ברמה האטומית גורם לשינוי במוליכות החשמלית שלו57. כאן אנו משתמשים בזיכרון התנגדות מבוסס תחמוצת המורכב משכבה של 5 ננומטר של חפניום דו-חמצני הממוקמת בין אלקטרודות טיטניום וטיטניום ניטריד העליון והתחתון. ניתן לשנות את המוליכות של מכשירי RRAM על ידי הפעלת צורת גל זרם/מתח שיוצרת או שוברת חוטים מוליכים של מקומות פנויים בחמצן בין האלקטרודות. שילבנו יחד התקנים כאלה58 בתהליך CMOS סטנדרטי של 130 ננומטר כדי ליצור מעגל נוירומורפי מיוצר המיישם גלאי צירוף מקרים ומעגל קו השהייה (איור 3א). האופי הבלתי נדיף והאנלוגי של המכשיר, בשילוב עם האופי מונע אירועים של המעגל הנוירומורפי, ממזער את צריכת החשמל. למעגל יש פונקציית הדלקה/כיבוי מיידית: הוא פועל מיד לאחר הפעלתו, ומאפשר לכבות את הכוח לחלוטין כאשר המעגל אינו פעיל. אבני הבניין העיקריות של התוכנית המוצעת מוצגים באיור. 3ב. הוא מורכב מ-N מבנים מקבילים עם נגד יחיד טרנזיסטור (1T1R) המקודדים משקלים סינפטיים מהם נלקחים זרמים משוקללים, מוזרקים לסינפסה המשותפת של אינטגרטור זוג דיפרנציאלי (DPI)59, ולבסוף מוזרקים לסינפסה עם אינטגרציה ו דליפה. מופעל (LIF) נוירון 60 (ראה שיטות לפרטים). נחשולי הכניסה מופעלים על השער של מבנה ה-1T1R בצורה של רצף של פולסי מתח באורך בסדר גודל של מאות ננו-שניות. זיכרון התנגדות יכול להיות ממוקם במצב מוליך גבוה (HCS) על ידי החלת התייחסות חיצונית חיובית ל-Vtop כאשר Vbottom מקורקע, ואיפוס למצב מוליך נמוך (LCS) על ידי החלת מתח חיובי על Vbottom כאשר Vtop מקורקע. ניתן לשלוט על הערך הממוצע של HCS על ידי הגבלת זרם התכנות (תאימות) של ה-SET (ICC) על ידי מתח מקור השער של הטרנזיסטור הסדרתי (איור 3c). הפונקציות של RRAM במעגל הן כפולות: הן מכוונות ומשקללות את פעימות הקלט.
תמונת מיקרוסקופ אלקטרונים סורק (SEM) של מכשיר HfO2 1T1R RRAM כחול המשולב בטכנולוגיית CMOS 130 ננומטר עם טרנזיסטורי בורר (ברוחב 650 ננומטר) בצבע ירוק. ב אבני בניין בסיסיות של הסכימה הנוירומורפית המוצעת. פולסי מתח הכניסה (השיא) Vin0 ו- Vin1 צורכים זרם Iweight, שהוא פרופורציונלי למצבי ההולכה G0 ו-G1 של מבנה 1T1R. זרם זה מוזרק לסינפסות DPI ומעורר את הנוירונים של LIF. RRAM G0 ו-G1 מותקנים ב-HCS וב-LCS בהתאמה. c פונקציה של צפיפות מוליכות מצטברת עבור קבוצה של התקני RRAM של 16K כפונקציה של התאמת זרם ICC, השולטת למעשה ברמת ההולכה. d מדידות מעגל ב-(א) המראות ש-G1 (ב-LCS) חוסם למעשה קלט מ-Vin1 (ירוק), ואכן מתח הממברנה של נוירון הפלט מגיב רק לקלט הכחול מ-Vin0. RRAM קובע למעשה את החיבורים במעגל. ה מדידה של המעגל ב(ב) המראה את השפעת ערך המוליכות G0 על מתח הממברנה Vmem לאחר הפעלת פולס מתח Vin0. ככל שהמוליכות גבוהה יותר, כך התגובה חזקה יותר: לפיכך, התקן ה-RRAM מיישם שקלול חיבורי I/O. בוצעו מדידות על המעגל ומדגימות את התפקוד הכפול של RRAM, ניתוב ושקלול של פולסי כניסה.
ראשית, מכיוון שיש שני מצבי הולכה בסיסיים (HCS ו-LCS), RRAMs יכולים לחסום או להחמיץ פולסי כניסה כשהם במצב LCS או HCS, בהתאמה. כתוצאה מכך, RRAM קובע למעשה את החיבורים במעגל. זהו הבסיס ליכולת להגדיר מחדש את הארכיטקטורה. כדי להדגים זאת, נתאר יישום מעגל מפוברק של בלוק המעגלים באיור 3b. ה-RRAM המתאים ל-G0 מתוכנת ב-HCS, וה-RRAM השני G1 מתוכנת ב-LCS. פולסי קלט מופעלים גם על Vin0 וגם על Vin1. ההשפעות של שני רצפים של פולסי כניסה נותחו בנוירוני הפלט על ידי איסוף מתח ממברנת הנוירון ואות הפלט באמצעות אוסילוסקופ. הניסוי הצליח כאשר רק מכשיר ה-HCS (G0) היה מחובר לדופק הנוירון כדי לעורר מתח ממברנה. זה מודגם באיור 3d, שבו הרכבת הפולסים הכחולה גורמת למתח הממברנה להצטבר על קבל הממברנה, בעוד שהרכבת הפולסים הירוקה שומרת על מתח הממברנה קבוע.
הפונקציה החשובה השנייה של RRAM היא יישום משקולות חיבור. באמצעות התאמת המוליכות האנלוגית של RRAM, ניתן לשקלל חיבורי I/O בהתאם. בניסוי השני, התקן G0 תוכנת לרמות שונות של HCS, ופולס הקלט הופעל על כניסת VIn0. דופק הקלט שואב זרם (Iweight) מהמכשיר, שהוא פרופורציונלי למוליכות ולצניחה הפוטנציאלית המתאימה Vtop - Vbot. זרם משוקלל זה מוזרק לאחר מכן לסינפסות DPI ונוירוני פלט LIF. מתח הממברנה של נוירוני הפלט תועד באמצעות אוסילוסקופ והוצג באיור 3d. שיא המתח של ממברנת הנוירון בתגובה לפולס כניסה בודד הוא פרופורציונלי להולכה של הזיכרון ההתנגדות, מה שמוכיח שניתן להשתמש ב-RRAM כאלמנט הניתן לתכנות במשקל סינפטי. שתי בדיקות ראשוניות אלו מראות שהפלטפורמה הנוירומורפית המוצעת מבוססת RRAM מסוגלת ליישם את האלמנטים הבסיסיים של מנגנון ג'פרס הבסיסי, כלומר קו ההשהיה ומעגל גלאי צירוף המקרים. פלטפורמת המעגל בנויה על ידי ערימת בלוקים עוקבים זה לצד זה, כמו הבלוקים באיור 3b, וחיבור השערים שלהם לקו כניסה משותף. תכננו, יצרנו ובדקנו פלטפורמה נוירומורפית המורכבת משני נוירוני פלט המקבלים שתי כניסות (איור 4א). תרשים המעגל מוצג באיור 4ב. מטריצת 2 × 2 RRAM העליונה מאפשרת לכוון פולסי קלט לשני נוירוני פלט, בעוד שהמטריקס התחתונה של 2 × 2 מאפשרת חיבורים חוזרים של שני נוירונים (N0, N1). אנו מדגימים שניתן להשתמש בפלטפורמה זו עם תצורת קו השהייה ושתי פונקציות שונות של גלאי צירוף מקרים, כפי שמוצג על ידי מדידות ניסיוניות באיור 4c-e.
דיאגרמת מעגל שנוצרה על ידי שני נוירוני פלט N0 ו-N1 המקבלים שתי כניסות 0 ו-1. ארבעת המכשירים העליונים של המערך מגדירים קשרים סינפטיים מקלט לפלט, וארבעת התאים התחתונים מגדירים קשרים חוזרים בין נוירונים. ה-RRAMs הצבעוניים מייצגים את ההתקנים המוגדרים ב-HCS בצד ימין: ההתקנים ב-HCS מאפשרים חיבורים ומייצגים משקלים, בעוד שהמכשירים ב-LCS חוסמים פעימות כניסה ומשביתים חיבורים ליציאות. ב תרשים של מעגל (א) עם שמונה מודולי RRAM מסומנים בכחול. c קווי השהייה נוצרים על ידי שימוש פשוט בדינמיקה של סינפסות DPI ונוירוני LIF. ה-RRAM הירוק מוגדר למוליכות גבוהה מספיק כדי להיות מסוגל לגרום לתקלה במוצא לאחר השהיית הקלט Δt. ד המחשה סכמטית של זיהוי CD לא רגיש לכיוון של אותות תלויי זמן. נוירון פלט 1, N1, יורה על כניסות 0 ו-1 בהשהיה קצרה. e מעגל CD רגיש לכיוון, מעגל שמזהה מתי קלט 1 מתקרב לקלט 0 ומגיע לאחר קלט 0. הפלט של המעגל מיוצג על ידי נוירון 1 (N1).
קו ההשהיה (איור 4c) פשוט משתמש בהתנהגות הדינמית של סינפסות DPI ונוירוני LIF כדי לשחזר את ספייק הקלט מ-Vin1 ל-Vout1 על ידי עיכוב של Tdel. רק ה-G3 RRAM המחובר ל-Vin1 ול-Vout1 מתוכנת ב-HCS, שאר ה-RRAMs מתוכנתים ב-LCS. מכשיר ה-G3 תוכנת ל-92.6 µs כדי להבטיח שכל פולס כניסה מגדיל את מתח הממברנה של נוירון הפלט במידה מספקת כדי להגיע לסף וליצור דופק פלט מושהה. ההשהיה Tdel נקבעת על ידי קבועי הזמן הסינפטיים והעצביים. גלאי צירוף מקרים מזהים את התרחשותם של אותות כניסה בקורלציה זמנית אך מפוזרים במרחב. תקליטור לא רגיש לכיוון מסתמך על תשומות בודדות המתכנסות לנוירון פלט משותף (איור 4ד). שני ה-RRAM המחברים בין Vin0 ו-Vin1 ל-Vout1, G2 ו-G4 בהתאמה מתוכנתים להולכה גבוהה. הגעה בו-זמנית של קוצים על Vin0 ו-Vin1 מגבירה את המתח של קרום הנוירון N1 מעל הסף הנדרש ליצירת ספייק הפלט. אם שתי הכניסות רחוקות מדי זה מזה בזמן, ייתכן שהטעינה על מתח הממברנה שנצבר על ידי הקלט הראשון יספיק לדעוך, מה שמונע מפוטנציאל הממברנה N1 להגיע לערך הסף. G1 ו-G2 מתוכנתים לכ-65 מיקרו-שניות, מה שמבטיח שנחשול כניסה בודד לא מגדיל את מתח הממברנה מספיק כדי לגרום לנחשול פלט. זיהוי צירוף מקרים בין אירועים המופצים במרחב ובזמן הוא פעולה בסיסית המשמשת במגוון רחב של משימות חישה כגון הימנעות ממכשולים מבוססי זרימה אופטית ולוקליזציה של מקור קול. לפיכך, מחשוב תקליטורים רגישים לכיוון וחסרי רגישות הוא אבן בניין בסיסית לבניית מערכות לוקליזציה חזותית ואודיו. כפי שמוצג על ידי המאפיינים של קבועי הזמן (ראה איור משלים. 2), המעגל המוצע מיישם טווח מתאים של ארבעה סולמות זמן של סדרי גודל. לפיכך, הוא יכול לעמוד בו זמנית בדרישות של מערכות חזותיות וקוליות. CD רגיש לכיוון הוא מעגל הרגיש לסדר הגעת הפולסים המרחבי: מימין לשמאל ולהיפך. זהו אבן בניין בסיסית ברשת זיהוי התנועה הבסיסית של מערכת הראייה תסיסנית, המשמשת לחישוב כיווני תנועה וזיהוי התנגשויות62. כדי להשיג תקליטור רגיש לכיוון, יש להפנות שני כניסות לשני נוירונים שונים (N0, N1) וליצור קשר כיווני ביניהם (איור 4ה). כאשר הקלט הראשון מתקבל, NO מגיב על ידי הגדלת המתח על פני הממברנה שלו מעל ערך הסף ושליחת נחשול. אירוע פלט זה, בתורו, יורה את N1 הודות לחיבור הכיווני המודגש בירוק. אם אירוע קלט Vin1 מגיע וממריץ את N1 בזמן שמתח הממברנה שלו עדיין גבוה, N1 יוצר אירוע פלט המציין שנמצאה התאמה בין שתי הכניסות. חיבורים כיוונים מאפשרים ל-N1 לפלוט פלט רק אם קלט 1 מגיע אחרי קלט 0. G0, G3 ו-G7 מתוכנתים ל-73.5 µS, 67.3 µS ו-40.2 µS, בהתאמה, מה שמבטיח שספייק בודד בכניסה Vin0 גורם לעיכוב ספייק פלט, בעוד שפוטנציאל הממברנה של N1 מגיע לסף רק כאשר שניהם מכניסים התפרצויות מגיעות מסונכרנות. .
השתנות היא מקור לחוסר שלמות במערכות נוירומורפיות עם מודל63,64,65. זה מוביל להתנהגות הטרוגנית של נוירונים וסינפסות. דוגמאות לחסרונות כאלה כוללות משתנה של 30% (סטיית תקן ממוצעת) בהגבר קלט, קבוע זמן ותקופת עקשן, אם להזכיר רק כמה (ראה שיטות). בעיה זו בולטת אפילו יותר כאשר מספר מעגלים עצביים מחוברים יחד, כגון CD רגיש להתמצאות המורכב משני נוירונים. כדי לעבוד כראוי, קבועי זמן הרווח והדעיכה של שני הנוירונים צריכים להיות דומים ככל האפשר. לדוגמה, הבדל גדול בהגברת הקלט יכול לגרום לנוירון אחד להגיב יתר על המידה לפולס קלט בעוד שהנוירון השני בקושי מגיב. על איור. איור 5a מראה כי נוירונים שנבחרו באקראי מגיבים בצורה שונה לאותו דופק קלט. השונות העצבית הזו רלוונטית, למשל, לתפקוד של תקליטורים רגישים לכיוון. בתכנית המוצגת באיור. 5b, c, רווח הקלט של נוירון 1 גבוה בהרבה מזה של נוירון 0. לפיכך, נוירון 0 דורש שלושה פולסי קלט (במקום 1) כדי להגיע לסף, ונוירון 1, כצפוי, זקוק לשני אירועי קלט. הטמעת פלסטיות ביומימטית תלוית זמן ספייק (STDP) היא דרך אפשרית להפחית את ההשפעה של מעגלים עצביים וסינפטיים לא מדויקים ואיטיים על ביצועי המערכת43. כאן אנו מציעים להשתמש בהתנהגות הפלסטית של זיכרון התנגדות כאמצעי להשפיע על שיפור הקלט העצבי והפחתת ההשפעות של השונות במעגלים נוירומורפיים. כפי שמוצג באיור. 4e, רמות המוליכות הקשורות למסה הסינפטית של RRAM מווסתות ביעילות את תגובת מתח הממברנה העצבית המתאימה. אנו משתמשים באסטרטגיית תכנות RRAM איטרטיבית. עבור קלט נתון, ערכי המוליכות של המשקולות הסינפטיות מתוכנתים מחדש עד לקבלת התנהגות המטרה של המעגל (ראה שיטות).
מדידות ניסוי של התגובה של תשעה נוירונים בודדים שנבחרו באקראי לאותו דופק קלט. התגובה משתנה בין אוכלוסיות, ומשפיעה על רווח הקלט וקבוע הזמן. ב מדידות ניסוי של השפעת נוירונים על השונות של נוירונים המשפיעים על CD רגיש לכיוון. שני נוירוני הפלט של CD הרגישים לכיוון מגיבים בצורה שונה לגירויים קלט עקב שונות נוירון לנוירון. לנוירון 0 יש רווח קלט נמוך יותר מנוירון 1, ולכן נדרשים שלושה פולסי קלט (במקום 1) כדי ליצור ספייק פלט. כצפוי, נוירון 1 מגיע לסף עם שני אירועי קלט. אם קלט 1 מגיע ל-Δt = 50 µs לאחר ירי של נוירון 0, CD נשאר שקט כי Δt גדול מקבוע הזמן של נוירון 1 (בערך 22 µs). c מצטמצם ב- Δt = 20 µs, כך שקלט 1 מגיע לשיא כאשר הירי של נוירון 1 עדיין גבוה, וכתוצאה מכך זיהוי בו-זמנית של שני אירועי קלט.
שני האלמנטים המשמשים בעמודת חישוב ITD הם קו ההשהיה והתקליטור הלא רגיש לכיוון. שני המעגלים דורשים כיול מדויק כדי להבטיח ביצועי מיקום אובייקטים טובים. קו ההשהיה חייב לספק גרסה מושהית במדויק של שיא הקלט (איור 6א), וה-CD חייב להיות מופעל רק כאשר הקלט נופל בטווח זיהוי המטרה. עבור קו ההשהיה, המשקולות הסינפטיות של חיבורי הקלט (G3 באיור 4a) תוכננו מחדש עד לקבלת עיכוב המטרה. הגדר סובלנות סביב עיכוב היעד כדי לעצור את התוכנית: ככל שהסובלנות קטנה יותר, כך קשה יותר להגדיר בהצלחה את קו ההשהיה. על איור. איור 6b מציג את התוצאות של תהליך כיול קו ההשהיה: ניתן לראות שהסכימה המוצעת יכולה לספק בדיוק את כל ההשהיות הנדרשות בסכימת התכנון (מ-10 עד 300 מיקרומטר). המספר המרבי של איטרציות כיול משפיע על איכות תהליך הכיול: 200 איטרציות יכולות להפחית את השגיאה לפחות מ-5%. איטרציית כיול אחת מתאימה לפעולת הגדרה/איפוס של תא RRAM. תהליך הכוונון הוא קריטי גם לשיפור הדיוק של זיהוי אירוע סגירה מיידי של מודול CD. נדרשו עשר חזרות כיול כדי להשיג שיעור חיובי אמיתי (כלומר, שיעור האירועים שזוהו כראוי כרלוונטיים) מעל 95% (קו כחול באיור 6c). עם זאת, תהליך הכוונון לא השפיע על אירועים חיוביים כוזבים (כלומר, תדירות האירועים שזוהו בטעות כרלוונטיים). שיטה נוספת שנצפתה במערכות ביולוגיות להתגברות על מגבלות הזמן של מסלולים המופעלים במהירות היא יתירות (כלומר, עותקים רבים של אותו אובייקט משמשים לביצוע פונקציה נתונה). בהשראת biology66, מיקמנו מספר מעגלי CD בכל מודול CD בין שני קווי ההשהיה כדי להפחית את ההשפעה של חיוביות כוזבות. כפי שמוצג באיור. 6c (קו ירוק), הצבת שלושה רכיבי CD בכל מודול CD יכולה להפחית את שיעור אזעקת השווא לפחות מ-10-2.
השפעת השונות הנוירונית על מעגלי קו השהיה. b ניתן לשנות את קנה המידה של מעגלי קו ההשהיה לעיכובים גדולים על ידי קביעת קבועי הזמן של הנוירונים המתאימים של LIF וסינפסות DPI לערכים גדולים. הגדלת מספר האיטרציות של הליך כיול ה-RRAM אפשרה לשפר משמעותית את הדיוק של עיכוב היעד: 200 איטרציות הפחיתו את השגיאה לפחות מ-5%. איטרציה אחת מתאימה לפעולת SET/RESET בתא RRAM. כל מודול CD במודל c Jeffress יכול להיות מיושם באמצעות N רכיבי CD מקבילים לגמישות רבה יותר ביחס לכשלים במערכת. d איטרציות נוספות של כיול RRAM מגדילות את הקצב החיובי האמיתי (קו כחול), בעוד שהשיעור חיובי כוזב אינו תלוי במספר האיטרציות (קו ירוק). הצבת רכיבי CD נוספים במקביל מונעת זיהוי שווא של התאמות מודול CD.
כעת אנו מעריכים את הביצועים וצריכת החשמל של מערכת לוקליזציית האובייקטים המשולבת מקצה לקצה המוצגת באיור 2 באמצעות מדידות של המאפיינים האקוסטיים של חיישן pMUT, CD ומעגלי קו ההשהיה המרכיבים את גרף המחשוב הנוירומורפי. דגם ג'פרס (איור 1א). באשר לגרף המחשוב הנוירומורפי, ככל שמספר מודולי ה-CD גדול יותר, כך הרזולוציה הזוויתית טובה יותר, אך גם האנרגיה של המערכת גבוהה יותר (איור 7א). ניתן להגיע לפשרה על ידי השוואת הדיוק של רכיבים בודדים (חיישני pMUT, נוירונים ומעגלים סינפטיים) עם הדיוק של המערכת כולה. הרזולוציה של קו ההשהיה מוגבלת על ידי קבועי הזמן של הסינפסות והנוירונים המדומים, אשר בסכימה שלנו עולים על 10 µs, מה שמתאים לרזולוציה זוויתית של 4° (ראה שיטות). צמתים מתקדמים יותר עם טכנולוגיית CMOS יאפשרו תכנון של מעגלים עצביים וסינפטיים עם קבועי זמן נמוכים יותר, וכתוצאה מכך דיוק גבוה יותר של רכיבי קו ההשהיה. עם זאת, במערכת שלנו, הדיוק מוגבל על ידי השגיאה pMUT בהערכת המיקום הזוויתי, כלומר 10° (קו אופקי כחול באיור 7a). תיקנו את מספר מודולי ה-CD ל-40, התואם לרזולוציה זוויתית של כ-4°, כלומר, הדיוק הזוויתי של הגרף החישובי (קו אופקי כחול בהיר באיור 7a). ברמת המערכת, זה נותן רזולוציה של 4° ודיוק של 10° עבור עצמים הממוקמים 50 ס"מ מול מערכת החיישנים. ערך זה דומה למערכות לוקליזציה של סאונד נוירומורפי המדווחות ב- ref. 67. השוואה של המערכת המוצעת עם המצב הטכנולוגי ניתן למצוא בטבלה משלימה 1. הוספת pMUTs נוספים, הגדלת רמת האות האקוסטי והפחתת הרעש האלקטרוני הן דרכים אפשריות לשפר עוד יותר את דיוק הלוקליזציה. ) מוערך ב-9.7. nz. 55. בהינתן 40 יחידות CD בגרף החישובי, הדמיית SPICE העריכה את האנרגיה לכל פעולה (כלומר, אנרגיית מיקום אובייקט) ב-21.6 nJ. המערכת הנוירומורפית מופעלת רק כאשר מגיע אירוע קלט, כלומר כאשר גל אקוסטי מגיע לכל מקלט pMUT וחוצה את סף הגילוי, אחרת הוא נשאר לא פעיל. זה מונע צריכת חשמל מיותרת כאשר אין אות כניסה. בהתחשב בתדירות של פעולות לוקליזציה של 100 הרץ ותקופת הפעלה של 300 µs לכל פעולה (ה-ITD המקסימלי האפשרי), צריכת ההספק של גרף המחשוב הנוירומורפי היא 61.7 nW. עם עיבוד מוקדם נוירומורפי המופעל על כל מקלט pMUT, צריכת החשמל של המערכת כולה מגיעה ל-81.6 nW. כדי להבין את היעילות האנרגטית של הגישה הנוירומורפית המוצעת בהשוואה לחומרה קונבנציונלית, השווינו את המספר הזה לאנרגיה הנדרשת לביצוע אותה משימה במיקרו-בקר מודרני עם הספק נמוך באמצעות נוירומורפי או קונבנציונלי beamforming68 Skill. הגישה הנוירומורפית לוקחת בחשבון שלב ממיר אנלוגי לדיגיטלי (ADC), ואחריו מסנן פס ושלב מיצוי מעטפה (שיטת Teeger-Kaiser). לבסוף, מבוצעת פעולת סף לחילוץ ה-ToF. השמטנו את החישוב של ITD המבוסס על ToF וההמרה למיקום זוויתי משוער מכיוון שזה מתרחש פעם אחת עבור כל מדידה (ראה שיטות). בהנחה של קצב דגימה של 250 קילו-הרץ בשני הערוצים (מקלטי pMUT), 18 פעולות מסנן פס פס, 3 פעולות חילוץ מעטפות ופעולת סף אחת לכל דגימה, צריכת החשמל הכוללת נאמדת ב-245 מיקרו וואט. זה משתמש במצב הספק נמוך של המיקרו-בקר 69, הנדלק כאשר האלגוריתמים אינם פועלים, מה שמפחית את צריכת ההספק ל-10.8 µW. צריכת החשמל של פתרון עיבוד האותות ליצירת קרן שהוצע בהפניה. 31, עם 5 מקלטי pMUT ו-11 אלומות מפוזרות באופן אחיד במישור האזימוט [-50°, +50°], הוא 11.71 mW (ראה סעיף שיטות לפרטים). בנוסף, אנו מדווחים על צריכת החשמל של מקודד זמן הבדלי זמן (TDE) מבוסס FPGA47 המוערך ב-1.5 mW כתחליף למודל ג'פרס ללוקליזציה של אובייקטים. בהתבסס על הערכות אלו, הגישה הנוירומורפית המוצעת מפחיתה את צריכת החשמל בחמישה סדרי גודל בהשוואה למיקרו-בקר המשתמש בטכניקות יצירת אלומה קלאסיות עבור פעולות לוקליזציה של אובייקטים. אימוץ גישה נוירומורפית לעיבוד אותות במיקרו-בקר קלאסי מפחית את צריכת החשמל בכשני סדרי גודל. ניתן להסביר את האפקטיביות של המערכת המוצעת על ידי השילוב של מעגל אנלוגי עם זיכרון התנגדות אסינכרוני המסוגל לבצע חישובים בתוך הזיכרון והיעדר המרה אנלוגית לדיגיטלית הנדרשת לקליטת אותות.
רזולוציה זוויתית (כחול) וצריכת חשמל (ירוק) של פעולת הלוקליזציה בהתאם למספר מודולי התקליטורים. הפס האופקי הכחול כהה מייצג את הדיוק הזוויתי של ה-PMUT והפס האופקי התכלת מייצג את הדיוק הזוויתי של הגרף החישובי הנוירומורפי. ב צריכת חשמל של המערכת המוצעת והשוואה לשני מימושי המיקרו-בקר והטמעה הדיגיטלית של מקודד הזמן (TDE)47 FPGA.
כדי למזער את צריכת החשמל של מערכת לוקליזציית היעד, תכננו, תכננו והטמענו מעגל נוירומורפי מבוסס RRAM יעיל, מונע אירועים, המעבד את מידע האות שנוצר על ידי החיישנים המובנים כדי לחשב את המיקום של אובייקט המטרה במציאות. זְמַן. . בעוד ששיטות עיבוד מסורתיות דוגמות באופן רציף אותות שזוהו ומבצעות חישובים כדי לחלץ מידע שימושי, הפתרון הנוירומורפי המוצע מבצע חישובים באופן אסינכרוני ככל שמגיע מידע שימושי, וממקסם את יעילות הספק של המערכת בחמישה סדרי גודל. בנוסף, אנו מדגישים את הגמישות של מעגלים נוירומורפיים מבוססי RRAM. היכולת של RRAM לשנות מוליכות באופן לא נדיף (פלסטיות) מפצה על השונות המובנית של המעגלים הסינפטיים והעצביים של DPI אנלוגי בהספק נמוך במיוחד. זה הופך את המעגל מבוסס ה-RRAM הזה לרב-תכליתי וחזק. המטרה שלנו היא לא לחלץ פונקציות או תבניות מורכבות מאותות, אלא למקם אובייקטים בזמן אמת. המערכת שלנו יכולה גם לדחוס את האות ביעילות ובסופו של דבר לשלוח אותו לשלבי עיבוד נוספים כדי לקבל החלטות מורכבות יותר בעת הצורך. בהקשר של יישומי לוקליזציה, שלב העיבוד המוקדם הנוירומורפי שלנו יכול לספק מידע על מיקומם של אובייקטים. מידע זה יכול לשמש, למשל, לזיהוי תנועה או זיהוי מחוות. אנו מדגישים את החשיבות של שילוב חיישני הספק נמוך במיוחד כגון pMUTs עם אלקטרוניקה בהספק נמוך במיוחד. לשם כך, גישות נוירומורפיות היו מפתח שכן הן הובילו אותנו לפתח יישומי מעגלים חדשים של שיטות חישוביות בהשראה ביולוגית כגון מודל ג'פרס. בהקשר של יישומי היתוך חיישנים, ניתן לשלב את המערכת שלנו עם מספר חיישנים שונים המבוססים על אירועים כדי לקבל מידע מדויק יותר. למרות שהינשופים מצוינים במציאת טרף בחושך, יש להם ראייה מצוינת והם מבצעים חיפוש שמיעתי וחזותי משולב לפני שהם תופסים טרף70. כאשר נוירון שמיעתי מסוים יורה, הינשוף מקבל את המידע הדרוש לו כדי לקבוע באיזה כיוון להתחיל את החיפוש הוויזואלי שלו, ובכך ממקד את תשומת הלב שלו בחלק קטן מהסצנה החזותית. יש לבחון שילוב של חיישנים חזותיים (מצלמת DVS) וחיישן האזנה מוצע (מבוסס על pMUT) לפיתוח סוכנים אוטונומיים עתידיים.
חיישן pMUT ממוקם על PCB עם שני מקלטים במרחק של כ-10 ס"מ זה מזה, והמשדר ממוקם בין המקלטים. בעבודה זו, כל ממברנה היא מבנה בימורפי תלוי המורכב משתי שכבות של אלומיניום ניטריד פיזואלקטרי (AlN) בעובי 800 ננומטר הדחוס בין שלוש שכבות של מוליבדן (Mo) בעובי 200 ננומטר ומצופה בשכבה בעובי 200 ננומטר. שכבת SiN הפסיבית העליונה כמתואר בהפניה. 71. האלקטרודות הפנימיות והחיצוניות מוחלות על השכבה התחתונה והעליונה של מוליבדן, בעוד שהאלקטרודה מוליבדן האמצעית אינה מעוצבת ומשמשת כקרקע, וכתוצאה מכך נוצרת ממברנה עם ארבעה זוגות של אלקטרודות.
ארכיטקטורה זו מאפשרת שימוש בעיוות קרום נפוץ, וכתוצאה מכך רגישות שידור וקבלה משופרת. pMUT כזה מציג בדרך כלל רגישות עירור של 700 ננומטר/V כפולט, המספק לחץ פני השטח של 270 Pa/V. כמקלט, סרט pMUT אחד מציג רגישות לקצר של 15 nA/Pa, הקשורה ישירות למקדם הפיאזואלקטרי של AlN. השונות הטכנית של המתח בשכבת AlN מובילה לשינוי בתדר התהודה, אותו ניתן לפצות על ידי הפעלת הטיית DC על ה-pMUT. רגישות DC נמדדה ב-0.5 kHz/V. לאפיון אקוסטי, נעשה שימוש במיקרופון מול ה-pMUT.
כדי למדוד את דופק ההד, הנחנו צלחת מלבנית בשטח של כ-50 סמ"ר לפני ה-pMUT כדי לשקף את גלי הקול הנפלטים. גם המרחק בין הלוחות וגם הזווית ביחס למישור pMUT נשלטים באמצעות מחזיקים מיוחדים. מקור מתח Tectronix CPX400DP מטה שלוש ממברנות pMUT, מכוון את תדר התהודה ל-111.9 kHz31, בעוד שהמשדרים מונעים על ידי מחולל פולסים Tectronix AFG 3102 המכוון לתדר התהודה (111.9 קילו-הרץ) ו-111.9 קילו-הרץ. הזרמים הנקראים מארבע יציאות המוצא של כל מקלט pMUT מומרים למתחים באמצעות ארכיטקטורת זרם ומתח דיפרנציאליים מיוחדים, והאותות המתקבלים עוברים דיגיטציה על ידי מערכת רכישת הנתונים של Spektrum. מגבלת הגילוי אופיינה ברכישת אות pMUT בתנאים שונים: העברנו את המשקף למרחקים שונים [30, 40, 50, 60, 80, 100] ס"מ ושינינו את זווית התמיכה של pMUT ([0, 20, 40] o ) איור 2b מציג את רזולוציית זיהוי ה-ITD הזמני בהתאם למיקום הזוויתי המתאים במעלות.
מאמר זה משתמש בשני מעגלי RRAM שונים מהמדף. הראשון הוא מערך של 16,384 (16,000) מכשירים (128 × 128 מכשירים) בתצורת 1T1R עם טרנזיסטור אחד ונגד אחד. השבב השני הוא הפלטפורמה הנוירומורפית המוצגת באיור 4a. תא ה-RRAM מורכב מסרט HfO2 בעובי 5 ננומטר המוטבע בערימת TiN/HfO2/Ti/TiN. ערימת ה-RRAM משולבת ב-back-of-line (BEOL) של תהליך ה-130nm CMOS הסטנדרטי. מעגלים נוירומורפיים מבוססי RRAM מהווים אתגר עיצובי עבור מערכות אלקטרוניות אנלוגיות לחלוטין שבהן התקני RRAM מתקיימים יחד עם טכנולוגיית CMOS מסורתית. בפרט, יש לקרוא את מצב ההולכה של התקן ה-RRAM ולהשתמש בו כמשתנה פונקציה עבור המערכת. לשם כך תוכנן, יוצר ונבדק מעגל שקורא את הזרם מהמכשיר כאשר מתקבל פולס כניסה ומשתמש בזרם זה כדי לשקלל את התגובה של סינפסה של אינטגרטור זוג דיפרנציאלי (DPI). מעגל זה מוצג באיור 3a, המייצג את אבני הבניין הבסיסיות של הפלטפורמה הנוירומורפית באיור 4a. פעימת קלט מפעילה את השער של התקן 1T1R, תוך השראת זרם דרך RRAM פרופורציונלי למוליכות G של המכשיר (Iweight = G(Vtop – Vx)). לכניסת ההיפוך של מעגל המגבר התפעולי (op-amp) יש מתח הטיית DC קבוע Vtop. המשוב השלילי של המגבר יספק Vx = Vtop על ידי מתן זרם שווה מ-M1. ה-Iweight הנוכחי שנשלף מהמכשיר מוזרק לסינפסת DPI. זרם חזק יותר יגרום ליותר דה-פולריזציה, ולכן מוליכות RRAM מיישמת ביעילות משקלים סינפטיים. זרם סינפטי אקספוננציאלי זה מוזרק דרך קבל הממברנה של נוירוני ה-Leaky Integration and Excitation (LIF), שם הוא משולב כמתח. אם מתגברים על מתח הסף של הממברנה (מתח המיתוג של המהפך), חלק הפלט של הנוירון מופעל, ויוצר ספייק פלט. הדופק הזה חוזר ומעביר את קבל הממברנה של הנוירון לאדמה, וגורם לו לפרוק. מעגל זה מתווסף לאחר מכן עם מרחיב דופק (לא מוצג באיור. 3a), אשר מעצב את דופק הפלט של נוירון ה-LIF לרוחב דופק המטרה. מרבבים מובנים גם בכל קו, המאפשרים להפעיל מתח על האלקטרודות העליונות והתחתונות של מכשיר ה-RRAM.
בדיקות חשמליות כוללות ניתוח ורישום ההתנהגות הדינמית של מעגלים אנלוגיים, כמו גם תכנות וקריאה של התקני RRAM. שני השלבים דורשים כלים מיוחדים, שכולם מחוברים ללוח החיישנים בו-זמנית. הגישה למכשירי RRAM במעגלים נוירומורפיים מתבצעת מכלים חיצוניים דרך מרובה (MUX). ה-MUX מפריד בין תא 1T1R לשאר המעגלים שאליהם הוא שייך, ומאפשר קריאה ו/או תכנות של המכשיר. כדי לתכנת ולקרוא התקני RRAM, נעשה שימוש במכונת Keithley 4200 SCS בשילוב עם מיקרו-בקר Arduino: הראשון ליצירת פולסים מדויקים וקריאת זרם, והשני לגישה מהירה לרכיבי 1T1R בודדים במערך הזיכרון. הפעולה הראשונה היא יצירת התקן ה-RRAM. התאים נבחרים אחד אחד ומתח חיובי מופעל בין האלקטרודה העליונה והתחתונה. במקרה זה, הזרם מוגבל לסדר גודל של עשרות מיקרואמפר עקב אספקת מתח השער המתאים לטרנזיסטור הבורר. לאחר מכן, תא ה-RRAM יכול לעבור בין מצב מוליך נמוך (LCS) למצב מוליך גבוה (HCS) באמצעות פעולות RESET ו-SET, בהתאמה. פעולת ה-SET מתבצעת על ידי הפעלת פולס מתח מלבני עם משך זמן של 1 μs ומתח שיא של 2.0-2.5 V לאלקטרודה העליונה, ופולס סינכרון בעל צורה דומה עם מתח שיא של 0.9-1.3 V ל השער של טרנזיסטור הבורר. ערכים אלה מאפשרים לווסת מוליכות RRAM במרווחים של 20-150 µs. עבור RESET, דופק שיא ברוחב 1 µs, 3 V מופעל על האלקטרודה התחתונה (קו סיביות) של התא כאשר מתח השער הוא בטווח של 2.5-3.0 V. הכניסות והיציאות של המעגלים האנלוגיים הם אותות דינמיים . לצורך קלט, שילבנו שני מחוללי דופק HP 8110 עם מחוללי אותות Tektronix AFG3011. לפולס הקלט יש רוחב של 1 µs וקצה עלייה/ירידה של 50 ns. ההנחה היא שסוג זה של דופק הוא תקלה אופיינית במעגלים מבוססי תקלות אנלוגיות. באשר לאות המוצא, אות המוצא תועד באמצעות אוסילוסקופ Teledyne LeCroy 1 GHz. הוכח כי מהירות הרכישה של אוסילוסקופ אינה מהווה גורם מגביל בניתוח ורכישת נתוני המעגל.
שימוש בדינמיקה של אלקטרוניקה אנלוגית כדי לדמות התנהגות של נוירונים וסינפסות הוא פתרון אלגנטי ויעיל לשיפור היעילות החישובית. החיסרון של בסיס חישובי זה הוא שהוא ישתנה מתכנית לתכנית. כימתנו את השונות של נוירונים ומעגלים סינפטיים (איור משלים. 2a,b). מכל ביטויי השונות, לאלה הקשורים לקבועי זמן ולרווח קלט יש את ההשפעה הגדולה ביותר ברמת המערכת. קבוע הזמן של נוירון LIF ושל סינפסת DPI נקבע על ידי מעגל RC, שבו הערך של R נשלט על ידי מתח הטיה המופעל על השער של הטרנזיסטור (Vlk עבור הנוירון ו-Vtau עבור הסינפסה), הקובע את שיעור דליפה. רווח קלט מוגדר כמתח השיא אליו מגיעים קבלי הממברנה הסינפטית והנוירונלית המגורה על ידי דופק כניסה. הגבר המבוא נשלט על ידי טרנזיסטור הטיה אחר המווסת את זרם הכניסה. הדמיית מונטה קרלו מכוילת על תהליך 130nm של ST Microelectronics בוצעה כדי לאסוף קצת רווח קלט וסטטיסטיקות קבועות זמן. התוצאות מוצגות באיור משלים 2, שבו רווח הקלט וקבוע הזמן נכמתים כפונקציה של מתח ההטיה השולט על קצב הדליפה. סמנים ירוקים מכמתים את סטיית התקן של קבוע הזמן מהממוצע. גם נוירונים וגם מעגלים סינפטיים הצליחו לבטא טווח רחב של קבועי זמן בטווח של 10-5-10-2 שניות, כפי שמוצג בסכימה של איור משלים. הגברת קלט (איור משלים. 2e,d) של שונות עצבית וסינפסה הייתה כ-8% ו-3%, בהתאמה. חסר כזה מתועד היטב בספרות: מדידות שונות בוצעו במערך שבבי DYNAP כדי להעריך את חוסר ההתאמה בין אוכלוסיות של נוירונים LIF63. הסינפסות בשבב האותות המעורב של BrainScale נמדדו וחוסר העקביות שלהן נותחו, והוצע הליך כיול כדי להפחית את ההשפעה של שונות ברמת המערכת64.
תפקידו של RRAM במעגלים נוירומורפיים הוא כפול: הגדרת ארכיטקטורה (ניתוב כניסות ליציאות) ויישום משקלים סינפטיים. המאפיין האחרון יכול לשמש כדי לפתור את בעיית השונות של המעגלים הנוירומורפיים המעוצבים. פיתחנו הליך כיול פשוט הכולל תכנות מחדש של התקן ה-RRAM עד שהמעגל המנותח עומד בדרישות מסוימות. עבור קלט נתון, הפלט מנוטר וה-RRAM מתוכנת מחדש עד להשגת התנהגות היעד. זמן המתנה של 5 שניות הוכנס בין פעולות התכנות כדי לפתור את בעיית הרפיית ה-RRAM וכתוצאה מכך לתנודות מוליכות חולפות (מידע משלים). משקלים סינפטיים מותאמים או מכוילים בהתאם לדרישות המעגל הנוירומורפי שעומד לדגם. הליך הכיול מסוכם באלגוריתמים נוספים [1, 2] המתמקדים בשתי תכונות בסיסיות של פלטפורמות נוירומורפיות, קווי השהייה ותקליטור לא רגיש לכיוון. עבור מעגל עם קו השהיה, התנהגות המטרה היא לספק פולס פלט עם השהיה Δt. אם השהיה בפועל של המעגל קטן מערך היעד, יש להפחית את המשקל הסינפטי של G3 (יש לאפס את G3 ולאחר מכן להגדיר לזרם תואם נמוך יותר Icc). לעומת זאת, אם ההשהיה בפועל גדולה מערך היעד, יש להגביר את המוליכות של G3 (תחילה יש לאפס את G3 ולאחר מכן להגדיר לערך Icc גבוה יותר). תהליך זה חוזר על עצמו עד שההשהיה שנוצרת על ידי המעגל תואמת את ערך היעד ומוגדרת סובלנות לעצירת תהליך הכיול. עבור תקליטורים שאינם רגישים לכיוון, שני התקני RRAM, G1 ו-G3, מעורבים בתהליך הכיול. למעגל זה יש שתי כניסות, Vin0 ו-Vin1, מושהות על ידי dt. המעגל אמור להגיב רק לעיכובים מתחת לטווח ההתאמה [0,dtCD]. אם אין שיא פלט, אבל שיא הקלט קרוב, יש להגביר את שני התקני ה-RRAM כדי לעזור לנוירון להגיע לסף. לעומת זאת, אם המעגל מגיב לעיכוב החורג מטווח היעד של dtCD, יש להפחית את המוליכות. חזור על התהליך עד לקבלת ההתנהגות הנכונה. זרם תאימות יכול להיות מווסן על ידי המעגל האנלוגי המובנה ב- ref. 72.73. עם מעגל מובנה זה, נהלים כאלה יכולים להתבצע מעת לעת כדי לכייל את המערכת או לעשות בה שימוש חוזר עבור יישום אחר.
אנו מעריכים את צריכת החשמל של גישת עיבוד האותות הנוירומורפיים שלנו במיקרו-בקר סטנדרטי של 32 סיביות68. בהערכה זו, אנו מניחים פעולה עם אותה הגדרה כמו במאמר זה, עם משדר pMUT אחד ושני מקלטי pMUT. שיטה זו משתמשת במסנן פס פס, ואחריו שלב חילוץ מעטפה (Teeger-Kaiser), ולבסוף מופעלת פעולת סף על האות כדי לחלץ את זמן הטיסה. חישוב ה-ITD והמרתו לזוויות זיהוי מושמטים בהערכה. אנו רואים יישום מסנן פס-מעבר באמצעות מסנן תגובה אינסופית לדחפים מסדר רביעי הדורש 18 פעולות נקודה צפה. חילוץ מעטפה משתמש בשלוש פעולות נוספות של נקודה צפה, והפעולה האחרונה משמשת לקביעת הסף. סה"כ נדרשות 22 פעולות נקודה צפה כדי לעבד מראש את האות. האות המשודר הוא פרץ קצר של צורת גל סינוס של 111.9 קילו-הרץ הנוצר כל 10 אלפיות השנייה וכתוצאה מכך תדר הפעלה של מיקום של 100 הרץ. השתמשנו בקצב דגימה של 250 קילו-הרץ כדי לעמוד ב-Nyquist ובחלון של 6 אלפיות השנייה לכל מדידה כדי ללכוד טווח של מטר אחד. שימו לב ש-6 אלפיות השניות הן זמן הטיסה של עצם שנמצא במרחק של מטר אחד. זה מספק צריכת חשמל של 180 µW להמרת A/D ב-0.5 MSPS. עיבוד מוקדם של אותות הוא 6.60 MIPS (הוראות לשנייה), ומייצר 0.75 mW. עם זאת, המיקרו-בקר עשוי לעבור למצב צריכת חשמל נמוכה 69 כאשר האלגוריתם אינו פועל. מצב זה מספק צריכת חשמל סטטית של 10.8 μW וזמן התעוררות של 113 μs. בהינתן תדר שעון של 84 מגה-הרץ, המיקרו-בקר משלים את כל הפעולות של האלגוריתם הנוירומורפי תוך 10 אלפיות השנייה, והאלגוריתם מחשב מחזור עבודה של 6.3%, ובכך משתמש במצב הספק נמוך. פיזור ההספק המתקבל הוא 244.7 מיקרווואט. שימו לב שאנו משמיטים את פלט ה-ITD מ-ToF ואת ההמרה לזווית זיהוי, ובכך ממעיטים בצריכת החשמל של המיקרו-בקר. זה מספק ערך נוסף ליעילות האנרגטית של המערכת המוצעת. כתנאי השוואה נוסף, אנו מעריכים את צריכת החשמל של שיטות יצירת האלומה הקלאסיות המוצעות בהפניה. 31.54 כשהוא מוטבע באותו מיקרו-בקר68 במתח אספקה ​​של 1.8V. חמש ממברנות pMUT מרווחות באופן שווה משמשות לרכישת נתונים ליצירת אלומה. באשר לעיבוד עצמו, שיטת יצירת האלומה המשמשת היא סיכום השהיה. זה פשוט מורכב מהפעלת עיכוב על הנתיבים התואם את ההבדל הצפוי בזמני ההגעה בין נתיב אחד לנתיב הייחוס. אם האותות נמצאים בשלב, לסכום האותות הללו תהיה אנרגיה גבוהה לאחר שינוי זמן. אם הם מחוץ לפאזה, הפרעות הרסניות יגבילו את האנרגיה של הסכום שלהם. בזוגיות. על איור. 31, קצב דגימה של 2 מגה-הרץ נבחר להזזת זמן של הנתונים במספר שלם של דגימות. גישה צנועה יותר היא לשמור על קצב דגימה גס יותר של 250 קילו-הרץ ולהשתמש במסנן Finite Impulse Response (FIR) כדי לסנתז השהיות חלקיות. אנו נניח שהמורכבות של אלגוריתם יצירת האלומה נקבעת בעיקר על ידי שינוי הזמן, מכיוון שכל ערוץ מפותל עם מסנן FIR עם 16 ברזים לכל כיוון. כדי לחשב את מספר ה-MIPS הנדרש לפעולה זו, אנו רואים חלון של 6ms לכל מדידה כדי ללכוד טווח של 1 מטר, 5 ערוצים, 11 כיווני יצירת אלומה (טווח +/- 50° בצעדים של 10°). 75 מדידות בשנייה דחפו את המיקרו-בקר למקסימום של 100 MIPS. קישור. 68, וכתוצאה מכך פיזור הספק של 11.26 mW עבור פיזור הספק כולל של 11.71 mW לאחר הוספת תרומת ה-ADC המשולבת.
נתונים התומכים בתוצאות מחקר זה זמינים מהמחבר המתאים, FM, לפי בקשה סבירה.
Indiveri, G. & Sandamirskaya, Y. החשיבות של מרחב וזמן לעיבוד אותות בסוכנים נוירומורפיים: האתגר של פיתוח סוכנים אוטונומיים בעלי עוצמה נמוכה המתקשרים עם הסביבה. Indiveri, G. & Sandamirskaya, Y. החשיבות של מרחב וזמן לעיבוד אותות בסוכנים נוירומורפיים: האתגר של פיתוח סוכנים אוטונומיים בעלי עוצמה נמוכה המתקשרים עם הסביבה.Indiveri G. and Sandamirskaya Y. החשיבות של מרחב וזמן לעיבוד אותות בסוכנים נוירומורפיים: האתגר של פיתוח סוכנים אוטונומיים בעלי הספק נמוך המקיימים אינטראקציה עם הסביבה. Indiveri, G. & Sandamirskaya, Y.空间和时间对于神经形态代理中信号处理的重要性：开发与环境交互的低功耗、自主代理的挑战。 Indiveri, G. & Sandamirskaya, Y.Indiveri G. and Sandamirskaya Y. החשיבות של מרחב וזמן לעיבוד אותות בסוכנים נוירומורפיים: האתגר של פיתוח סוכנים אוטונומיים בעלי הספק נמוך המקיימים אינטראקציה עם הסביבה.עיבוד אותות IEEE. כתב עת 36, 16–28 (2019).
Thorpe, SJ זמן הגעה שיא: תוכנית קידוד יעילה של רשת עצבית. ב- Eckmiller, R., Hartmann, G. & Hauske, G. (עורכים). ב- Eckmiller, R., Hartmann, G. & Hauske, G. (עורכים).ב- Eckmiller, R., Hartmann, G. and Hauske, G. (עורכים).ב-Eckmiller, R., Hartmann, G. and Hauske, G. (עורכים). עיבוד מקביל במערכות עצביות ומחשבים 91–94 (North-Holland Elsevier, 1990).
Levy, WB & Calvert, VG Communication צורכת פי 35 יותר אנרגיה מאשר חישוב בקליפת המוח האנושית, אבל שתי העלויות נחוצות כדי לחזות את מספר הסינפסה. Levy, WB & Calvert, VG Communication צורכת פי 35 יותר אנרגיה מאשר חישוב בקליפת המוח האנושית, אבל שתי העלויות נחוצות כדי לחזות את מספר הסינפסה.לוי, WB ו-Calvert, WG Communication צורכת פי 35 יותר אנרגיה מאשר חישוב בקליפת המוח האנושית, אבל שתי העלויות נחוצות כדי לחזות את מספר הסינפסות. 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檁 לוי, WB & Calvert, VG Communicationלוי, WB ו-Calvert, WG Communication צורכת פי 35 יותר אנרגיה מאשר חישוב בקליפת המוח האנושית, אך שתי העלויות דורשות חיזוי מספר הסינפסות.תַהֲלִיך. האקדמיה הלאומית למדע. המדע. US 118, https://doi.org/10.1073/pnas.2008173118 (2021).
Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. מחשוב נוירומורפי בהשראת חרקים. Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. מחשוב נוירומורפי בהשראת חרקים.Dalgati, T., Vianello, E., DeSalvo, B. and Casas, J. מחשוב נוירומורפי בהשראת חרקים.Dalgati T., Vianello E., DeSalvo B. ו-Casas J. מחשוב נוירומורפי בהשראת חרקים. נוֹכְחִי. דֵעָה. מדע חרקים. 30, 59–66 (2018).
Roy, K., Jaiswal, A. & Panda, P. Towards intelligence machine-based spikes with computing neuromorphic. Roy, K., Jaiswal, A. & Panda, P. Towards intelligence machine-based spikes with computing neuromorphic. Roy, K., Jaiswal, A. & Panda, P. Towards Spike-Based Machine Intelligence with Neuromorphic Computing.Roy K, Jaiswal A, and Panda P. בינה מלאכותית מבוססת דופק באמצעות מחשוב נוירומורפי. טבע 575, 607–617 (2019).
Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. and Liu, S.-K. Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. and Liu, S.-K.זיכרון ועיבוד מידע במערכות נוירומורפיות. תַהֲלִיך. IEEE 103, 1379–1397 (2015).
Akopyan F. et al. Truenorth: עיצוב וערכת כלים עבור שבב סינפטי הניתן לתכנות של 65 mW 1 מיליון נוירונים. עסקאות IEEE. תכנון מחשב של מערכות מעגלים משולבים. 34, 1537–1557 (2015).
Schemmel, J. et al. הדגמה חיה: גרסה מוקטנת של המערכת הנוירומורפית BrainScaleS בקנה מידה לוח. 2012 IEEE International Symposium on Circuits and Systems (ISCAS), (IEEE ed.) 702–702 (2012).
Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. ארכיטקטורה מרובת ליבות ניתנת להרחבה עם מבני זיכרון הטרוגניים עבור מעבדים אסינכרוניים נוירומורפיים דינמיים (DYNAPs). Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. ארכיטקטורה מרובת ליבות ניתנת להרחבה עם מבני זיכרון הטרוגניים עבור מעבדים אסינכרוניים נוירומורפיים דינמיים (DYNAPs).Moradi S., Qiao N., Stefanini F. ו-Indiviri G. ארכיטקטורה מרובת ליבות ניתנת להרחבה עם מבני זיכרון הטרוגניים עבור מעבדים אסינכרוניים נוירומורפיים דינמיים (DYNAP). Moradi, S.、Qiao, N.、Stefanini, F. & Indiveri, G. 一种可扩展的多核架构，具有用于动态神经彂态神经彂态的异构内存结构。 Moradi, S.、Qiao, N.、Stefanini, F. & Indiveri, G. סוג של ארכיטקטורה מרובת ליבות הניתנת להרחבה, עם מבנה זיכרון ייחודי לעיבוד עצבי דינמי (DYNAP).Moradi S., Qiao N., Stefanini F. ו-Indiviri G. ארכיטקטורה מרובת ליבות ניתנת להרחבה עם מבני זיכרון הטרוגניים עבור מעבדים אסינכרוניים נוירומורפיים דינמיים (DYNAP).עסקאות IEEE על מדע ביו-רפואי. מערכת חשמל. 12, 106–122 (2018).
Davis, M. et al. Loihi: מעבד נוירומורפי מרובה ליבות עם למידה משובצת. IEEE Micro 38, 82–99 (2018).
Furber, SB, Galluppi, F., Temple, S. & Plana, LA פרויקט SpiNNaker. Furber, SB, Galluppi, F., Temple, S. & Plana, LA פרויקט SpiNNaker.פרויקט Ferber SB, Galluppi F., Temple S. ו-Plana LA SpiNNaker.פרויקט Ferber SB, Galluppi F., Temple S. ו-Plana LA SpiNNaker. תַהֲלִיך. IEEE 102, 652–665 (2014).
ליו, S.-K. & Delbruck, T. מערכות תחושתיות נוירומורפיות. & Delbruck, T. מערכות תחושתיות נוירומורפיות.ו- Delbrück T. Neuromorphic sensory systems. & Delbruck, T. 神经形态感觉系统. & Delbruck, T.ו- Delbrück T. מערכת חושים נוירומורפית.נוֹכְחִי. דֵעָה. נוירוביולוגיה. 20, 288–295 (2010).
צ'ופ, T. et al. אינטגרציה חושית נוירומורפית עבור לוקליזציה משולבת של מקור קול והימנעות מהתנגשות. בשנת 2019 בכנס IEEE בנושא מעגלים ומערכות ביו-רפואיות (BioCAS), (עורך IEEE) 1–4 (2019).
Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. ארכיטקטורה נוירומורפית מבוססת ספייק של ראיית סטריאו. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. ארכיטקטורה נוירומורפית מבוססת ספייק של ראיית סטריאו.Risi N, Aymar A, Donati E, Solinas S, and Indiveri G. ארכיטקטורת סטריאווויזיון נוירומורפית מבוססת ספייק. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. 一种基于脉冲的立体视觉神经形态结构。 Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G.Risi N, Aimar A, Donati E, Solinas S, and Indiveri G. ארכיטקטורה נוירומורפית מבוססת Spike לראיית סטריאו.חֲזִית. Neurorobotics 14, 93 (2020).
Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G.Oswald, M., Ieng, S.-H., Benosman, R., and Indiveri, G. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. 3Dperception 脉冲神经网络模型。Oswald, M., Ieng, S.-H., Benosman, R., and Indiveri, G. Spiked 3Dperception Neural Network Model for a Event Based Event-Based Neuromorphic Stereo Vision System.המדע. דו"ח 7, 1-11 (2017).
Dalgaty, T. et al. זיהוי תנועה בסיסי בהשראת חרקים כולל זיכרון התנגדות ורשתות עצביות מתפוצצות. מערכת ביו-היברידית ביונית. 10928, 115–128 (2018).
D'Angelo, G. et al. זיהוי תנועה אקסצנטרי מבוסס אירועים באמצעות קידוד דיפרנציאלי זמני. חזית. נוירולוגיה. 14, 451 (2020).