ព័ត៌មាន

កម្មវិធី​ដំណើរការ​ទិន្នន័យ​ក្នុង​ពិភព​លោក​ពិត​ប្រាកដ​ទាមទារ​ឱ្យ​មាន​ប្រព័ន្ធ​កុំព្យូទ័រ​ដែល​មាន​ថាមពល​ទាប បង្រួម​តូច និង​យឺត។ ជាមួយនឹងសមត្ថភាពកុំព្យូទ័រដែលជំរុញដោយព្រឹត្តិការណ៍ ស្ថាបត្យកម្មណឺរ៉ូម៉ូហ្វីក hybrid meristive memristive រួមបញ្ចូលគ្នានូវលោហៈ-អុកស៊ីដ- semiconductor ដែលបំពេញបន្ថែមនូវមូលដ្ឋានគ្រឹះផ្នែករឹងដ៏ល្អសម្រាប់ការងារបែបនេះ។ ដើម្បីបង្ហាញពីសក្ដានុពលពេញលេញនៃប្រព័ន្ធបែបនេះ យើងស្នើ និងពិសោធន៍បង្ហាញដំណោះស្រាយដំណើរការឧបករណ៍ចាប់សញ្ញាដ៏ទូលំទូលាយសម្រាប់កម្មវិធីធ្វើមូលដ្ឋានីយកម្មវត្ថុក្នុងពិភពពិត។ ដោយគូរការបំផុសគំនិតពី neuroanatomy របស់សត្វទីទុយ យើងបានបង្កើតប្រព័ន្ធធ្វើមូលដ្ឋានីយកម្មវត្ថុដែលជំរុញដោយព្រឹត្តិការណ៍ bioinspired ដែលរួមបញ្ចូលគ្នានូវឧបករណ៍បំលែងចរន្តមីក្រូមេកានិក piezoelectric ដ៏ទំនើបជាមួយនឹងអង្គចងចាំទប់ទល់ neuromorphic ដែលមានមូលដ្ឋានលើក្រាហ្វ។ យើងបង្ហាញការវាស់វែងនៃប្រព័ន្ធប្រឌិតដែលរួមបញ្ចូលឧបករណ៍ចាប់សញ្ញាចៃដន្យដែលមានមូលដ្ឋានលើអង្គចងចាំ សៀគ្វីពន្យាពេល និងឧបករណ៍ប្តូរ ultrasonic ដែលអាចប្ដូរតាមបំណងបានពេញលេញ។ យើងប្រើប្រាស់លទ្ធផលពិសោធន៍ទាំងនេះ ដើម្បីធ្វើការក្រិតតាមខ្នាតការក្លែងធ្វើនៅកម្រិតប្រព័ន្ធ។ បន្ទាប់មកការក្លែងធ្វើទាំងនេះត្រូវបានប្រើដើម្បីវាយតម្លៃគុណភាពបង្ហាញមុំ និងប្រសិទ្ធភាពថាមពលនៃគំរូធ្វើមូលដ្ឋានីយកម្មវត្ថុ។ លទ្ធផលបង្ហាញថាវិធីសាស្រ្តរបស់យើងអាចជាការបញ្ជាទិញជាច្រើនដែលមានប្រសិទ្ធភាពថាមពលច្រើនជាង microcontroller ដែលបំពេញភារកិច្ចដូចគ្នា។
យើងកំពុងឈានចូលយុគសម័យនៃការគណនាគ្រប់ទីកន្លែង ដែលចំនួនឧបករណ៍ និងប្រព័ន្ធដែលត្រូវបានដាក់ពង្រាយកំពុងកើនឡើងជាលំដាប់ ដើម្បីជួយយើងក្នុងជីវិតប្រចាំថ្ងៃរបស់យើង។ ប្រព័ន្ធទាំងនេះត្រូវបានគេរំពឹងថានឹងដំណើរការជាបន្តបន្ទាប់ ដោយប្រើប្រាស់ថាមពលតិចបំផុតតាមដែលអាចធ្វើទៅបាន ខណៈពេលដែលកំពុងរៀនបកស្រាយទិន្នន័យដែលពួកគេប្រមូលពីឧបករណ៍ចាប់សញ្ញាជាច្រើនក្នុងពេលជាក់ស្តែង និងបង្កើតលទ្ធផលប្រព័ន្ធគោលពីរដែលជាលទ្ធផលនៃកិច្ចការចាត់ថ្នាក់ ឬការទទួលស្គាល់។ ជំហានដ៏សំខាន់បំផុតមួយដែលត្រូវការដើម្បីសម្រេចបាននូវគោលដៅនេះគឺការទាញយកព័ត៌មានដែលមានប្រយោជន៍ និងបង្រួមចេញពីទិន្នន័យដែលមានការរំខាន និងជាញឹកញាប់មិនពេញលេញ។ វិធីសាស្រ្តវិស្វកម្មធម្មតា ជាធម្មតា សញ្ញាឧបករណ៍ចាប់សញ្ញាគំរូក្នុងអត្រាថេរ និងខ្ពស់ បង្កើតទិន្នន័យយ៉ាងច្រើន សូម្បីតែក្នុងករណីដែលគ្មានធាតុចូលមានប្រយោជន៍ក៏ដោយ។ លើសពីនេះ វិធីសាស្រ្តទាំងនេះប្រើបច្ចេកទេសដំណើរការសញ្ញាឌីជីថលដ៏ស្មុគស្មាញ ដើម្បីដំណើរការទិន្នន័យបញ្ចូល (ជាញឹកញាប់គ្មានសំឡេង)ជាមុន។ ជំនួសមកវិញ ជីវវិទ្យាផ្តល់នូវដំណោះស្រាយជំនួសសម្រាប់ដំណើរការទិន្នន័យអារម្មណ៍គ្មានសម្លេង ដោយប្រើវិធីសាស្រ្តសន្សំសំចៃថាមពល អសមកាល និងដំណើរការដោយព្រឹត្តិការណ៍ (ការកើនឡើង)2,3។ Neuromorphic computing ត្រូវការការបំផុសគំនិតពីប្រព័ន្ធជីវសាស្រ្ត ដើម្បីកាត់បន្ថយការចំណាយលើការគណនាទាក់ទងនឹងតម្រូវការថាមពល និងការចងចាំ បើប្រៀបធៀបទៅនឹងវិធីសាស្ត្រដំណើរការសញ្ញាប្រពៃណី4,5,6។ ថ្មីៗនេះ ប្រព័ន្ធខួរក្បាលដែលមានគោលបំណងទូទៅប្រកបដោយភាពច្នៃប្រឌិតដែលអនុវត្តបណ្តាញសរសៃប្រសាទដែលជំរុញ (TrueNorth7, BrainScaleS8, DYNAP-SE9, Loihi10, Spinnaker11) ត្រូវបានបង្ហាញ។ ឧបករណ៍ដំណើរការទាំងនេះផ្តល់នូវថាមពលទាប ដំណោះស្រាយភាពយឺតយ៉ាវទាបសម្រាប់ការរៀនម៉ាស៊ីន និងការបង្កើតគំរូសៀគ្វី cortical ។ ដើម្បីទាញយកប្រសិទ្ធភាពថាមពលរបស់ពួកគេយ៉ាងពេញលេញ ខួរក្បាល neuromorphic ទាំងនេះត្រូវតែភ្ជាប់ដោយផ្ទាល់ទៅឧបករណ៍ចាប់សញ្ញាដែលជំរុញដោយព្រឹត្តិការណ៍12,13។ ទោះជាយ៉ាងណាក៏ដោយ សព្វថ្ងៃនេះមានឧបករណ៍ប៉ះមួយចំនួនប៉ុណ្ណោះដែលផ្តល់ទិន្នន័យដែលជំរុញដោយព្រឹត្តិការណ៍ដោយផ្ទាល់។ ឧទាហរណ៍លេចធ្លោគឺឧបករណ៍ចាប់សញ្ញាមើលឃើញថាមវន្ត (DVS) សម្រាប់កម្មវិធីមើលឃើញដូចជាការតាមដាន និងការរកឃើញចលនា 14,15,16,17 ស៊ីលីកុន cochlea18 និងឧបករណ៍ចាប់សញ្ញា neuromorphic auditory (NAS)19 សម្រាប់ដំណើរការសញ្ញា auditory ឧបករណ៍ចាប់សញ្ញា olfactory20 និងឧទាហរណ៍ជាច្រើន 21,22 នៃការប៉ះ។ . ឧបករណ៍ចាប់សញ្ញាវាយនភាព។
នៅក្នុងអត្ថបទនេះ យើងបង្ហាញអំពីប្រព័ន្ធដំណើរការសោតទស្សន៍ដែលជំរុញដោយព្រឹត្តិការណ៍ដែលបានអភិវឌ្ឍថ្មីដែលត្រូវបានអនុវត្តចំពោះការធ្វើមូលដ្ឋានីយកម្មវត្ថុ។ នៅទីនេះ ជាលើកដំបូង យើងពណ៌នាអំពីប្រព័ន្ធពីចុងដល់ចប់សម្រាប់ការធ្វើមូលដ្ឋានីយកម្មវត្ថុដែលទទួលបានដោយការភ្ជាប់ឧបករណ៍បំប្លែង ultrasonic micromachined ទំនើបបំផុត (pMUT) ជាមួយនឹងក្រាហ្វគណនាដោយផ្អែកលើសតិធន់នឹងសរសៃប្រសាទ (RRAM)។ ស្ថាបត្យកម្មកុំព្យូទ័រក្នុងអង្គចងចាំដោយប្រើ RRAM គឺជាដំណោះស្រាយដ៏ជោគជ័យមួយសម្រាប់កាត់បន្ថយការប្រើប្រាស់ថាមពល 23,24,25,26,27,28,29។ ភាពមិនប្រែប្រួលពីកំណើតរបស់ពួកគេ - មិនតម្រូវឱ្យមានការប្រើប្រាស់ថាមពលសកម្មដើម្បីរក្សាទុក ឬធ្វើបច្ចុប្បន្នភាពព័ត៌មាន - គឺសមឥតខ្ចោះជាមួយនឹងធម្មជាតិដែលជំរុញដោយព្រឹត្តិការណ៍អសមកាលនៃកុំព្យូទ័រ neuromorphic ដែលបណ្តាលឱ្យស្ទើរតែគ្មានការប្រើប្រាស់ថាមពលនៅពេលដែលប្រព័ន្ធនៅទំនេរ។ Piezoelectric micromachined ultrasonic transducers (pMUTs) គឺមានតំលៃថោក ឧបករណ៍បំប្លែង ultrasonic ដែលមានមូលដ្ឋានលើស៊ីលីកុនខ្នាតតូច មានសមត្ថភាពដើរតួជាអ្នកបញ្ជូន និងទទួល 30,31,32,33,34។ ដើម្បីដំណើរការសញ្ញាដែលទទួលបានដោយឧបករណ៍ចាប់សញ្ញាដែលភ្ជាប់មកជាមួយ យើងបានទាក់ទាញការបំផុសគំនិតពី barn owl neuroanatomy35,36,37។ សត្វទីទុយ Tyto alba ជង្រុកត្រូវបានគេស្គាល់ថាសម្រាប់សមត្ថភាពបរបាញ់ពេលយប់ដ៏គួរឱ្យកត់សម្គាល់របស់វា ដោយសារប្រព័ន្ធធ្វើមូលដ្ឋានីយកម្មផ្នែកសោតទស្សន៍ដ៏មានប្រសិទ្ធភាព។ ដើម្បីគណនាទីតាំងនៃសត្វទីទុយ ប្រព័ន្ធធ្វើមូលដ្ឋានីយកម្មរបស់សត្វទីទុយជង្រុកបានអ៊ិនកូដពេលវេលាហោះហើរ (ToF) នៅពេលដែលរលកសំឡេងពីសត្វទន្សាយទៅដល់ត្រចៀកសត្វទីទុយនីមួយៗ ឬឧបករណ៍ទទួលសំឡេង។ ដោយគិតពីចំងាយរវាងត្រចៀក ភាពខុសគ្នារវាងការវាស់វែង ToF ទាំងពីរ (Interaural Time Difference, ITD) ធ្វើឱ្យវាអាចធ្វើការវិភាគវិភាគទីតាំង azimuth នៃគោលដៅ។ ទោះបីជាប្រព័ន្ធជីវសាស្រ្តមិនសមស្របនឹងការដោះស្រាយសមីការពិជគណិតក៏ដោយ ពួកគេអាចដោះស្រាយបញ្ហាការធ្វើមូលដ្ឋានីយកម្មបានយ៉ាងមានប្រសិទ្ធភាព។ ប្រព័ន្ធសរសៃប្រសាទរបស់សត្វទីទុយប្រើសំណុំឧបករណ៍ចាប់ចៃដន្យ (CD) 35 ណឺរ៉ូន (ពោលគឺ ណឺរ៉ូនដែលមានសមត្ថភាពរកឃើញទំនាក់ទំនងបណ្តោះអាសន្នរវាង spikes ដែលបន្តពូជចុះក្រោមទៅចុងបញ្ចប់ដែលគួរឱ្យរំភើប) 38,39 រៀបចំជាក្រាហ្វគណនាដើម្បីដោះស្រាយបញ្ហាទីតាំង។
ការស្រាវជ្រាវពីមុនបានបង្ហាញថាផ្នែករឹងលោហៈ-អុកស៊ីដ-ស៊ីម៉ីកុងឌុចទ័រ (CMOS) និងផ្នែករឹងសរសៃប្រសាទដែលមានមូលដ្ឋានលើ RRAM ដែលត្រូវបានបំផុសគំនិតដោយ coliculus ទាប ("auditory Cortex") នៃជង្រុកគឺជាវិធីសាស្ត្រដ៏មានប្រសិទ្ធភាពសម្រាប់ការគណនាទីតាំងដោយប្រើ ITD13, 40, 41, 42, 43 , 44, 45, 46. ទោះជាយ៉ាងណាក៏ដោយ សក្តានុពលនៃប្រព័ន្ធសរសៃប្រសាទពេញលេញដែលភ្ជាប់សញ្ញា auditory ទៅក្រាហ្វគណនា neuromorphic មិនទាន់ត្រូវបានបង្ហាញនៅឡើយទេ។ បញ្ហាចម្បងគឺភាពប្រែប្រួលនៃសៀគ្វី CMOS អាណាឡូក ដែលប៉ះពាល់ដល់ភាពត្រឹមត្រូវនៃការរកឃើញការប្រកួត។ ថ្មីៗនេះ ការអនុវត្តលេខជំនួសនៃការប៉ាន់ប្រមាណ ITD47 ត្រូវបានបង្ហាញ។ នៅក្នុងអត្ថបទនេះ យើងស្នើឱ្យប្រើសមត្ថភាពរបស់ RRAM ដើម្បីផ្លាស់ប្តូរតម្លៃ conductance ក្នុងលក្ខណៈដែលមិនងាយនឹងបង្កជាហេតុ ដើម្បីប្រឆាំងនឹងភាពប្រែប្រួលនៅក្នុងសៀគ្វីអាណាឡូក។ យើងបានអនុវត្តប្រព័ន្ធពិសោធន៍មួយដែលមានភ្នាសបញ្ជូន pMUT មួយដំណើរការនៅប្រេកង់ 111.9 kHz ភ្នាសទទួល pMUT ពីរ (ឧបករណ៍ចាប់សញ្ញា) ក្លែងធ្វើត្រចៀកសត្វទីទុយ និងមួយទៀត។ យើងពិសោធន៍កំណត់លក្ខណៈប្រព័ន្ធរកឃើញ pMUT និងក្រាហ្វគណនា ITD ដែលមានមូលដ្ឋានលើ RRAM ដើម្បីសាកល្បងប្រព័ន្ធធ្វើមូលដ្ឋានីយកម្មរបស់យើង និងវាយតម្លៃគុណភាពបង្ហាញជ្រុងរបស់វា។
យើងប្រៀបធៀបវិធីសាស្រ្តរបស់យើងជាមួយនឹងការអនុវត្តឌីជីថលនៅលើ microcontroller ដែលបំពេញភារកិច្ចធ្វើមូលដ្ឋានីយកម្មដូចគ្នា ដោយប្រើវិធីសាស្ត្រ beamforming ធម្មតា ឬ neuromorphic ក៏ដូចជា field programmable gate array (FPGA) សម្រាប់ការប៉ាន់ប្រមាណរបស់ ITD ដែលបានស្នើឡើងក្នុងឯកសារយោង។ 47. ការប្រៀបធៀបនេះបង្ហាញពីប្រសិទ្ធភាពថាមពលប្រកួតប្រជែងនៃប្រព័ន្ធសរសៃប្រសាទអាណាឡូកដែលមានមូលដ្ឋានលើ RRAM ដែលបានស្នើឡើង។
ឧទាហរណ៍មួយក្នុងចំណោមឧទាហរណ៍ដ៏គួរឱ្យចាប់អារម្មណ៍បំផុតនៃប្រព័ន្ធធ្វើមូលដ្ឋានីយកម្មវត្ថុត្រឹមត្រូវនិងប្រសិទ្ធភាពអាចរកបាននៅក្នុងជង្រុក owl35,37,48 ។ នៅពេលព្រលប់ និងពេលព្រឹកព្រលឹម សត្វទីទុយក្នុងជង្រុក (Tyto Alba) ពឹងផ្អែកជាចម្បងលើការស្តាប់ដោយអសកម្ម ដោយស្វែងរកយ៉ាងសកម្មនូវសត្វតូចៗដូចជា voles ឬកណ្តុរ។ អ្នកជំនាញផ្នែកសោតទស្សន៍ទាំងនេះអាចធ្វើមូលដ្ឋានីយកម្មសញ្ញា auditory ពីសត្វព្រៃជាមួយនឹងភាពត្រឹមត្រូវគួរឱ្យភ្ញាក់ផ្អើល (ប្រហែល 2°)35 ដូចដែលបានបង្ហាញក្នុងរូបទី 1a ។ សត្វទីទុយ Barn សន្មត់ទីតាំងនៃប្រភពសំឡេងនៅក្នុងយន្តហោះ azimuth (ផ្ដេក) ពីភាពខុសគ្នានៃពេលវេលាហោះហើរចូល (ITD) ពីប្រភពសំឡេងទៅត្រចៀកទាំងពីរ។ យន្តការគណនារបស់ ITD ត្រូវបានស្នើឡើងដោយ Jeffress49,50 ដែលពឹងផ្អែកលើធរណីមាត្រសរសៃប្រសាទ ហើយត្រូវការធាតុផ្សំសំខាន់ៗចំនួនពីរ៖ អ័ក្ស សរសៃសរសៃប្រសាទរបស់ណឺរ៉ូនដើរតួជាខ្សែពន្យារ និងអារេនៃណឺរ៉ូនឧបករណ៍ចាប់ចៃដន្យដែលរៀបចំជាប្រព័ន្ធគណនា។ ក្រាហ្វដូចបង្ហាញក្នុងរូបភាពទី 1 ខ។ សំឡេងទៅដល់ត្រចៀកជាមួយនឹងការពន្យាពេល azimuth dependent time (ITD)។ បន្ទាប់មក សំឡេង​ត្រូវបាន​បំប្លែង​ទៅជា​លំនាំ​ស្ពឺ​នៅក្នុង​ត្រចៀក​នីមួយៗ។ អ័ក្សនៃត្រចៀកឆ្វេង និងស្តាំដើរតួជាខ្សែពន្យារ ហើយបញ្ចូលគ្នានៅលើណឺរ៉ូនស៊ីឌី។ តាមទ្រឹស្តី មានតែណឺរ៉ូនមួយគត់នៅក្នុងអារេនៃណឺរ៉ូនដែលត្រូវគ្នានឹងទទួលការបញ្ចូលក្នុងពេលតែមួយ (ដែលការពន្យាពេលនឹងលុបចោលយ៉ាងពិតប្រាកដ) ហើយនឹងបាញ់ចេញជាអតិបរមា (កោសិកាជិតខាងក៏នឹងឆេះដែរ ប៉ុន្តែនៅប្រេកង់ទាប)។ ការធ្វើឱ្យណឺរ៉ូនជាក់លាក់ធ្វើឱ្យសកម្ម អ៊ិនកូដទីតាំងនៃគោលដៅក្នុងលំហ ដោយមិនចាំបាច់បំប្លែង ITD ទៅជាមុំទៀតទេ។ គំនិតនេះត្រូវបានសង្ខេបនៅក្នុងរូបភាពទី 1c: ឧទាហរណ៍ប្រសិនបើសំឡេងចេញពីផ្នែកខាងស្តាំនៅពេលដែលសញ្ញាបញ្ចូលពីត្រចៀកខាងស្តាំធ្វើដំណើរផ្លូវឆ្ងាយជាងផ្លូវពីត្រចៀកខាងឆ្វេងដោយទូទាត់សងសម្រាប់ចំនួន ITDs ឧទាហរណ៍។ នៅពេលដែលណឺរ៉ូន 2 ត្រូវគ្នា។ ម្យ៉ាងវិញទៀត ស៊ីឌីនីមួយៗឆ្លើយតបទៅនឹង ITD ជាក់លាក់មួយ (ត្រូវបានគេស្គាល់ថាជាការពន្យាពេលល្អបំផុត) ដោយសារតែការពន្យាពេលតាមអ័ក្ស។ ដូច្នេះ ខួរក្បាលបំប្លែងព័ត៌មានបណ្ដោះអាសន្នទៅជាព័ត៌មានលំហ។ ភស្តុតាងកាយវិភាគសាស្ត្រសម្រាប់យន្តការនេះត្រូវបានរកឃើញ ៣៧.៥១. ណឺរ៉ូន macronucleus ដែលត្រូវបានចាក់សោដំណាក់កាលរក្សាទុកព័ត៌មានបណ្ដោះអាសន្នអំពីសំឡេងចូល៖ ដូចដែលឈ្មោះរបស់វាបង្កប់ន័យ ពួកវាបាញ់នៅដំណាក់កាលសញ្ញាជាក់លាក់។ ណឺរ៉ូនឧបករណ៍ចាប់ចៃដន្យនៃគំរូ Jeffress អាចត្រូវបានរកឃើញនៅក្នុងស្នូល laminar ។ ពួកគេទទួលបានព័ត៌មានពីណឺរ៉ូនម៉ាក្រូនុយក្លេអ៊ែរ ដែលអ័ក្សរបស់វាដើរតួជាខ្សែពន្យារ។ ចំនួននៃការពន្យាពេលដែលផ្តល់ដោយបន្ទាត់ពន្យារអាចត្រូវបានពន្យល់ដោយប្រវែងនៃ axon ក៏ដូចជាលំនាំ myelination មួយផ្សេងទៀតដែលផ្លាស់ប្តូរល្បឿន conduction ។ ដោយ​បាន​បំផុសគំនិត​ដោយ​ប្រព័ន្ធ​ស្តាប់​របស់​សត្វទីទុយ​ជង្រុក យើង​បាន​បង្កើត​ប្រព័ន្ធ biomimetic សម្រាប់​ធ្វើ​មូលដ្ឋានីយកម្ម​វត្ថុ។ ត្រចៀកទាំងពីរត្រូវបានតំណាងដោយអ្នកទទួល pMUT ពីរ។ ប្រភពសំឡេងគឺជាឧបករណ៍បញ្ជូន pMUT ដែលមានទីតាំងនៅចន្លោះពួកវា (រូបភាពទី 1 ក) ហើយក្រាហ្វគណនាត្រូវបានបង្កើតឡើងដោយក្រឡាចត្រង្គនៃសៀគ្វីស៊ីឌីដែលមានមូលដ្ឋានលើ RRAM (រូបភាពទី 1b ពណ៌បៃតង) ដើរតួជាណឺរ៉ូនស៊ីឌីដែលការបញ្ចូលត្រូវបានពន្យារពេល។ តាមរយៈសៀគ្វី បន្ទាត់ពន្យាពេល (ពណ៌ខៀវ) ដើរតួដូចជា axons នៅក្នុងសមភាគីជីវសាស្រ្ត។ ប្រព័ន្ធញ្ញាណដែលស្នើឡើងមានភាពខុសប្លែកគ្នាក្នុងប្រេកង់ប្រតិបត្តិការពីសត្វទីទុយ ដែលប្រព័ន្ធសូរស័ព្ទដំណើរការក្នុងជួរ 1-8 kHz ប៉ុន្តែឧបករណ៍ចាប់សញ្ញា pMUT ដំណើរការនៅប្រហែល 117 kHz ត្រូវបានប្រើក្នុងការងារនេះ។ ការជ្រើសរើសឧបករណ៍បំប្លែង ultrasonic ត្រូវបានគេពិចារណាតាមលក្ខណៈបច្ចេកទេស និងការបង្កើនប្រសិទ្ធភាព។ ទីមួយ ការកំណត់កម្រិតបញ្ជូននៃការទទួលទៅប្រេកង់តែមួយ ជាការប្រសើរបំផុត ធ្វើអោយប្រសើរឡើងនូវភាពត្រឹមត្រូវនៃការវាស់វែង និងជួយសម្រួលដល់ជំហានក្រោយដំណើរការ។ លើសពីនេះទៀតប្រតិបត្តិការនៅក្នុងអ៊ុលត្រាសោនមានអត្ថប្រយោជន៍ដែលជីពចរដែលបញ្ចេញគឺមិនអាចស្តាប់បានដូច្នេះមិនរំខានដល់មនុស្សទេព្រោះជួរនៃការស្តាប់របស់ពួកគេគឺ ~ 20-20 kHz ។
សត្វទីទុយជង្រុកទទួលរលកសំឡេងពីគោលដៅមួយ ក្នុងករណីនេះផ្លាស់ទីសត្វព្រៃ។ ពេលវេលាហោះហើរ (ToF) នៃរលកសំឡេងគឺខុសគ្នាសម្រាប់ត្រចៀកនីមួយៗ (លុះត្រាតែសត្វទីទុយដោយផ្ទាល់នៅពីមុខសត្វទីទុយ)។ បន្ទាត់ចំនុចបង្ហាញពីផ្លូវដែលរលកសំឡេងដើរទៅដល់ត្រចៀករបស់សត្វទីទុយ។ Prey អាចត្រូវបានធ្វើមូលដ្ឋានីយកម្មយ៉ាងត្រឹមត្រូវនៅក្នុងយន្តហោះផ្តេក ដោយផ្អែកលើភាពខុសគ្នានៃប្រវែងរវាងផ្លូវសូរស័ព្ទពីរ និងភាពខុសគ្នានៃពេលវេលា interaural ដែលត្រូវគ្នា (ITD) (រូបភាពខាងឆ្វេងបំផុសគំនិតដោយឯកសារយោង 74, រក្សាសិទ្ធិឆ្នាំ 2002, សង្គមសម្រាប់សរសៃប្រសាទ)។ នៅក្នុងប្រព័ន្ធរបស់យើង ឧបករណ៍បញ្ជូន pMUT (ពណ៌ខៀវងងឹត) បង្កើតរលកសំឡេងដែលលោតចេញពីគោលដៅ។ រលកអ៊ុលត្រាសោនដែលឆ្លុះបញ្ចាំងត្រូវបានទទួលដោយអ្នកទទួល pMUT ពីរ (ពណ៌បៃតងស្រាល) និងដំណើរការដោយខួរក្បាល neuromorphic (ស្តាំ) ។ b គំរូគណនារបស់ ITD (Jeffress) ដែលពិពណ៌នាអំពីរបៀបដែលសំឡេងចូលទៅក្នុងត្រចៀករបស់សត្វទីទុយជង្រុកត្រូវបានអ៊ិនកូដដំបូងថាជាដំណាក់កាលចាក់សោរនៅក្នុងស្នូលធំ (NM) ហើយបន្ទាប់មកដោយប្រើក្រឡាចត្រង្គដែលរៀបចំតាមធរណីមាត្រនៃណឺរ៉ូនរាវរកដែលត្រូវគ្នានៅក្នុងស្នូល lamellar ។ កំពុងដំណើរការ (ប្រទេសហូឡង់) (ឆ្វេង)។ រូបភាពនៃក្រាហ្វគណនា neuroITD រួមបញ្ចូលគ្នារវាងបន្ទាត់ពន្យាពេល និងណឺរ៉ូនឧបករណ៍ចាប់ចៃដន្យ ប្រព័ន្ធ owl biosensor អាចយកគំរូតាម RRAM-based neuromorphic circuits (ស្តាំ)។ c គ្រោងការណ៍នៃយន្តការ Jeffress ចម្បងដោយសារតែភាពខុសគ្នានៅក្នុង ToF ត្រចៀកទាំងពីរទទួលបានសំឡេងរំញោចនៅពេលផ្សេងគ្នាហើយបញ្ជូនអ័ក្សពីចុងទាំងពីរទៅឧបករណ៍ចាប់។ axons គឺជាផ្នែកមួយនៃស៊េរីនៃឧបករណ៏រាវរកចៃដន្យ (CD) ណឺរ៉ូនដែលនីមួយៗឆ្លើយតបយ៉ាងជ្រើសរើសទៅនឹងធាតុបញ្ចូលដែលទាក់ទងគ្នាយ៉ាងខ្លាំង។ ជាលទ្ធផល មានតែស៊ីឌីដែលធាតុចូលមកដល់ជាមួយនឹងភាពខុសគ្នានៃពេលវេលាតិចបំផុតគឺរំភើបជាអតិបរមា (ITD ត្រូវបានផ្តល់សំណងយ៉ាងពិតប្រាកដ)។ បន្ទាប់មក ស៊ីឌីនឹងអ៊ិនកូដទីតាំងមុំរបស់គោលដៅ។
Piezoelectric micromechanical transducers ultrasonic គឺជាឧបករណ៍ប្តូរ ultrasonic ដែលអាចធ្វើមាត្រដ្ឋានបាន ដែលអាចត្រូវបានរួមបញ្ចូលជាមួយបច្ចេកវិទ្យា CMOS កម្រិតខ្ពស់ 31,32,33,52 និងមានតង់ស្យុងដំបូង និងការប្រើប្រាស់ថាមពលទាបជាងឧបករណ៍បំប្លែងបរិមាណធម្មតា 53 ។ នៅក្នុងការងាររបស់យើងអង្កត់ផ្ចិតភ្នាសគឺ 880 µm ហើយប្រេកង់ resonant ត្រូវបានចែកចាយក្នុងចន្លោះ 110-117 kHz (រូបភាព 2a សូមមើលវិធីសាស្រ្តសម្រាប់ព័ត៌មានលម្អិត) ។ នៅក្នុងបណ្តុំនៃឧបករណ៍សាកល្បងចំនួនដប់ កត្តាគុណភាពជាមធ្យមគឺប្រហែល 50 (យោង 31) ។ បច្ចេកវិទ្យាបានឈានដល់ភាពចាស់ទុំក្នុងឧស្សាហកម្ម ហើយមិនត្រូវបានបំផុសគំនិតដោយជីវសាស្រ្តទេ។ ការបញ្ចូលគ្នានូវព័ត៌មានពីខ្សែភាពយន្ត pMUT ផ្សេងៗគ្នាគឺជាបច្ចេកទេសដ៏ល្បីមួយ ហើយព័ត៌មានអំពីមុំអាចទទួលបានពី pMUTs ដោយប្រើឧទាហរណ៍ បច្ចេកទេស beamforming31,54។ ទោះជាយ៉ាងណាក៏ដោយដំណើរការសញ្ញាដែលតម្រូវឱ្យទាញយកព័ត៌មានមុំគឺមិនសមរម្យសម្រាប់ការវាស់វែងថាមពលទាបនោះទេ។ ប្រព័ន្ធដែលបានស្នើឡើងរួមបញ្ចូលគ្នានូវសៀគ្វីដំណើរការមុនទិន្នន័យ neuromorphic pMUT ជាមួយនឹងក្រាហ្វកុំព្យូទ័រ neuromorphic ផ្អែកលើ RRAM ដែលបំផុសគំនិតដោយគំរូ Jeffress (រូបភាព 2c) ដោយផ្តល់នូវដំណោះស្រាយផ្នែករឹងដែលសន្សំសំចៃថាមពល និងធនធានជំនួស។ យើងបានធ្វើការពិសោធន៍មួយដែលឧបករណ៍ចាប់សញ្ញា pMUT ពីរត្រូវបានដាក់នៅចម្ងាយប្រហែល 10 សង់ទីម៉ែត្រពីគ្នា ដើម្បីទាញយកសំឡេង ToF ខុសៗគ្នាដែលទទួលបានដោយភ្នាសទទួលទាំងពីរ។ pMUT មួយដើរតួជាអ្នកបញ្ជូន ស្ថិតនៅចន្លោះអ្នកទទួល។ គោលដៅគឺជាបន្ទះ PVC ទទឹង 12 សង់ទីម៉ែត្រដែលមានទីតាំងនៅចម្ងាយ D ពីមុខឧបករណ៍ pMUT (រូបភាព 2b) ។ អ្នកទទួលកត់ត្រាសំឡេងដែលឆ្លុះបញ្ចាំងពីវត្ថុ និងប្រតិកម្មឱ្យបានច្រើនតាមតែអាចធ្វើទៅបានក្នុងអំឡុងពេលឆ្លងកាត់រលកសំឡេង។ ធ្វើពិសោធន៍ម្តងទៀតដោយផ្លាស់ប្តូរទីតាំងរបស់វត្ថុដែលកំណត់ដោយចម្ងាយ D និងមុំθ។ បំផុសគំនិតដោយតំណ។ 55, យើងស្នើឱ្យដំណើរការមុន neuromorphic នៃ pMUT សញ្ញាឆៅដើម្បីបំប្លែងរលកឆ្លុះបញ្ចាំងទៅជាកំពូលដើម្បីបញ្ចូលក្រាហ្វគណនា neuromorphic ។ ToF ដែលត្រូវគ្នាទៅនឹងទំហំកំពូលត្រូវបានស្រង់ចេញពីប៉ុស្តិ៍នីមួយៗនៃបណ្តាញទាំងពីរ ហើយត្រូវបានអ៊ិនកូដជាពេលវេលាពិតប្រាកដនៃកំពូលនីមួយៗ។ នៅលើរូបភព។ 2c បង្ហាញសៀគ្វីដែលត្រូវការដើម្បីភ្ជាប់ឧបករណ៍ចាប់សញ្ញា pMUT ជាមួយក្រាហ្វគណនាដែលមានមូលដ្ឋានលើ RRAM៖ សម្រាប់អ្នកទទួល pMUT នីមួយៗ សញ្ញាឆៅត្រូវបានត្រង band-pass ដើម្បីរលោង កែតម្រូវ ហើយបន្ទាប់មកបញ្ជូនទៅឧបករណ៍បញ្ចូលលេចធ្លាយនៅក្នុងរបៀបយកឈ្នះ។ កម្រិតថាមវន្ត (រូបភាពទី 2 ឃ) បង្កើតព្រឹត្តិការណ៍លទ្ធផល (ការកើនឡើង) និងណឺរ៉ូនបាញ់ (LIF)៖ ពេលវេលាលោតចេញបញ្ចូលកូដពេលវេលាហោះហើរដែលបានរកឃើញ។ កម្រិត LIF ត្រូវបានក្រិតតាមខ្នាតធៀបនឹងការឆ្លើយតប pMUT ដោយហេតុនេះកាត់បន្ថយភាពប្រែប្រួល pMUT ពីឧបករណ៍មួយទៅឧបករណ៍មួយ។ ជាមួយនឹងវិធីសាស្រ្តនេះ ជំនួសឱ្យការរក្សាទុករលកសំឡេងទាំងមូលនៅក្នុងសតិ ហើយដំណើរការវានៅពេលក្រោយ យើងគ្រាន់តែបង្កើតកម្រិតកំពូលដែលត្រូវគ្នាទៅនឹង ToF នៃរលកសំឡេង ដែលបង្កើតជាធាតុបញ្ចូលទៅក្នុងក្រាហ្វគណនាអង្គចងចាំធន់។ spikes ត្រូវបានបញ្ជូនដោយផ្ទាល់ទៅបន្ទាត់ពន្យារ និងស្របជាមួយនឹងម៉ូឌុលរកឃើញការផ្គូផ្គងនៅក្នុងក្រាហ្វគណនា neuromorphic ។ ដោយសារតែពួកវាត្រូវបានបញ្ជូនទៅច្រកទ្វារនៃត្រង់ស៊ីស្ទ័រនោះ មិនចាំបាច់មានសៀគ្វីពង្រីកបន្ថែមទេ (សូមមើលរូបភាពបន្ថែម 4 សម្រាប់ព័ត៌មានលម្អិត)។ ដើម្បីវាយតម្លៃភាពត្រឹមត្រូវនៃការធ្វើមូលដ្ឋានីយកម្មជ្រុងដែលផ្តល់ដោយ pMUT និងវិធីសាស្ត្រដំណើរការសញ្ញាដែលបានស្នើ យើងបានវាស់ ITD (នោះគឺភាពខុសគ្នានៃពេលវេលារវាងព្រឹត្តិការណ៍កំពូលដែលបង្កើតដោយអ្នកទទួលពីរ) ដោយសារចម្ងាយ និងមុំរបស់វត្ថុប្រែប្រួល។ បន្ទាប់មក ការវិភាគ ITD ត្រូវបានបំប្លែងទៅជាមុំ (សូមមើលវិធីសាស្ត្រ) ហើយគ្រោងប្រឆាំងនឹងទីតាំងរបស់វត្ថុ៖ ភាពមិនច្បាស់លាស់នៅក្នុង ITD ដែលបានវាស់បានកើនឡើងជាមួយនឹងចម្ងាយ និងមុំទៅវត្ថុ (រូបភាព 2e,f)។ បញ្ហាចម្បងគឺសមាមាត្រ peak-to-noise (PNR) នៅក្នុងការឆ្លើយតប pMUT ។ វត្ថុកាន់តែឆ្ងាយ សញ្ញាសូរស័ព្ទកាន់តែទាប ដោយហេតុនេះកាត់បន្ថយ PNR (រូបភាព 2f បន្ទាត់ពណ៌បៃតង)។ ការថយចុះនៃ PNR នាំឱ្យមានការកើនឡើងនៃភាពមិនច្បាស់លាស់នៅក្នុងការប៉ាន់ប្រមាណរបស់ ITD ដែលបណ្តាលឱ្យមានការកើនឡើងនូវភាពត្រឹមត្រូវនៃការធ្វើមូលដ្ឋានីយកម្ម (រូបភាព 2f បន្ទាត់ពណ៌ខៀវ)។ សម្រាប់វត្ថុមួយនៅចម្ងាយ 50 សង់ទីម៉ែត្រពីឧបករណ៍បញ្ជូន ភាពត្រឹមត្រូវមុំនៃប្រព័ន្ធគឺប្រហែល 10 °។ ការកំណត់នេះកំណត់ដោយលក្ខណៈនៃឧបករណ៏អាចត្រូវបានកែលម្អ។ ឧទាហរណ៍សម្ពាធដែលបញ្ជូនដោយ emitter អាចត្រូវបានកើនឡើងដោយហេតុនេះការបង្កើនវ៉ុលជំរុញភ្នាស pMUT ។ ដំណោះស្រាយមួយផ្សេងទៀតដើម្បីពង្រីកសញ្ញាបញ្ជូនគឺដើម្បីភ្ជាប់ឧបករណ៍បញ្ជូនច្រើន 56. ដំណោះស្រាយទាំងនេះនឹងបង្កើនជួររាវរកដោយចំណាយនៃថ្លៃថាមពលកើនឡើង។ ការកែលម្អបន្ថែមអាចត្រូវបានធ្វើឡើងនៅផ្នែកទទួល។ ជាន់សំលេងរំខានអ្នកទទួលរបស់ pMUT អាចត្រូវបានកាត់បន្ថយយ៉ាងខ្លាំងដោយការធ្វើអោយប្រសើរឡើងនូវការតភ្ជាប់រវាង pMUT និង amplifier ដំណាក់កាលទីមួយ ដែលបច្ចុប្បន្នត្រូវបានធ្វើរួចជាមួយនឹងការភ្ជាប់ខ្សែ និងខ្សែ RJ45 ។
រូបភាពនៃគ្រីស្តាល់ pMUT ដែលមានភ្នាសប្រាំមួយ 880 µm រួមបញ្ចូលគ្នានៅកម្រិត 1.5 mm ។ b ដ្យាក្រាមនៃការដំឡើងរង្វាស់។ គោលដៅស្ថិតនៅទីតាំង azimuth θ និងនៅចម្ងាយ D. ឧបករណ៍បញ្ជូន pMUT បង្កើតសញ្ញា 117.6 kHz ដែលលោតចេញពីគោលដៅ និងទៅដល់អ្នកទទួល pMUT ពីរដែលមានពេលវេលាហោះហើរខុសគ្នា (ToF)។ ភាពខុសគ្នានេះត្រូវបានកំណត់ថាជាភាពខុសគ្នានៃពេលវេលាអន្តរអូវុល (ITD) អ៊ិនកូដទីតាំងរបស់វត្ថុមួយ ហើយអាចត្រូវបានប៉ាន់ស្មានដោយការប៉ាន់ប្រមាណការឆ្លើយតបខ្ពស់បំផុតនៃឧបករណ៍ចាប់សញ្ញាអ្នកទទួលទាំងពីរ។ c គ្រោងការណ៍នៃជំហានមុនដំណើរការសម្រាប់ការបំប្លែងសញ្ញា pMUT ឆៅទៅជាលំដាប់កើនឡើង (ឧទាហរណ៍ការបញ្ចូលទៅក្រាហ្វគណនាសរសៃប្រសាទ)។ ឧបករណ៍ចាប់សញ្ញា pMUT និងក្រាហ្វគណនា neuromorphic ត្រូវបានគេប្រឌិត និងសាកល្បង ហើយដំណើរការមុន neuromorphic គឺផ្អែកលើការក្លែងធ្វើកម្មវិធី។ d ការឆ្លើយតបនៃភ្នាស pMUT នៅពេលទទួលបានសញ្ញា និងការផ្លាស់ប្តូររបស់វាទៅជាដែន spike ។ e ការពិសោធន៍ធ្វើមូលដ្ឋានីយកម្មភាពត្រឹមត្រូវមុំជាមុខងារនៃមុំវត្ថុ (Θ) និងចម្ងាយ (D) ទៅវត្ថុគោលដៅ។ វិធីសាស្ត្រទាញយក ITD ទាមទារដំណោះស្រាយមុំអប្បបរមាប្រហែល 4°C។ f ភាពត្រឹមត្រូវនៃមុំ (បន្ទាត់ពណ៌ខៀវ) និងសមាមាត្រកំពូលទៅនឹងសំឡេងដែលត្រូវគ្នា (បន្ទាត់ពណ៌បៃតង) ធៀបនឹងចម្ងាយវត្ថុសម្រាប់ Θ = 0 ។
Resistive memory រក្សាទុកព័ត៌មានក្នុងស្ថានភាពមិនប្រែប្រួល។ គោលការណ៍ជាមូលដ្ឋាននៃវិធីសាស្រ្តគឺថាការកែប្រែសម្ភារៈនៅកម្រិតអាតូមបណ្តាលឱ្យមានការផ្លាស់ប្តូរចរន្តអគ្គិសនីរបស់វា 57 ។ នៅទីនេះយើងប្រើអង្គចងចាំទប់ទល់ដែលមានមូលដ្ឋានលើអុកស៊ីដដែលមានស្រទាប់ 5nm នៃ hafnium dioxide sandwiched រវាងកំពូល និងខាងក្រោម titanium និង titanium nitride electrodes ។ ចរន្តនៃឧបករណ៍ RRAM អាចត្រូវបានផ្លាស់ប្តូរដោយអនុវត្តទម្រង់រលកបច្ចុប្បន្ន / វ៉ុលដែលបង្កើតឬបំបែកសរសៃ conductive នៃអុកស៊ីសែនទំនេររវាងអេឡិចត្រូត។ យើងរួមបញ្ចូលគ្នានូវឧបករណ៍បែបនេះ 58 ទៅក្នុងដំណើរការស្តង់ដារ 130 nm CMOS ដើម្បីបង្កើតសៀគ្វីសរសៃប្រសាទដែលអាចកំណត់រចនាសម្ព័ន្ធឡើងវិញបានដោយប្រើប្រាស់ឧបករណ៍ចាប់ចៃដន្យ និងសៀគ្វីពន្យាពេល (រូបភាព 3a) ។ លក្ខណៈមិនងាយនឹងបង្កជាហេតុ និងអាណាឡូករបស់ឧបករណ៍ រួមផ្សំជាមួយនឹងលក្ខណៈដែលជំរុញដោយព្រឹត្តិការណ៍នៃសៀគ្វី neuromorphic កាត់បន្ថយការប្រើប្រាស់ថាមពល។ សៀគ្វីមានមុខងារបិទ/បើកភ្លាមៗ៖ វាដំណើរការភ្លាមៗបន្ទាប់ពីបើក ដែលអនុញ្ញាតឱ្យថាមពលត្រូវបានបិទទាំងស្រុងនៅពេលសៀគ្វីទំនេរ។ ប្លុកអាគារសំខាន់ៗនៃគ្រោងការណ៍ដែលបានស្នើត្រូវបានបង្ហាញនៅក្នុងរូបភព។ 3 ខ. វាមានរចនាសម្ព័ន្ធ N parallel single-resistor single-transistor (1T1R) ដែលអ៊ិនកូដទម្ងន់ synaptic ដែលចរន្តទម្ងន់ត្រូវបានយក ចាក់ចូលទៅក្នុង synapse ទូទៅនៃឌីផេរ៉ង់ស្យែល integrator (DPI)59 ហើយចុងក្រោយត្រូវបានចាក់ចូលទៅក្នុង synapse ជាមួយនឹងការរួមបញ្ចូល និង ការលេចធ្លាយ។ បានធ្វើឱ្យសកម្ម (LIF) ណឺរ៉ូន 60 (សូមមើលវិធីសាស្រ្តសម្រាប់ព័ត៌មានលម្អិត) ។ ការកើនឡើងនៃការបញ្ចូលត្រូវបានអនុវត្តទៅច្រកទ្វារនៃរចនាសម្ព័ន្ធ 1T1R ក្នុងទម្រង់ជាលំដាប់នៃវ៉ុលជីពចរដែលមានរយៈពេលនៅលើលំដាប់រាប់រយ nanoseconds ។ Resistive memory អាចត្រូវបានដាក់ក្នុងស្ថានភាព conductive ខ្ពស់ (HCS) ដោយអនុវត្តសេចក្តីយោងវិជ្ជមានខាងក្រៅទៅ Vtop នៅពេលដែល Vbottom ត្រូវបាន grounded ហើយកំណត់ឡើងវិញទៅ low conductive state (LCS) ដោយអនុវត្តវ៉ុលវិជ្ជមានទៅ Vbottom នៅពេលដែល Vtop ត្រូវបាន grounded ។ តម្លៃមធ្យមនៃ HCS អាចត្រូវបានគ្រប់គ្រងដោយការកំណត់ចរន្តកម្មវិធី (អនុលោមភាព) នៃ SET (ICC) ដោយវ៉ុលប្រភពច្រកទ្វារនៃត្រង់ស៊ីស្ទ័រស៊េរី (រូបភាព 3c) ។ មុខងាររបស់ RRAM នៅក្នុងសៀគ្វីមានពីរដង៖ ពួកគេដឹកនាំ និងដាក់ទម្ងន់ជីពចរបញ្ចូល។
រូបភាពមីក្រូទស្សន៍អេឡិចត្រុងស្កែន (SEM) នៃឧបករណ៍ពណ៌ខៀវ HfO2 1T1R RRAM រួមបញ្ចូលនៅក្នុងបច្ចេកវិទ្យា 130 nm CMOS ជាមួយនឹងត្រង់ស៊ីស្ទ័រជ្រើសរើស (ទទឹង 650 nm) ជាពណ៌បៃតង។ b ប្លុកអគារមូលដ្ឋាននៃគ្រោងការណ៍ neuromorphic ដែលបានស្នើឡើង។ វ៉ុលបញ្ចូលជីពចរ (កំពូល) Vin0 និង Vin1 ប្រើប្រាស់បច្ចុប្បន្ន Iweight ដែលសមាមាត្រទៅនឹងស្ថានភាពចរន្ត G0 និង G1 នៃរចនាសម្ព័ន្ធ 1T1R ។ ចរន្តនេះត្រូវបានចាក់ចូលទៅក្នុង DPI synapses និងធ្វើឱ្យសរសៃប្រសាទ LIF រំភើប។ RRAM G0 និង G1 ត្រូវបានដំឡើងនៅក្នុង HCS និង LCS រៀងគ្នា។ c មុខងារនៃដង់ស៊ីតេនៃចរន្តចម្លងសម្រាប់ក្រុមនៃឧបករណ៍ 16K RRAM ដែលជាមុខងារនៃការផ្គូផ្គងចរន្ត ICC ដែលគ្រប់គ្រងកម្រិតចរន្តប្រកបដោយប្រសិទ្ធភាព។ d ការវាស់វែងសៀគ្វីក្នុង (a) បង្ហាញថា G1 (នៅក្នុង LCS) ទប់ស្កាត់ការបញ្ចូលពី Vin1 (ពណ៌បៃតង) យ៉ាងមានប្រសិទ្ធភាព ហើយពិតប្រាកដណាស់ វ៉ុលភ្នាសរបស់ណឺរ៉ូនទិន្នផលឆ្លើយតបតែការបញ្ចូលពណ៌ខៀវពី Vin0 ប៉ុណ្ណោះ។ RRAM កំណត់យ៉ាងមានប្រសិទ្ធភាពនូវការតភ្ជាប់នៅក្នុងសៀគ្វី។ e ការវាស់វែងនៃសៀគ្វីក្នុង (b) បង្ហាញពីឥទ្ធិពលនៃតម្លៃ conductance G0 នៅលើភ្នាសវ៉ុល Vmem បន្ទាប់ពីអនុវត្តជីពចរវ៉ុល Vin0 ។ ដំណើរការកាន់តែច្រើន ការឆ្លើយតបកាន់តែរឹងមាំ៖ ដូច្នេះឧបករណ៍ RRAM អនុវត្តទម្ងន់នៃការតភ្ជាប់ I/O ។ ការវាស់វែងត្រូវបានធ្វើឡើងនៅលើសៀគ្វី និងបង្ហាញពីមុខងារពីររបស់ RRAM ការកំណត់ផ្លូវ និងទម្ងន់នៃជីពចរបញ្ចូល។
ទីមួយ ដោយសារមានស្ថានភាពដំណើរការជាមូលដ្ឋានចំនួនពីរ (HCS និង LCS) RRAMs អាចរារាំង ឬខកខានការបញ្ចូលជីពចរ នៅពេលដែលពួកគេស្ថិតនៅក្នុងរដ្ឋ LCS ឬ HCS រៀងគ្នា។ ជាលទ្ធផល RRAM មានប្រសិទ្ធភាពកំណត់ការតភ្ជាប់នៅក្នុងសៀគ្វី។ នេះគឺជាមូលដ្ឋានសម្រាប់អាចកំណត់រចនាសម្ព័ន្ធស្ថាបត្យកម្មឡើងវិញ។ ដើម្បីបង្ហាញអំពីបញ្ហានេះ យើងនឹងពណ៌នាអំពីការអនុវត្តសៀគ្វីប្រឌិតនៃប្លុកសៀគ្វីក្នុងរូបទី 3 ខ។ RRAM ដែលត្រូវគ្នានឹង G0 ត្រូវបានសរសេរកម្មវិធីទៅក្នុង HCS ហើយ RRAM G1 ទីពីរត្រូវបានសរសេរកម្មវិធីទៅក្នុង LCS ។ ជីពចរបញ្ចូលត្រូវបានអនុវត្តទៅទាំង Vin0 និង Vin1។ ឥទ្ធិពលនៃលំដាប់ពីរនៃជីពចរបញ្ចូលត្រូវបានវិភាគនៅក្នុងណឺរ៉ូនទិន្នផលដោយការប្រមូលវ៉ុលភ្នាសណឺរ៉ូន និងសញ្ញាលទ្ធផលដោយប្រើ oscilloscope ។ ការពិសោធន៍បានជោគជ័យនៅពេលដែលមានតែឧបករណ៍ HCS (G0) ត្រូវបានភ្ជាប់ទៅជីពចររបស់ណឺរ៉ូន ដើម្បីជំរុញភាពតានតឹងភ្នាស។ នេះត្រូវបានបង្ហាញនៅក្នុងរូបភាពទី 3d ដែលរថភ្លើងជីពចរពណ៌ខៀវបណ្តាលឱ្យវ៉ុលភ្នាសបង្កើតនៅលើភ្នាស capacitor ខណៈពេលដែលរថភ្លើងជីពចរពណ៌បៃតងរក្សាវ៉ុលភ្នាសឱ្យថេរ។
មុខងារសំខាន់ទីពីររបស់ RRAM គឺការអនុវត្តទម្ងន់នៃការតភ្ជាប់។ ដោយប្រើការកែសំរួលចរន្តអាណាឡូករបស់ RRAM ការតភ្ជាប់ I/O អាចត្រូវបានថ្លឹងថ្លែងទៅតាមនោះ។ នៅក្នុងការពិសោធន៍ទីពីរ ឧបករណ៍ G0 ត្រូវបានកម្មវិធីទៅកម្រិតផ្សេងៗនៃ HCS ហើយជីពចរបញ្ចូលត្រូវបានអនុវត្តទៅ VIn0 បញ្ចូល។ ជីពចរបញ្ចូលទាញចរន្ត (Iweight) ពីឧបករណ៍ដែលសមាមាត្រទៅនឹងចរន្ត និងការធ្លាក់ចុះសក្តានុពលដែលត្រូវគ្នា Vtop − Vbot ។ ចរន្តទម្ងន់នេះត្រូវបានចាក់ចូលទៅក្នុង DPI synapses និងណឺរ៉ូនទិន្នផល LIF ។ វ៉ុលភ្នាសនៃណឺរ៉ូនទិន្នផលត្រូវបានកត់ត្រាដោយប្រើ oscilloscope និងបង្ហាញក្នុងរូបភាព 3d ។ វ៉ុលកំពូលនៃភ្នាសណឺរ៉ូនក្នុងការឆ្លើយតបទៅនឹងជីពចរបញ្ចូលតែមួយគឺសមាមាត្រទៅនឹងដំណើរការនៃអង្គចងចាំទប់ទល់ ដែលបង្ហាញថា RRAM អាចត្រូវបានប្រើជាធាតុកម្មវិធីនៃទម្ងន់ synaptic ។ ការធ្វើតេស្តបឋមទាំងពីរនេះបង្ហាញថាវេទិកា neuromorphic ដែលមានមូលដ្ឋានលើ RRAM ដែលបានស្នើឡើងគឺអាចអនុវត្តធាតុមូលដ្ឋាននៃយន្តការ Jeffress មូលដ្ឋានគឺបន្ទាត់ពន្យារ និងសៀគ្វីឧបករណ៍ចាប់ចៃដន្យ។ វេទិកាសៀគ្វីត្រូវបានសាងសង់ដោយការដាក់បណ្តុំបន្តបន្ទាប់គ្នាដោយចំហៀង ដូចជាប្លុកនៅក្នុងរូបភាពទី 3b និងការភ្ជាប់ច្រកទ្វាររបស់ពួកគេទៅនឹងបន្ទាត់បញ្ចូលទូទៅ។ យើងបានរចនា ប្រឌិត និងសាកល្បងវេទិកា neuromorphic ដែលរួមមានណឺរ៉ូនទិន្នផលពីរដែលទទួលធាតុបញ្ចូលពីរ (រូបភាព 4a) ។ ដ្យាក្រាមសៀគ្វីត្រូវបានបង្ហាញក្នុងរូបភាពទី 4 ខ។ ម៉ាទ្រីស 2 × 2 RRAM ខាងលើអនុញ្ញាតឱ្យជីពចរបញ្ចូលត្រូវបានដឹកនាំទៅណឺរ៉ូនទិន្នផលពីរខណៈម៉ាទ្រីស 2 × 2 ទាបអនុញ្ញាតឱ្យមានការតភ្ជាប់ឡើងវិញនៃណឺរ៉ូនពីរ (N0, N1) ។ យើងបង្ហាញថាវេទិកានេះអាចត្រូវបានប្រើជាមួយនឹងការកំណត់រចនាសម្ព័ន្ធបន្ទាត់ពន្យាពេល និងមុខងារឧបករណ៍ចាប់សញ្ញាចៃដន្យពីរផ្សេងគ្នា ដូចដែលបានបង្ហាញដោយការវាស់វែងពិសោធន៍នៅក្នុងរូបភាព 4c-e ។
ដ្យាក្រាមសៀគ្វីដែលបង្កើតឡើងដោយណឺរ៉ូនទិន្នផលពីរ N0 និង N1 ទទួលធាតុបញ្ចូលពីរ 0 និង 1។ ឧបករណ៍កំពូលទាំងបួននៃអារេកំណត់ការភ្ជាប់ synaptic ពីការបញ្ចូលទៅទិន្នផល ហើយកោសិកាខាងក្រោមទាំងបួនកំណត់ការភ្ជាប់ឡើងវិញរវាងណឺរ៉ូន។ RRAMs ពណ៌តំណាងឱ្យឧបករណ៍ដែលបានកំណត់រចនាសម្ព័ន្ធនៅក្នុង HCS នៅខាងស្តាំ៖ ឧបករណ៍នៅក្នុង HCS អនុញ្ញាតឱ្យមានការតភ្ជាប់ និងតំណាងឱ្យទម្ងន់ ខណៈដែលឧបករណ៍នៅក្នុង LCS រារាំងជីពចរបញ្ចូល និងបិទការភ្ជាប់ទៅលទ្ធផល។ b ដ្យាក្រាមនៃសៀគ្វី (a) ដែលមានម៉ូឌុល RRAM ចំនួនប្រាំបីត្រូវបានបន្លិចជាពណ៌ខៀវ។ c បន្ទាត់ពន្យាពេលត្រូវបានបង្កើតឡើងដោយគ្រាន់តែប្រើឌីណាមិកនៃ DPI synapses និងណឺរ៉ូន LIF ។ RRAM ពណ៌បៃតងត្រូវបានកំណត់ឱ្យដំណើរការខ្ពស់គ្រប់គ្រាន់ដើម្បីអាចបណ្តាលឱ្យមានកំហុសនៅទិន្នផលបន្ទាប់ពីការពន្យាពេលបញ្ចូលΔt។ d ការបង្ហាញគ្រោងការណ៍នៃការរកឃើញស៊ីឌីដែលមិនមានទិសដៅនៃសញ្ញាអាស្រ័យលើពេលវេលា។ ណឺរ៉ូនទិន្នផល 1, N1 បាញ់លើធាតុ 0 និង 1 ជាមួយនឹងការពន្យាពេលខ្លី។ e Direction Sensitive CD circuit ជាសៀគ្វីដែលរកឃើញនៅពេលបញ្ចូល 1 ចូលទៅជិត input 0 ហើយមកដល់បន្ទាប់ពី input 0។ លទ្ធផលនៃសៀគ្វីត្រូវបានតំណាងដោយណឺរ៉ូន 1 (N1)។
បន្ទាត់ពន្យាពេល (រូបភាពទី 4c) គ្រាន់តែប្រើឥរិយាបថថាមវន្តនៃ DPI synapses និងណឺរ៉ូន LIF ដើម្បីបង្កើតឡើងវិញនូវការកើនឡើងនៃធាតុបញ្ចូលពី Vin1 ទៅ Vout1 ដោយពន្យារពេល Tdel ។ មានតែ G3 RRAM ដែលភ្ជាប់ទៅ Vin1 និង Vout1 ប៉ុណ្ណោះដែលត្រូវបានសរសេរកម្មវិធីនៅក្នុង HCS ហើយ RRAM ដែលនៅសល់ត្រូវបានសរសេរកម្មវិធីនៅក្នុង LCS ។ ឧបករណ៍ G3 ត្រូវបានកម្មវិធីសម្រាប់ 92.6 µs ដើម្បីធានាថាជីពចរបញ្ចូលនីមួយៗបង្កើនវ៉ុលភ្នាសនៃណឺរ៉ូនទិន្នផលឱ្យបានគ្រប់គ្រាន់ដើម្បីឈានដល់កម្រិតកំណត់ និងបង្កើតជីពចរទិន្នផលដែលពន្យារពេល។ ការពន្យាពេល Tdel ត្រូវបានកំណត់ដោយថេរពេលវេលា synaptic និងសរសៃប្រសាទ។ ឧបករណ៍រាវរកចៃដន្យរកឃើញការកើតឡើងនៃសញ្ញាបញ្ចូលដែលទាក់ទងគ្នាជាបណ្ដោះអាសន្ន ប៉ុន្តែចែកចាយតាមលំហ។ Direction-insensitive CD ពឹងផ្អែកលើធាតុចូលនីមួយៗដែលបំប្លែងទៅជាណឺរ៉ូនទិន្នផលធម្មតា (រូបភាពទី 4 ឃ)។ RRAMs ពីរដែលភ្ជាប់ Vin0 និង Vin1 ទៅ Vout1, G2 និង G4 រៀងគ្នាត្រូវបានកម្មវិធីសម្រាប់ដំណើរការខ្ពស់។ ការមកដល់ក្នុងពេលដំណាលគ្នានៃការកើនឡើងនៅលើ Vin0 និង Vin1 បង្កើនវ៉ុលនៃភ្នាសណឺរ៉ូន N1 លើសពីកម្រិតដែលត្រូវការដើម្បីបង្កើតការកើនឡើងទិន្នផល។ ប្រសិនបើធាតុបញ្ចូលទាំងពីរនៅឆ្ងាយដាច់ពីគ្នាទាន់ពេលវេលា នោះបន្ទុកលើវ៉ុលភ្នាសដែលបង្គរដោយការបញ្ចូលដំបូងអាចមានពេលវេលាដើម្បីពុកផុយ ដោយការពារសក្តានុពលភ្នាស N1 ពីការឈានដល់តម្លៃកម្រិតចាប់ផ្ដើម។ G1 និង G2 ត្រូវបានកម្មវិធីសម្រាប់ប្រហែល 65 µs ដែលធានាថាការកើនឡើងនៃធាតុបញ្ចូលតែមួយមិនបង្កើនវ៉ុលភ្នាសគ្រប់គ្រាន់ដើម្បីបណ្តាលឱ្យមានការកើនឡើងទិន្នផល។ ការរកឃើញដោយចៃដន្យរវាងព្រឹត្តិការណ៍ដែលបានចែកចាយក្នុងលំហ និងពេលវេលាគឺជាប្រតិបត្តិការមូលដ្ឋានដែលប្រើក្នុងជួរដ៏ធំទូលាយនៃកិច្ចការចាប់សញ្ញា ដូចជាការជៀសវាងឧបសគ្គដោយផ្អែកលើលំហូរអុបទិក និងការធ្វើមូលដ្ឋានីយកម្មប្រភពសំឡេង។ ដូច្នេះ ស៊ីឌី​ដែល​ងាយ​យល់​និង​មិន​យល់​ពី​ទិសដៅ​គណនា​គឺ​ជា​ប្លុក​គ្រឹះ​សម្រាប់​ការ​បង្កើត​ប្រព័ន្ធ​ធ្វើ​មូលដ្ឋានីយកម្ម​ដែល​មើល​ឃើញ និង​សំឡេង។ ដូចដែលបានបង្ហាញដោយលក្ខណៈនៃថេរពេលវេលា (សូមមើលរូបភាពបន្ថែម។ 2) សៀគ្វីដែលបានស្នើឡើងអនុវត្តជួរសមស្របនៃលំដាប់ចំនួនបួននៃមាត្រដ្ឋានពេលវេលា។ ដូច្នេះ វាអាចបំពេញតម្រូវការនៃប្រព័ន្ធមើលឃើញ និងសំឡេងក្នុងពេលដំណាលគ្នា។ Directional-sensitive CD គឺជាសៀគ្វីដែលប្រកាន់អក្សរតូចធំទៅនឹងលំដាប់លំហនៃការមកដល់នៃជីពចរ៖ ពីស្តាំទៅឆ្វេង និងច្រាសមកវិញ។ វាគឺជាប្លុកអគារមូលដ្ឋាននៅក្នុងបណ្តាញចាប់ចលនាជាមូលដ្ឋាននៃប្រព័ន្ធមើលឃើញ Drosophila ដែលប្រើដើម្បីគណនាទិសដៅចលនា និងរកឃើញការប៉ះទង្គិច62។ ដើម្បីសម្រេចបានស៊ីឌីដែលប្រកាន់អក្សរតូចធំ ធាតុបញ្ចូលពីរត្រូវតែត្រូវបានដឹកនាំទៅណឺរ៉ូនពីរផ្សេងគ្នា (N0, N1) ហើយការតភ្ជាប់ទិសដៅត្រូវតែត្រូវបានបង្កើតឡើងរវាងពួកវា (រូបភាព 4e)។ នៅពេលដែលការបញ្ចូលដំបូងត្រូវបានទទួល NO ប្រតិកម្មដោយការបង្កើនវ៉ុលនៅទូទាំងភ្នាសរបស់វាលើសពីតម្លៃកម្រិតចាប់ផ្ដើម ហើយបញ្ជូនចេញនូវការកើនឡើង។ ព្រឹត្តិការណ៍លទ្ធផលនេះ ឆេះ N1 ដោយសារការតភ្ជាប់ទិសដៅដែលបានបន្លិចជាពណ៌បៃតង។ ប្រសិនបើព្រឹត្តិការណ៍បញ្ចូល Vin1 មកដល់ និងផ្តល់ថាមពល N1 ខណៈពេលដែលវ៉ុលភ្នាសរបស់វានៅតែខ្ពស់ N1 បង្កើតព្រឹត្តិការណ៍លទ្ធផលដែលបង្ហាញថាការផ្គូផ្គងត្រូវបានរកឃើញរវាងធាតុបញ្ចូលទាំងពីរ។ ការតភ្ជាប់តាមទិសអនុញ្ញាតឱ្យ N1 បញ្ចេញលទ្ធផលបានលុះត្រាតែបញ្ចូល 1 មកបន្ទាប់ពីការបញ្ចូល 0. G0, G3, និង G7 ត្រូវបានកម្មវិធីទៅ 73.5 µS, 67.3 µS និង 40.2 µS រៀងគ្នា ដោយធានាថាការកើនឡើងតែមួយនៅលើធាតុបញ្ចូល Vin0 បណ្តាលឱ្យមានការពន្យារពេល ការកើនឡើងទិន្នផល ខណៈពេលដែលសក្តានុពលភ្នាស N1's ឈានដល់កម្រិតតែនៅពេលដែលការផ្ទុះបញ្ចូលទាំងពីរមកដល់សមកាលកម្ម។ .
ភាពប្រែប្រួលគឺជាប្រភពនៃភាពមិនល្អឥតខ្ចោះនៅក្នុងប្រព័ន្ធប្រសាទគំរូ63,64,65។ នេះនាំឱ្យមានអាកប្បកិរិយាខុសគ្នានៃសរសៃប្រសាទនិង synapses ។ ឧទាហរណ៏នៃគុណវិបត្តិបែបនេះរួមមាន 30% (មធ្យម គម្លាតស្តង់ដារ) ភាពប្រែប្រួលនៅក្នុងការបញ្ចូល ពេលវេលាថេរ និងរយៈពេល refractory ដើម្បីដាក់ឈ្មោះប៉ុន្តែមួយចំនួន (សូមមើលវិធីសាស្រ្ត)។ បញ្ហានេះកាន់តែច្បាស់នៅពេលដែលសៀគ្វីសរសៃប្រសាទជាច្រើនត្រូវបានភ្ជាប់ជាមួយគ្នា ដូចជាស៊ីឌីដែលប្រកាន់អក្សរតូចធំដែលមានការតំរង់ទិសមានណឺរ៉ូនពីរ។ ដើម្បីដំណើរការបានត្រឹមត្រូវ ថេរវេលានៃការកើនឡើង និងបំបែកនៃណឺរ៉ូនទាំងពីរគួរតែស្រដៀងគ្នាតាមដែលអាចធ្វើទៅបាន។ ជាឧទាហរណ៍ ភាពខុសប្លែកគ្នាដ៏ធំនៅក្នុងការបញ្ចូលបញ្ចូលអាចបណ្តាលឱ្យណឺរ៉ូនមួយមានប្រតិកម្មខ្លាំងពេកចំពោះជីពចរបញ្ចូល ខណៈណឺរ៉ូនផ្សេងទៀតមិនឆ្លើយតប។ នៅលើរូបភព។ រូបភាពទី 5a បង្ហាញថាណឺរ៉ូនដែលបានជ្រើសរើសដោយចៃដន្យឆ្លើយតបខុសគ្នាទៅនឹងជីពចរបញ្ចូលដូចគ្នា។ ភាពប្រែប្រួលនៃសរសៃប្រសាទនេះគឺពាក់ព័ន្ធ ឧទាហរណ៍ចំពោះមុខងាររបស់ស៊ីឌីដែលប្រកាន់អក្សរតូចធំ។ នៅក្នុងគ្រោងការណ៍ដែលបានបង្ហាញនៅក្នុងរូបភព។ 5b, c ការកើនឡើងនៃការបញ្ចូលនៃណឺរ៉ូន 1 គឺខ្ពស់ជាងណឺរ៉ូន 0។ ដូច្នេះ ណឺរ៉ូន 0 ត្រូវការជីពចរបញ្ចូលបី (ជំនួសឱ្យ 1) ដើម្បីឈានដល់កម្រិត ហើយណឺរ៉ូន 1 តាមការរំពឹងទុក ត្រូវការព្រឹត្តិការណ៍បញ្ចូលពីរ។ ការអនុវត្តប្លាស្ទីក biomimetic ដែលពឹងផ្អែកលើពេលវេលាកើនឡើង (STDP) គឺជាវិធីដែលអាចធ្វើទៅបានដើម្បីកាត់បន្ថយផលប៉ះពាល់នៃសៀគ្វីសរសៃប្រសាទ និង synaptic ដែលមិនច្បាស់លាស់ និងយឺតនៅលើដំណើរការនៃប្រព័ន្ធ43។ នៅទីនេះយើងស្នើឱ្យប្រើអាកប្បកិរិយាប្លាស្ទិកនៃការចងចាំទប់ទល់ជាមធ្យោបាយនៃឥទ្ធិពលលើការពង្រឹងការបញ្ចូលសរសៃប្រសាទ និងកាត់បន្ថយឥទ្ធិពលនៃភាពប្រែប្រួលនៅក្នុងសៀគ្វី neuromorphic ។ ដូចដែលបានបង្ហាញនៅក្នុងរូបភព។ 4e, កម្រិត conductance ដែលភ្ជាប់ជាមួយ RRAM synaptic mass បានកែប្រែយ៉ាងមានប្រសិទ្ធភាពនូវការឆ្លើយតបវ៉ុលភ្នាសសរសៃប្រសាទដែលត្រូវគ្នា។ យើងប្រើយុទ្ធសាស្ត្រសរសេរកម្មវិធី RRAM ដដែលៗ។ សម្រាប់ការបញ្ចូលដែលបានផ្តល់ឱ្យតម្លៃ conductance នៃទម្ងន់ synaptic ត្រូវបាន reprogrammed រហូតដល់ឥរិយាបទគោលដៅនៃសៀគ្វីត្រូវបានទទួល (សូមមើលវិធីសាស្រ្ត) ។
ការវាស់វែងពិសោធន៍នៃការឆ្លើយតបរបស់ណឺរ៉ូននីមួយៗដែលបានជ្រើសរើសដោយចៃដន្យចំនួនប្រាំបួនចំពោះជីពចរបញ្ចូលដូចគ្នា។ ការឆ្លើយតបប្រែប្រួលទៅតាមចំនួនប្រជាជន ដែលប៉ះពាល់ដល់ការទទួលបានធាតុចូល និងពេលវេលាថេរ។ b ការវាស់វែងពិសោធន៍នៃឥទ្ធិពលនៃណឺរ៉ូនលើភាពប្រែប្រួលនៃណឺរ៉ូនដែលប៉ះពាល់ដល់ស៊ីឌីដែលប្រកាន់អក្សរតូចធំ។ ណឺរ៉ូនទិន្នផលស៊ីឌីដែលប្រកាន់អក្សរតូចធំក្នុងទិសដៅពីរឆ្លើយតបខុសគ្នាទៅនឹងការរំញោចបញ្ចូលដោយសារតែភាពប្រែប្រួលនៃណឺរ៉ូនទៅណឺរ៉ូន។ ណឺរ៉ូន 0 មានការកើនឡើងនៃការបញ្ចូលទាបជាងណឺរ៉ូន 1 ដូច្នេះវាត្រូវការជីពចរបញ្ចូលបី (ជំនួសឱ្យ 1) ដើម្បីបង្កើតការកើនឡើងទិន្នផល។ ដូចដែលបានរំពឹងទុក ណឺរ៉ូន 1 ឈានដល់កម្រិតជាមួយនឹងព្រឹត្តិការណ៍បញ្ចូលពីរ។ ប្រសិនបើការបញ្ចូល 1 មកដល់ Δt = 50 µs បន្ទាប់ពីភ្លើងណឺរ៉ូន 0 ស៊ីឌីនៅស្ងៀមព្រោះ Δt ធំជាងពេលវេលាថេរនៃណឺរ៉ូន 1 (ប្រហែល 22 µs) ។ c ត្រូវបានកាត់បន្ថយដោយ Δt = 20 µs ដូច្នេះការបញ្ចូល 1 ឡើងដល់កំពូលនៅពេលដែល ណឺរ៉ូន 1′s បាញ់នៅតែខ្ពស់ ដែលបណ្តាលឱ្យមានការរកឃើញក្នុងពេលដំណាលគ្នានៃព្រឹត្តិការណ៍បញ្ចូលពីរ។
ធាតុពីរដែលប្រើក្នុងជួរឈរគណនារបស់ ITD គឺបន្ទាត់ពន្យារ និងស៊ីឌីមិនស៊ីអារម្មណ៍។ សៀគ្វីទាំងពីរតម្រូវឱ្យមានការក្រិតតាមខ្នាតច្បាស់លាស់ ដើម្បីធានាបាននូវដំណើរការទីតាំងវត្ថុល្អ។ បន្ទាត់ពន្យារត្រូវតែផ្តល់នូវកំណែដែលបានពន្យារពេលយ៉ាងជាក់លាក់នៃកម្រិតខ្ពស់នៃការបញ្ចូល (រូបភាព 6a) ហើយស៊ីឌីត្រូវតែត្រូវបានធ្វើឱ្យសកម្មតែនៅពេលដែលការបញ្ចូលធ្លាក់ក្នុងចន្លោះការរកឃើញគោលដៅ។ សម្រាប់បន្ទាត់ពន្យាពេល ទម្ងន់ synaptic នៃការតភ្ជាប់បញ្ចូល (G3 ក្នុងរូបទី 4a) ត្រូវបានរៀបចំឡើងវិញរហូតដល់ការពន្យាពេលគោលដៅត្រូវបានទទួល។ កំណត់ការអត់ឱនជុំវិញការពន្យាពេលគោលដៅដើម្បីបញ្ឈប់កម្មវិធី៖ ការអត់ធ្មត់កាន់តែតូច វាកាន់តែលំបាកក្នុងការកំណត់បន្ទាត់ពន្យារពេលដោយជោគជ័យ។ នៅលើរូបភព។ រូបភាពទី 6b បង្ហាញពីលទ្ធផលនៃដំណើរការក្រិតបន្ទាត់ពន្យាពេល៖ វាអាចត្រូវបានគេមើលឃើញថាគ្រោងការណ៍ដែលបានស្នើឡើងអាចផ្តល់នូវការពន្យារពេលទាំងអស់ដែលត្រូវការនៅក្នុងគ្រោងការណ៍រចនា (ពី 10 ទៅ 300 μs) ។ ចំនួនអតិបរិមានៃការធ្វើក្រិតឡើងវិញប៉ះពាល់ដល់គុណភាពនៃដំណើរការក្រិតតាមខ្នាត៖ ការធ្វើឡើងវិញចំនួន 200 អាចកាត់បន្ថយកំហុសបានតិចជាង 5% ។ ការ​ក្រិត​តាម​ខ្នាត​មួយ​ត្រូវ​នឹង​ប្រតិបត្តិការ​កំណត់/កំណត់​ឡើងវិញ​នៃ​ក្រឡា RRAM។ ដំណើរការលៃតម្រូវក៏មានសារៈសំខាន់ផងដែរក្នុងការធ្វើឱ្យប្រសើរឡើងនូវភាពត្រឹមត្រូវនៃការរកឃើញព្រឹត្តិការណ៍ជិតស្និទ្ធរបស់ម៉ូឌុលស៊ីឌី។ វាត្រូវការការក្រិតតាមខ្នាតចំនួនដប់ដង ដើម្បីសម្រេចបាននូវអត្រាវិជ្ជមានពិតប្រាកដ (ពោលគឺអត្រានៃព្រឹត្តិការណ៍ដែលបានកំណត់យ៉ាងត្រឹមត្រូវថាពាក់ព័ន្ធ) លើសពី 95% (បន្ទាត់ពណ៌ខៀវក្នុងរូបភាពទី 6c)។ ទោះជាយ៉ាងណាក៏ដោយ ដំណើរការកែតម្រូវមិនប៉ះពាល់ដល់ព្រឹត្តិការណ៍វិជ្ជមានមិនពិតទេ (នោះគឺភាពញឹកញាប់នៃព្រឹត្តិការណ៍ដែលត្រូវបានកំណត់អត្តសញ្ញាណខុសថាពាក់ព័ន្ធ)។ វិធីសាស្រ្តមួយផ្សេងទៀតដែលត្រូវបានគេសង្កេតឃើញនៅក្នុងប្រព័ន្ធជីវសាស្រ្តសម្រាប់ការយកឈ្នះលើឧបសគ្គពេលវេលានៃផ្លូវដែលដំណើរការយ៉ាងឆាប់រហ័សគឺការលែងត្រូវការតទៅទៀត (មានន័យថាច្បាប់ចម្លងជាច្រើននៃវត្ថុដូចគ្នាត្រូវបានប្រើដើម្បីអនុវត្តមុខងារដែលបានផ្តល់ឱ្យ)។ បានបំផុសគំនិតដោយ biology66 យើងបានដាក់សៀគ្វីស៊ីឌីជាច្រើននៅក្នុងម៉ូឌុលស៊ីឌីនីមួយៗរវាងបន្ទាត់ពន្យារពីរដើម្បីកាត់បន្ថយផលប៉ះពាល់នៃវិជ្ជមានមិនពិត។ ដូចដែលបានបង្ហាញនៅក្នុងរូបភព។ 6c (បន្ទាត់ពណ៌បៃតង) ការដាក់ធាតុស៊ីឌីបីនៅក្នុងម៉ូឌុលស៊ីឌីនីមួយៗអាចកាត់បន្ថយអត្រាការជូនដំណឹងមិនពិតមកតិចជាង 10–2 ។
ឥទ្ធិពលនៃភាពប្រែប្រួលនៃសរសៃប្រសាទលើសៀគ្វីបន្ទាត់ពន្យា។ b សៀគ្វីបន្ទាត់ពន្យាពេលអាចត្រូវបានធ្វើមាត្រដ្ឋានទៅជាការពន្យារពេលធំដោយកំណត់ពេលវេលាថេរនៃណឺរ៉ូន LIF និង DPI synapses ដែលត្រូវគ្នាទៅនឹងតម្លៃធំ។ ការបង្កើនចំនួននៃការធ្វើឡើងវិញនៃនីតិវិធីក្រិតតាមខ្នាត RRAM ធ្វើឱ្យវាអាចធ្វើឱ្យប្រសើរឡើងយ៉ាងខ្លាំងនូវភាពត្រឹមត្រូវនៃការពន្យាពេលគោលដៅ៖ ការធ្វើម្តងទៀត 200 បានកាត់បន្ថយកំហុសមកតិចជាង 5% ។ ការធ្វើម្តងទៀតមួយត្រូវនឹងប្រតិបត្តិការ SET/RESET នៅលើក្រឡា RRAM ។ ម៉ូឌុលស៊ីឌីនីមួយៗនៅក្នុងគំរូ c Jeffress អាចត្រូវបានអនុវត្តដោយប្រើធាតុស៊ីឌីប៉ារ៉ាឡែល N សម្រាប់ភាពបត់បែនកាន់តែច្រើនទាក់ទងនឹងការបរាជ័យនៃប្រព័ន្ធ។ d ការក្រិតតាមខ្នាត RRAM កាន់តែច្រើនបង្កើនអត្រាវិជ្ជមានពិត (បន្ទាត់ពណ៌ខៀវ) ខណៈដែលអត្រាវិជ្ជមានមិនពិតគឺឯករាជ្យនៃចំនួននៃការធ្វើឡើងវិញ (បន្ទាត់ពណ៌បៃតង)។ ការ​ដាក់​ធាតុ​ស៊ីឌី​បន្ថែម​ទៀត​ស្រប​គ្នា​ជៀសវាង​ការ​រក​ឃើញ​មិន​ពិត​នៃ​ការ​ផ្គូផ្គង​ម៉ូឌុល​ស៊ីឌី។
ឥឡូវនេះយើងវាយតម្លៃការអនុវត្ត និងការប្រើប្រាស់ថាមពលនៃប្រព័ន្ធធ្វើមូលដ្ឋានីយកម្មវត្ថុរួមបញ្ចូលគ្នាពីចុងដល់ចប់ដែលបង្ហាញក្នុងរូបភាពទី 2 ដោយប្រើការវាស់វែងនៃលក្ខណៈសម្បត្តិសូរស័ព្ទនៃឧបករណ៏ pMUT ស៊ីឌី និងសៀគ្វីបន្ទាត់ពន្យាដែលបង្កើតជាក្រាហ្វនៃកុំព្យូទ័រ neuromorphic ។ គំរូ Jeffress (រូបភាព 1a) ។ ចំពោះក្រាហ្វនៃកុំព្យូទ័រ neuromorphic ចំនួននៃម៉ូឌុលស៊ីឌីកាន់តែច្រើន គុណភាពបង្ហាញមុំកាន់តែល្អ ប៉ុន្តែថាមពលនៃប្រព័ន្ធកាន់តែខ្ពស់ (រូបភាព 7a) ។ ការសម្របសម្រួលអាចឈានដល់ដោយការប្រៀបធៀបភាពត្រឹមត្រូវនៃធាតុផ្សំនីមួយៗ (ឧបករណ៍ចាប់សញ្ញា pMUT ណឺរ៉ូន និងសៀគ្វី synaptic) ជាមួយនឹងភាពត្រឹមត្រូវនៃប្រព័ន្ធទាំងមូល។ ដំណោះស្រាយនៃបន្ទាត់ពន្យារត្រូវបានកំណត់ដោយថេរវេលានៃ synapses និងណឺរ៉ូនដែលបានក្លែងធ្វើ ដែលក្នុងគ្រោងការណ៍របស់យើងលើសពី 10 µs ដែលត្រូវគ្នាទៅនឹងដំណោះស្រាយមុំ 4° (សូមមើលវិធីសាស្ត្រ)។ ថ្នាំងកម្រិតខ្ពស់បន្ថែមទៀតជាមួយនឹងបច្ចេកវិទ្យា CMOS នឹងអនុញ្ញាតឱ្យមានការរចនានៃសៀគ្វីសរសៃប្រសាទ និង synaptic ជាមួយនឹងថេរពេលវេលាទាប ដែលបណ្តាលឱ្យមានភាពត្រឹមត្រូវខ្ពស់នៃធាតុបន្ទាត់ពន្យាពេល។ ទោះយ៉ាងណាក៏ដោយ នៅក្នុងប្រព័ន្ធរបស់យើង ភាពត្រឹមត្រូវត្រូវបានកំណត់ដោយកំហុស pMUT ក្នុងការប៉ាន់ប្រមាណទីតាំងមុំ ពោលគឺ 10° (បន្ទាត់ផ្តេកពណ៌ខៀវក្នុងរូបភាព 7a)។ យើងបានជួសជុលចំនួននៃម៉ូឌុលស៊ីឌីនៅ 40 ដែលត្រូវគ្នាទៅនឹងគុណភាពបង្ហាញមុំប្រហែល 4° ពោលគឺ ភាពត្រឹមត្រូវជ្រុងនៃក្រាហ្វគណនា (បន្ទាត់ផ្ដេកពណ៌ខៀវស្រាលក្នុងរូបភាពទី 7a)។ នៅកម្រិតប្រព័ន្ធ នេះផ្តល់នូវដំណោះស្រាយ 4° និងភាពត្រឹមត្រូវ 10° សម្រាប់វត្ថុដែលមានចម្ងាយ 50 សង់ទីម៉ែត្រនៅពីមុខប្រព័ន្ធឧបករណ៍ចាប់សញ្ញា។ តម្លៃនេះគឺអាចប្រៀបធៀបទៅនឹងប្រព័ន្ធធ្វើមូលដ្ឋានីយកម្មសំឡេង neuromorphic ដែលបានរាយការណ៍នៅក្នុងឯកសារយោង។ 67. ការប្រៀបធៀបនៃប្រព័ន្ធដែលបានស្នើឡើងជាមួយនឹងស្ថានភាពនៃសិល្បៈអាចត្រូវបានរកឃើញនៅក្នុងតារាងបន្ថែម 1. ការបន្ថែម pMUTs បន្ថែម ការបង្កើនកម្រិតសញ្ញាសូរស័ព្ទ និងការកាត់បន្ថយសំលេងរំខានអេឡិចត្រូនិចគឺជាមធ្យោបាយដែលអាចធ្វើទៅបានដើម្បីបង្កើនភាពត្រឹមត្រូវនៃការធ្វើមូលដ្ឋានីយកម្ម។ ) ត្រូវបានប៉ាន់ស្មាននៅ 9.7 ។ nz. 55. ដែលបានផ្តល់ឱ្យ 40 ស៊ីឌីនៅលើក្រាហ្វគណនា ការក្លែងធ្វើ SPICE បានប៉ាន់ប្រមាណថាមពលក្នុងមួយប្រតិបត្តិការ (ពោលគឺថាមពលកំណត់ទីតាំងវត្ថុ) គឺ 21.6 nJ ។ ប្រព័ន្ធ neuromorphic ត្រូវបានធ្វើឱ្យសកម្មតែនៅពេលដែលព្រឹត្តិការណ៍បញ្ចូលមកដល់ ពោលគឺនៅពេលដែលរលកសូរស័ព្ទឈានដល់អ្នកទទួល pMUT ហើយលើសពីកម្រិតនៃការរកឃើញ បើមិនដូច្នោះទេ វានៅតែអសកម្ម។ នេះជៀសវាងការប្រើប្រាស់ថាមពលដែលមិនចាំបាច់នៅពេលដែលមិនមានសញ្ញាបញ្ចូល។ ដោយពិចារណាលើប្រេកង់នៃប្រតិបត្តិការធ្វើមូលដ្ឋានីយកម្មនៃ 100 Hz និងរយៈពេលធ្វើឱ្យសកម្ម 300 µs ក្នុងមួយប្រតិបត្តិការ (អតិបរមាដែលអាចធ្វើបាន ITD) ការប្រើប្រាស់ថាមពលនៃក្រាហ្វកុំព្យូទ័រ neuromorphic គឺ 61.7 nW ។ ជាមួយនឹងដំណើរការមុន neuromorphic ត្រូវបានអនុវត្តចំពោះអ្នកទទួល pMUT នីមួយៗ ការប្រើប្រាស់ថាមពលនៃប្រព័ន្ធទាំងមូលឈានដល់ 81.6 nW ។ ដើម្បីយល់ពីប្រសិទ្ធភាពថាមពលនៃវិធីសាស្រ្ត neuromorphic ដែលបានស្នើឡើងបើប្រៀបធៀបទៅនឹង hardware ធម្មតា យើងបានប្រៀបធៀបចំនួននេះទៅនឹងថាមពលដែលត្រូវការដើម្បីបំពេញការងារដូចគ្នានៅលើ microcontroller ថាមពលទាបទំនើបដោយប្រើ neuromorphic ឬ conventional beamforming68 Skill ។ វិធីសាស្រ្ត neuromorphic ពិចារណាលើដំណាក់កាលនៃការបំប្លែងអាណាឡូកទៅឌីជីថល (ADC) បន្ទាប់មកដោយតម្រង band-pass និងដំណាក់កាលដកស្រោមសំបុត្រ (វិធីសាស្ត្រ Teeger-Kaiser) ។ ជាចុងក្រោយ ប្រតិបត្តិការកម្រិតមួយត្រូវបានអនុវត្តដើម្បីទាញយក ToF ។ យើងបានលុបចោលការគណនា ITD ដោយផ្អែកលើ ToF និងការបំប្លែងទៅជាទីតាំងមុំប៉ាន់ស្មាន ចាប់តាំងពីវាកើតឡើងម្តងសម្រាប់ការវាស់វែងនីមួយៗ (សូមមើលវិធីសាស្ត្រ)។ ដោយសន្មតថាអត្រាគំរូនៃ 250 kHz នៅលើបណ្តាញទាំងពីរ (អ្នកទទួល pMUT) ប្រតិបត្តិការតម្រងឆ្លងកាត់ 18 ក្រុម ប្រតិបត្តិការស្រង់ចេញស្រោមសំបុត្រចំនួន 3 និងប្រតិបត្តិការកម្រិត 1 ក្នុងមួយគំរូ ការប្រើប្រាស់ថាមពលសរុបត្រូវបានប៉ាន់ប្រមាណនៅ 245 មីក្រូវ៉ាត់។ វាប្រើរបៀបថាមពលទាបរបស់ microcontroller ដែលបើកនៅពេលដែលក្បួនដោះស្រាយមិនដំណើរការ ដែលកាត់បន្ថយការប្រើប្រាស់ថាមពលដល់ 10.8 µW ។ ការប្រើប្រាស់ថាមពលនៃដំណោះស្រាយដំណើរការសញ្ញា beamforming ដែលបានស្នើឡើងនៅក្នុងឯកសារយោង។ 31 ដោយមានអ្នកទទួល 5 pMUT និង 11 ធ្នឹមចែកចាយស្មើៗគ្នានៅក្នុងយន្តហោះ azimuth [-50°, +50°] គឺ 11.71 mW (សូមមើលផ្នែកវិធីសាស្រ្តសម្រាប់ព័ត៌មានលម្អិត)។ លើសពីនេះ យើងរាយការណ៍អំពីការប្រើប្រាស់ថាមពលរបស់ឧបករណ៍បំប្លែងភាពខុសគ្នានៃពេលវេលាដែលមានមូលដ្ឋានលើ FPGA47 (TDE) ដែលប៉ាន់ស្មានថា 1.5 mW ជាការជំនួសសម្រាប់គំរូ Jeffress សម្រាប់ការធ្វើមូលដ្ឋានីយកម្មវត្ថុ។ ដោយផ្អែកលើការប៉ាន់ប្រមាណទាំងនេះ វិធីសាស្រ្ត neuromorphic ដែលបានស្នើឡើងកាត់បន្ថយការប្រើប្រាស់ថាមពលដោយលំដាប់ប្រាំនៃរ៉ិចទ័រធៀបនឹង microcontroller ដោយប្រើបច្ចេកទេស beamforming បុរាណសម្រាប់ប្រតិបត្តិការមូលដ្ឋានីយកម្មវត្ថុ។ ការទទួលយកវិធីសាស្រ្ត neuromorphic ដើម្បីដំណើរការសញ្ញានៅលើ microcontroller បុរាណកាត់បន្ថយការប្រើប្រាស់ថាមពលប្រហែលពីរលំដាប់នៃរ៉ិចទ័រ។ ប្រសិទ្ធភាពនៃប្រព័ន្ធដែលបានស្នើឡើងអាចត្រូវបានពន្យល់ដោយការរួមបញ្ចូលគ្នានៃសៀគ្វីអាណាឡូក resistive-memory អសមកាលដែលមានសមត្ថភាពធ្វើការគណនាក្នុងអង្គចងចាំ និងកង្វះនៃការបំប្លែងអាណាឡូកទៅឌីជីថលដែលត្រូវការដើម្បីទទួលសញ្ញា។
ដំណោះស្រាយ Angular (ពណ៌ខៀវ) និងការប្រើប្រាស់ថាមពល (ពណ៌បៃតង) នៃប្រតិបត្តិការនៃការធ្វើមូលដ្ឋានីយកម្មអាស្រ័យលើចំនួននៃម៉ូឌុល CD ។ របារផ្ដេកពណ៌ខៀវងងឹតតំណាងឱ្យភាពត្រឹមត្រូវមុំនៃ PMUT ហើយរបារផ្ដេកពណ៌ខៀវស្រាលតំណាងឱ្យភាពត្រឹមត្រូវមុំនៃក្រាហ្វគណនាសរសៃប្រសាទ។ b ការប្រើប្រាស់ថាមពលនៃប្រព័ន្ធដែលបានស្នើឡើង និងការប្រៀបធៀបជាមួយនឹងការអនុវត្ត microcontroller ដែលបានពិភាក្សាទាំងពីរ និងការអនុវត្តឌីជីថលនៃ Time Difference Encoder (TDE)47 FPGA ។
ដើម្បីកាត់បន្ថយការប្រើប្រាស់ថាមពលនៃប្រព័ន្ធធ្វើមូលដ្ឋានីយកម្មគោលដៅ យើងបានបង្កើត រចនា និងអនុវត្តសៀគ្វីសរសៃប្រសាទដែលមានមូលដ្ឋានលើ RRAM ដែលជំរុញដោយព្រឹត្តិការណ៍ប្រកបដោយប្រសិទ្ធភាព ដែលដំណើរការព័ត៌មានសញ្ញាដែលបង្កើតដោយឧបករណ៍ចាប់សញ្ញាដែលភ្ជាប់មកជាមួយដើម្បីគណនាទីតាំងរបស់វត្ថុគោលដៅជាក់ស្តែង។ ពេលវេលា។ . ខណៈពេលដែលវិធីសាស្ត្រដំណើរការបែបប្រពៃណីបន្តយកគំរូតាមសញ្ញាដែលបានរកឃើញ និងអនុវត្តការគណនាដើម្បីទាញយកព័ត៌មានដែលមានប្រយោជន៍ ដំណោះស្រាយ neuromorphic ដែលត្រូវបានស្នើឡើងធ្វើការគណនាដោយអសមកាលនៅពេលដែលព័ត៌មានមានប្រយោជន៍មកដល់ បង្កើនប្រសិទ្ធភាពថាមពលរបស់ប្រព័ន្ធដោយលំដាប់ប្រាំនៃរ៉ិចទ័រ។ លើសពីនេះទៀត យើងគូសបញ្ជាក់ពីភាពបត់បែននៃសៀគ្វីសរសៃប្រសាទដែលមានមូលដ្ឋានលើ RRAM ។ សមត្ថភាពរបស់ RRAM ដើម្បីផ្លាស់ប្តូរការប្រព្រឹត្តិក្នុងលក្ខណៈមិនងាយនឹងបង្កជាហេតុ (ប្លាស្ទិក) ទូទាត់សងសម្រាប់ភាពប្រែប្រួលដែលមានស្រាប់នៃសៀគ្វី synaptic និង neural របស់ analog DPI ដែលមានថាមពលទាបបំផុត។ នេះធ្វើឱ្យសៀគ្វីដែលមានមូលដ្ឋានលើ RRAM នេះមានភាពចម្រុះ និងមានថាមពល។ គោលដៅរបស់យើងគឺមិនមែនដើម្បីទាញយកមុខងារស្មុគ្រស្មាញ ឬលំនាំពីសញ្ញានោះទេ ប៉ុន្តែដើម្បីធ្វើមូលដ្ឋានីយកម្មវត្ថុក្នុងពេលវេលាជាក់ស្តែង។ ប្រព័ន្ធរបស់យើងក៏អាចបង្រួមសញ្ញាបានយ៉ាងមានប្រសិទ្ធភាព ហើយនៅទីបំផុតបញ្ជូនវាទៅកាន់ជំហានដំណើរការបន្ថែមទៀតដើម្បីធ្វើការសម្រេចចិត្តកាន់តែស្មុគស្មាញនៅពេលចាំបាច់។ នៅក្នុងបរិបទនៃកម្មវិធីធ្វើមូលដ្ឋានីយកម្ម ជំហានដំណើរការមុន neuromorphic របស់យើងអាចផ្តល់ព័ត៌មានអំពីទីតាំងរបស់វត្ថុ។ ព័ត៌មាននេះអាចត្រូវបានប្រើជាឧទាហរណ៍សម្រាប់ការចាប់ចលនា ឬការសម្គាល់កាយវិការ។ យើងសង្កត់ធ្ងន់លើសារៈសំខាន់នៃការរួមបញ្ចូលគ្នានូវឧបករណ៍ចាប់សញ្ញាថាមពលទាបខ្លាំងដូចជា pMUTs ជាមួយនឹងអេឡិចត្រូនិចថាមពលទាបបំផុត។ សម្រាប់ការនេះ វិធីសាស្រ្ត neuromorphic គឺជាគន្លឹះដែលពួកគេបាននាំយើងឱ្យអភិវឌ្ឍការអនុវត្តសៀគ្វីថ្មីនៃវិធីសាស្រ្តគណនាដែលបំផុសគំនិតដោយជីវសាស្រ្តដូចជាគំរូ Jeffress ។ នៅក្នុងបរិបទនៃកម្មវិធី sensor fusion ប្រព័ន្ធរបស់យើងអាចត្រូវបានផ្សំជាមួយឧបករណ៍ចាប់សញ្ញាផ្អែកលើព្រឹត្តិការណ៍ផ្សេងៗគ្នា ដើម្បីទទួលបានព័ត៌មានត្រឹមត្រូវជាងមុន។ ថ្វីត្បិតតែសត្វទីទុយពូកែក្នុងការស្វែងរកសត្វព្រៃក្នុងទីងងឹតក៏ដោយ ពួកវាមានភ្នែកល្អ ហើយធ្វើការស្វែងរកតាមសូរសព្ទ និងការមើលឃើញរួមបញ្ចូលគ្នា មុនពេលចាប់សត្វព្រៃ 70 ។ នៅពេលដែលសរសៃប្រសាទ auditory ជាក់លាក់មួយឆេះ សត្វទីទុយទទួលបានព័ត៌មានដែលវាត្រូវការដើម្បីកំណត់ទិសដៅណាមួយដើម្បីចាប់ផ្តើមការស្វែងរកដែលមើលឃើញរបស់វា ដូច្នេះការផ្តោតការយកចិត្តទុកដាក់របស់វាទៅលើផ្នែកតូចមួយនៃទិដ្ឋភាពដែលមើលឃើញ។ ការរួមបញ្ចូលគ្នានៃឧបករណ៍ចាប់សញ្ញាដែលមើលឃើញ (កាមេរ៉ា DVS) និងឧបករណ៍ចាប់សញ្ញាស្តាប់ដែលបានស្នើឡើង (ផ្អែកលើ pMUT) គួរតែត្រូវបានស្វែងរកសម្រាប់ការអភិវឌ្ឍន៍ភ្នាក់ងារស្វយ័តនាពេលអនាគត។
ឧបករណ៏ pMUT មានទីតាំងនៅលើ PCB ដែលមានអ្នកទទួលពីរនៅចំងាយប្រហែល 10 សង់ទីម៉ែត្រ ហើយឧបករណ៍បញ្ជូនមានទីតាំងនៅចន្លោះអ្នកទទួល។ នៅក្នុងការងារនេះ ភ្នាសនីមួយៗគឺជារចនាសម្ព័ន្ធ bimorph ព្យួរដែលមានពីរស្រទាប់នៃ piezoelectric aluminium nitride (AlN) 800 nm ក្រាស់ sandwiched រវាងស្រទាប់បីនៃ molybdenum (Mo) 200 nm ក្រាស់ និង coated ជាមួយស្រទាប់ 200 nm ក្រាស់។ ស្រទាប់ SiN ដែលអសកម្មខាងលើ ដូចដែលបានពិពណ៌នានៅក្នុងឯកសារយោង។ 71. អេឡិចត្រូតខាងក្នុង និងខាងក្រៅត្រូវបានអនុវត្តទៅស្រទាប់ខាងក្រោម និងកំពូលនៃម៉ូលីបដិន ខណៈអេឡិចត្រូតម៉ូលីបដិនកណ្តាលមិនមានលំនាំ និងប្រើជាដី នាំឱ្យភ្នាសមានអេឡិចត្រូតបួនគូ។
ស្ថាបត្យកម្មនេះអនុញ្ញាតឱ្យប្រើការខូចទ្រង់ទ្រាយភ្នាសធម្មតា ដែលនាំឱ្យប្រសើរឡើងនូវការបញ្ជូន និងទទួលបានភាពប្រែប្រួល។ pMUT បែបនេះជាធម្មតាបង្ហាញភាពរំជើបរំជួលនៃ 700 nm/V ជាអ្នកបញ្ចេញដោយផ្តល់នូវសម្ពាធលើផ្ទៃ 270 Pa/V ។ ក្នុងនាមជាអ្នកទទួល ខ្សែភាពយន្ត pMUT មួយបង្ហាញភាពប្រែប្រួលនៃសៀគ្វីខ្លីនៃ 15 nA/Pa ដែលទាក់ទងដោយផ្ទាល់ទៅនឹងមេគុណ piezoelectric នៃ AlN ។ ភាពប្រែប្រួលបច្ចេកទេសនៃវ៉ុលនៅក្នុងស្រទាប់ AlN នាំទៅរកការផ្លាស់ប្តូរប្រេកង់ resonant ដែលអាចត្រូវបានផ្តល់សំណងដោយអនុវត្តការលំអៀង DC ទៅ pMUT ។ ភាពប្រែប្រួល DC ត្រូវបានវាស់នៅ 0.5 kHz/V ។ សម្រាប់ការកំណត់លក្ខណៈសូរស័ព្ទ មីក្រូហ្វូនត្រូវបានប្រើនៅពីមុខ pMUT ។
ដើម្បីវាស់ជីពចរអេកូ យើងដាក់ចានរាងចតុកោណដែលមានផ្ទៃដីប្រហែល 50 cm2 នៅពីមុខ pMUT ដើម្បីឆ្លុះបញ្ចាំងពីរលកសំឡេងដែលបញ្ចេញ។ ទាំងចម្ងាយរវាងចាន និងមុំដែលទាក់ទងទៅនឹងយន្តហោះ pMUT ត្រូវបានគ្រប់គ្រងដោយប្រើអ្នកកាន់ពិសេស។ ប្រភពតង់ស្យុង Tectronix CPX400DP លំអៀងភ្នាស pMUT ចំនួនបី លៃតម្រូវប្រេកង់ resonant ទៅ 111.9 kHz31 ខណៈពេលដែលឧបករណ៍បញ្ជូនត្រូវបានជំរុញដោយម៉ាស៊ីនបង្កើតជីពចរ Tectronix AFG 3102 លៃតម្រូវទៅនឹងប្រេកង់ resonant (111.9 kHz. និងកាតព្វកិច្ច 1 kHz) ចរន្តដែលបានអានពីច្រកទិន្នផលទាំងបួនរបស់អ្នកទទួល pMUT នីមួយៗត្រូវបានបំប្លែងទៅជាវ៉ុលដោយប្រើស្ថាបត្យកម្មចរន្តឌីផេរ៉ង់ស្យែលពិសេស និងវ៉ុល ហើយសញ្ញាលទ្ធផលត្រូវបានឌីជីថលដោយប្រព័ន្ធទទួលទិន្នន័យ Spektrum ។ ដែនកំណត់នៃការរកឃើញត្រូវបានកំណត់លក្ខណៈដោយការទទួលបានសញ្ញា pMUT ក្រោមលក្ខខណ្ឌផ្សេងៗគ្នា៖ យើងបានផ្លាស់ទីឧបករណ៍ឆ្លុះបញ្ចាំងទៅចម្ងាយខុសៗគ្នា [30, 40, 50, 60, 80, 100] សង់ទីម៉ែត្រ និងបានផ្លាស់ប្តូរមុំគាំទ្រ pMUT ([0, 20, 40] o ) រូបភាពទី 2b បង្ហាញពីដំណោះស្រាយការរកឃើញ ITD បណ្តោះអាសន្នអាស្រ័យលើទីតាំងមុំដែលត្រូវគ្នាជាដឺក្រេ។
អត្ថបទនេះប្រើសៀគ្វី RRAM ក្រៅប្រព័ន្ធពីរផ្សេងគ្នា។ ទីមួយគឺជាអារេនៃ 16,384 (16,000) ឧបករណ៍ (128 × 128 ឧបករណ៍) នៅក្នុងការកំណត់រចនាសម្ព័ន្ធ 1T1R ដែលមានត្រង់ស៊ីស្ទ័រមួយ និងរេស៊ីស្ទ័រមួយ។ បន្ទះឈីបទីពីរគឺជាវេទិកា neuromorphic ដែលបានបង្ហាញនៅក្នុងរូបភាពទី 4a ។ ក្រឡា RRAM មានខ្សែភាពយន្ត HfO2 ក្រាស់ 5 nm ដែលបានបង្កប់នៅក្នុងជង់ TiN/HfO2/Ti/TiN ។ ជង់ RRAM ត្រូវបានដាក់បញ្ចូលទៅក្នុង back-of-line (BEOL) នៃដំណើរការស្តង់ដារ 130nm CMOS ។ សៀគ្វីសរសៃប្រសាទដែលមានមូលដ្ឋានលើ RRAM បង្ហាញពីបញ្ហាប្រឈមនៃការរចនាសម្រាប់ប្រព័ន្ធអេឡិចត្រូនិចអាណាឡូកទាំងអស់ដែលឧបករណ៍ RRAM រួមជាមួយនឹងបច្ចេកវិទ្យា CMOS ប្រពៃណី។ ជាពិសេស ស្ថានភាពដំណើរការរបស់ឧបករណ៍ RRAM ត្រូវតែអាន និងប្រើជាអថេរមុខងារសម្រាប់ប្រព័ន្ធ។ ដល់ទីបញ្ចប់នេះ សៀគ្វីមួយត្រូវបានរចនា ប្រឌិត និងសាកល្បងដែលអានចរន្តពីឧបករណ៍ នៅពេលដែលជីពចរបញ្ចូលត្រូវបានទទួល និងប្រើចរន្តនេះដើម្បីថ្លឹងថ្លែងនូវការឆ្លើយតបរបស់ឧបករណ៍បញ្ចូលគូឌីផេរ៉ង់ស្យែល (DPI) synapse ។ សៀគ្វីនេះត្រូវបានបង្ហាញនៅក្នុងរូបភាពទី 3a ដែលតំណាងឱ្យប្លុកអគារមូលដ្ឋាននៃវេទិកា neuromorphic នៅក្នុងរូបភាពទី 4a ។ ជីពចរបញ្ចូលធ្វើឱ្យច្រកទ្វាររបស់ឧបករណ៍ 1T1R សកម្មដោយបង្កើតចរន្តតាមរយៈ RRAM សមាមាត្រទៅនឹងចរន្តរបស់ឧបករណ៍ G (Iweight = G(Vtop – Vx)) ។ ការបញ្ចូលបញ្ច្រាសនៃសៀគ្វី amplifier ប្រតិបត្តិការ (op-amp) មានវ៉ុល DC លំអៀងថេរ Vtop ។ មតិអវិជ្ជមានរបស់ op-amp នឹងផ្តល់ Vx = Vtop ដោយផ្តល់ចរន្តស្មើគ្នាពី M1 ។ Iweight បច្ចុប្បន្នដែលទាញយកពីឧបករណ៍ត្រូវបានចាក់ចូលទៅក្នុង DPI synapse ។ ចរន្តខ្លាំងជាងមុននឹងបណ្តាលឱ្យមាន depolarization កាន់តែច្រើន ដូច្នេះ RRAM conductance មានប្រសិទ្ធភាពអនុវត្តទម្ងន់ synaptic ។ ចរន្តសំយោគនិទស្សន្តអិចស្ប៉ូណង់ស្យែលនេះត្រូវបានចាក់តាមរយៈភ្នាសភ្នាសនៃណឺរ៉ូនការរួមបញ្ចូលនិងការរំភើបចិត្ត (LIF) ដែលវាត្រូវបានបញ្ចូលជាវ៉ុល។ ប្រសិនបើវ៉ុលកម្រិតនៃភ្នាស (វ៉ុលប្តូរនៃអាំងវឺរទ័រ) ត្រូវបានយកឈ្នះ នោះផ្នែកទិន្នផលនៃណឺរ៉ូនត្រូវបានធ្វើឱ្យសកម្ម បង្កើតឱ្យមានការកើនឡើងទិន្នផល។ ជីពចរនេះត្រលប់មកវិញ ហើយបង្វែរភ្នាសនៃណឺរ៉ូនទៅដី បណ្តាលឱ្យវាហូរចេញ។ បន្ទាប់មកសៀគ្វីនេះត្រូវបានបំពេញបន្ថែមដោយឧបករណ៍ពង្រីកជីពចរ (មិនបង្ហាញក្នុងរូបភាពទី 3a) ដែលបង្ហាញជីពចរលទ្ធផលនៃណឺរ៉ូន LIF ទៅនឹងទទឹងជីពចរគោលដៅ។ Multiplexers ក៏ត្រូវបានបង្កើតឡើងនៅក្នុងបន្ទាត់នីមួយៗដែលអនុញ្ញាតឱ្យវ៉ុលត្រូវបានអនុវត្តទៅអេឡិចត្រូតខាងលើនិងខាងក្រោមនៃឧបករណ៍ RRAM ។
ការធ្វើតេស្តអគ្គិសនីរួមមានការវិភាគ និងកត់ត្រាឥរិយាបថថាមវន្តនៃសៀគ្វីអាណាឡូក ក៏ដូចជាការសរសេរកម្មវិធី និងការអានឧបករណ៍ RRAM ។ ជំហានទាំងពីរនេះត្រូវការឧបករណ៍ពិសេស ដែលឧបករណ៍ទាំងអស់នេះត្រូវបានភ្ជាប់ទៅបន្ទះឧបករណ៍ចាប់សញ្ញាក្នុងពេលតែមួយ។ ការចូលប្រើឧបករណ៍ RRAM នៅក្នុងសៀគ្វី neuromorphic ត្រូវបានអនុវត្តពីឧបករណ៍ខាងក្រៅតាមរយៈ multiplexer (MUX) ។ MUX បំបែកក្រឡា 1T1R ពីសៀគ្វីដែលនៅសល់ដែលវាជាកម្មសិទ្ធិ ដែលអនុញ្ញាតឱ្យឧបករណ៍ត្រូវបានអាន និង/ឬកម្មវិធី។ ដើម្បីសរសេរកម្មវិធី និងអានឧបករណ៍ RRAM ម៉ាស៊ីន Keithley 4200 SCS ត្រូវបានប្រើដោយភ្ជាប់ជាមួយ Arduino microcontroller៖ ទីមួយសម្រាប់ការបង្កើតជីពចរត្រឹមត្រូវ និងការអានបច្ចុប្បន្ន និងទីពីរសម្រាប់ការចូលប្រើរហ័សទៅកាន់ធាតុ 1T1R នីមួយៗនៅក្នុងអង្គចងចាំ។ ប្រតិបត្តិការដំបូងគឺបង្កើតឧបករណ៍ RRAM ។ កោសិកាត្រូវបានជ្រើសរើសម្តងមួយៗ ហើយវ៉ុលវិជ្ជមានត្រូវបានអនុវត្តរវាងអេឡិចត្រូតខាងលើ និងខាងក្រោម។ ក្នុងករណីនេះចរន្តត្រូវបានកំណត់ក្នុងលំដាប់នៃ microamperes រាប់សិបដោយសារតែការផ្គត់ផ្គង់វ៉ុលច្រកទ្វារដែលត្រូវគ្នាទៅនឹងត្រង់ស៊ីស្ទ័រជ្រើសរើស។ បន្ទាប់មកកោសិកា RRAM អាចវិលជុំវិញរវាងស្ថានភាពចរន្តទាប (LCS) និងស្ថានភាពចរន្តខ្ពស់ (HCS) ដោយប្រើប្រតិបត្តិការ RESET និង SET រៀងគ្នា។ ប្រតិបត្តិការ SET ត្រូវបានអនុវត្តដោយអនុវត្តជីពចរវ៉ុលចតុកោណដែលមានរយៈពេល 1 μs និងវ៉ុលកំពូលនៃ 2.0-2.5 V ទៅអេឡិចត្រូតខាងលើនិងជីពចរសមកាលកម្មនៃរូបរាងស្រដៀងគ្នាជាមួយនឹងវ៉ុលកំពូលនៃ 0.9-1.3 V ទៅ ច្រកទ្វារនៃត្រង់ស៊ីស្ទ័រជ្រើសរើស។ តម្លៃទាំងនេះអនុញ្ញាតឱ្យម៉ូឌុល RRAM conductance នៅចន្លោះពេល 20-150 µs ។ សម្រាប់ RESET ជីពចរកំពូល 3 V ទទឹង 1 µs ត្រូវបានអនុវត្តទៅអេឡិចត្រូតខាងក្រោម (បន្ទាត់ប៊ីត) នៃក្រឡា នៅពេលដែលវ៉ុលច្រកទ្វារស្ថិតនៅក្នុងចន្លោះ 2.5-3.0 V. ធាតុចូល និងលទ្ធផលនៃសៀគ្វីអាណាឡូកគឺជាសញ្ញាថាមវន្ត។ . សម្រាប់ការបញ្ចូល យើងបានបញ្ចូលម៉ាស៊ីនភ្លើងជីពចរ HP 8110 ចំនួនពីរជាមួយឧបករណ៍បង្កើតសញ្ញា Tektronix AFG3011។ ជីពចរបញ្ចូលមានទទឹង 1 µs និងគែមកើនឡើង/ធ្លាក់ 50 ns ។ ប្រភេទនៃជីពចរនេះត្រូវបានសន្មតថាជាភាពមិនប្រក្រតីធម្មតានៅក្នុងសៀគ្វីដែលមានមូលដ្ឋានលើភាពមិនប្រក្រតីអាណាឡូក។ សម្រាប់សញ្ញាទិន្នផល សញ្ញាទិន្នផលត្រូវបានកត់ត្រាដោយប្រើ Teledyne LeCroy 1 GHz oscilloscope ។ ល្បឿននៃការទទួលបាននៃ oscilloscope ត្រូវបានគេបង្ហាញថាមិនមែនជាកត្តាកំណត់ក្នុងការវិភាគ និងការទទួលបានទិន្នន័យសៀគ្វីនោះទេ។
ការប្រើប្រាស់ថាមវន្តនៃអេឡិចត្រូនិចអាណាឡូកដើម្បីក្លែងធ្វើឥរិយាបថរបស់ណឺរ៉ូន និង synapses គឺជាដំណោះស្រាយដ៏ប្រណិត និងមានប្រសិទ្ធភាពដើម្បីបង្កើនប្រសិទ្ធភាពនៃការគណនា។ គុណវិបត្តិនៃស្រទាប់ខាងក្រោមគណនានេះគឺថាវានឹងប្រែប្រួលពីគ្រោងការណ៍មួយទៅគ្រោងការណ៍។ យើងបានកំណត់បរិមាណភាពប្រែប្រួលនៃណឺរ៉ូន និងសៀគ្វីសំយោគ (រូបភាពបន្ថែម 2a, ខ)។ ក្នុងចំណោមការបង្ហាញទាំងអស់នៃភាពប្រែប្រួល ភាពប្រែប្រួលដែលជាប់ទាក់ទងនឹងថេរវេលា និងការកើនឡើងនៃការបញ្ចូលមានផលប៉ះពាល់ខ្លាំងបំផុតនៅកម្រិតប្រព័ន្ធ។ ពេលវេលាថេរនៃណឺរ៉ូន LIF និង DPI synapse ត្រូវបានកំណត់ដោយសៀគ្វី RC ដែលតម្លៃនៃ R ត្រូវបានគ្រប់គ្រងដោយវ៉ុលលំអៀងដែលបានអនុវត្តទៅច្រកទ្វារនៃត្រង់ស៊ីស្ទ័រ (Vlk សម្រាប់ណឺរ៉ូននិង Vtau សម្រាប់ synapse) កំណត់ អត្រាលេចធ្លាយ។ ការកើនឡើងនៃការបញ្ចូលត្រូវបានកំណត់ថាជាវ៉ុលកំពូលដែលឈានដល់ដោយឧបករណ៍បំប្លែងភ្នាស synaptic និងសរសៃប្រសាទដែលត្រូវបានជំរុញដោយជីពចរបញ្ចូល។ ការកើនឡើងនៃធាតុបញ្ចូលត្រូវបានគ្រប់គ្រងដោយត្រង់ស៊ីស្ទ័រលំអៀងមួយផ្សេងទៀតដែលកែប្រែចរន្តបញ្ចូល។ ការក្លែងធ្វើ Monte Carlo ដែលបានក្រិតតាមខ្នាតលើដំណើរការ 130nm របស់ ST Microelectronics ត្រូវបានអនុវត្តដើម្បីប្រមូលការកើនឡើងនៃធាតុចូល និងស្ថិតិពេលវេលាថេរ។ លទ្ធផលត្រូវបានបង្ហាញនៅក្នុងរូបភាពបន្ថែមទី 2 ដែលការកើនឡើងនៃធាតុបញ្ចូល និងពេលវេលាថេរត្រូវបានគណនាជាមុខងារនៃតង់ស្យុងលំអៀងដែលគ្រប់គ្រងអត្រាលេចធ្លាយ។ សញ្ញាសម្គាល់ពណ៌បៃតងកំណត់បរិមាណគម្លាតស្តង់ដារនៃពេលវេលាថេរពីមធ្យម។ ទាំងពីរណឺរ៉ូន និងសៀគ្វី synaptic អាចបង្ហាញពីជួរដ៏ធំទូលាយនៃថេរពេលវេលានៅក្នុងជួរនៃ 10-5-10-2 s ដូចដែលបានបង្ហាញនៅក្នុងគ្រោងការណ៍រូបភពបន្ថែម។ ការពង្រីកការបញ្ចូល (រូបភាពបន្ថែម 2e, ឃ) នៃការប្រែប្រួលនៃសរសៃប្រសាទ និង synapse គឺប្រហែល 8% និង 3% រៀងគ្នា។ កង្វះបែបនេះត្រូវបានកត់ត្រាយ៉ាងល្អនៅក្នុងអក្សរសិល្ប៍៖ ការវាស់វែងផ្សេងៗត្រូវបានអនុវត្តលើអារេនៃបន្ទះសៀគ្វី DYNAP ដើម្បីវាយតម្លៃភាពមិនស៊ីគ្នារវាងចំនួនប្រជាជននៃណឺរ៉ូន LIF63 ។ synapses នៅក្នុងបន្ទះឈីបសញ្ញាចម្រុះ BrainScale ត្រូវបានវាស់វែង ហើយភាពមិនស៊ីសង្វាក់គ្នារបស់ពួកគេត្រូវបានវិភាគ ហើយនីតិវិធីនៃការក្រិតតាមខ្នាតត្រូវបានស្នើឡើងដើម្បីកាត់បន្ថយឥទ្ធិពលនៃភាពប្រែប្រួលកម្រិតប្រព័ន្ធ64។
មុខងាររបស់ RRAM នៅក្នុងសៀគ្វី neuromorphic មានពីរយ៉ាង៖ និយមន័យស្ថាបត្យកម្ម (ការបញ្ជូនធាតុចូលទៅកាន់លទ្ធផល) និងការអនុវត្តទម្ងន់ synaptic ។ ទ្រព្យសម្បត្តិចុងក្រោយអាចត្រូវបានប្រើដើម្បីដោះស្រាយបញ្ហានៃភាពប្រែប្រួលនៃសៀគ្វី neuromorphic គំរូ។ យើងបានបង្កើតនីតិវិធីក្រិតតាមខ្នាតដ៏សាមញ្ញមួយដែលពាក់ព័ន្ធនឹងការសរសេរកម្មវិធីឡើងវិញនូវឧបករណ៍ RRAM រហូតដល់សៀគ្វីដែលកំពុងត្រូវបានវិភាគបំពេញតាមតម្រូវការជាក់លាក់។ សម្រាប់ការបញ្ចូលដែលបានផ្តល់ឱ្យ ទិន្នផលត្រូវបានត្រួតពិនិត្យ ហើយ RRAM ត្រូវបានរៀបចំឡើងវិញរហូតដល់ឥរិយាបទគោលដៅត្រូវបានសម្រេច។ ពេលវេលារង់ចាំ 5 s ត្រូវបានណែនាំរវាងប្រតិបត្តិការកម្មវិធីដើម្បីដោះស្រាយបញ្ហានៃការបន្ធូរបន្ថយ RRAM ដែលបណ្តាលឱ្យមានការប្រែប្រួលនៃចរន្តអន្តរកាល (ព័ត៌មានបន្ថែម)។ ទម្ងន់ Synaptic ត្រូវបានកែតម្រូវ ឬក្រិតតាមតម្រូវការនៃសៀគ្វី neuromorphic ដែលត្រូវបានយកគំរូតាម។ នីតិវិធីនៃការក្រិតតាមខ្នាតត្រូវបានសង្ខេបនៅក្នុងក្បួនដោះស្រាយបន្ថែម [1, 2] ដែលផ្តោតលើលក្ខណៈជាមូលដ្ឋានពីរនៃវេទិកា neuromorphic បន្ទាត់ពន្យាពេល និងទិសដៅស៊ីឌីដែលមិនមានប្រតិកម្ម។ សម្រាប់សៀគ្វីដែលមានបន្ទាត់ពន្យា ឥរិយាបថគោលដៅគឺផ្តល់ជីពចរលទ្ធផលជាមួយនឹងការពន្យាពេលΔt។ ប្រសិនបើការពន្យាពេលសៀគ្វីពិតប្រាកដគឺតិចជាងតម្លៃគោលដៅ នោះទម្ងន់ synaptic នៃ G3 គួរតែត្រូវបានកាត់បន្ថយ (G3 គួរតែត្រូវបានកំណត់ឡើងវិញហើយបន្ទាប់មកកំណត់ទៅ Icc បច្ចុប្បន្នដែលត្រូវគ្នាទាបជាង) ។ ផ្ទុយទៅវិញ ប្រសិនបើការពន្យាពេលពិតប្រាកដគឺធំជាងតម្លៃគោលដៅ ចរន្តនៃ G3 ត្រូវតែកើនឡើង (ដំបូង G3 ត្រូវតែកំណត់ឡើងវិញ ហើយបន្ទាប់មកកំណត់ទៅតម្លៃ Icc ខ្ពស់ជាង)។ ដំណើរការនេះត្រូវបានធ្វើម្តងទៀតរហូតដល់ការពន្យារពេលដែលបង្កើតដោយសៀគ្វីត្រូវគ្នានឹងតម្លៃគោលដៅ ហើយការអត់ធ្មត់ត្រូវបានកំណត់ដើម្បីបញ្ឈប់ដំណើរការក្រិត។ សម្រាប់ស៊ីឌីដែលមិនមានការតំរង់ទិស ឧបករណ៍ RRAM ពីរគឺ G1 និង G3 ត្រូវបានចូលរួមនៅក្នុងដំណើរការក្រិត។ សៀគ្វីនេះមានធាតុបញ្ចូលពីរ Vin0 និង Vin1 ពន្យារពេលដោយ dt ។ សៀគ្វីគួរតែឆ្លើយតបតែចំពោះការពន្យារពេលខាងក្រោមជួរដែលត្រូវគ្នា [0,dtCD]។ ប្រសិនបើ​មិនមាន​ទិន្នផល​ខ្ពស់បំផុត​ទេ ប៉ុន្តែ​កម្រិត​បញ្ចូល​គឺ​ជិត នោះ​ឧបករណ៍ RRAM ទាំងពីរ​គួរតែ​ត្រូវបាន​ជំរុញ​ដើម្បី​ជួយ​ឱ្យ​ណឺរ៉ូន​ឈានដល់​កម្រិត​កំណត់។ ផ្ទុយទៅវិញ ប្រសិនបើសៀគ្វីឆ្លើយតបទៅនឹងការពន្យាពេលដែលលើសពីជួរគោលដៅនៃ dtCD នោះ conductance ត្រូវតែកាត់បន្ថយ។ ធ្វើដំណើរការម្តងទៀតរហូតទាល់តែទទួលបានឥរិយាបថត្រឹមត្រូវ។ ចរន្តអនុលោមភាពអាចត្រូវបានកែប្រែដោយសៀគ្វីអាណាឡូកដែលភ្ជាប់មកជាមួយនៅក្នុង ref ។ ៧២.៧៣. ជាមួយនឹងសៀគ្វីដែលភ្ជាប់មកជាមួយនេះ នីតិវិធីបែបនេះអាចត្រូវបានអនុវត្តជាទៀងទាត់ដើម្បីក្រិតប្រព័ន្ធ ឬប្រើវាឡើងវិញសម្រាប់កម្មវិធីផ្សេងទៀត។
យើងវាយតម្លៃការប្រើប្រាស់ថាមពលនៃវិធីសាស្រ្តដំណើរការសញ្ញា neuromorphic របស់យើងនៅលើ microcontroller68 ស្តង់ដារ 32 ប៊ីត។ នៅក្នុងការវាយតម្លៃនេះ យើងសន្មត់ថាប្រតិបត្តិការជាមួយនឹងការដំឡើងដូចគ្នានឹងនៅក្នុងក្រដាសនេះ ជាមួយនឹងឧបករណ៍បញ្ជូន pMUT មួយ និងឧបករណ៍ទទួល pMUT ពីរ។ វិធីសាស្រ្តនេះប្រើតម្រង bandpass បន្តដោយជំហានដកស្រោមសំបុត្រ (Teeger-Kaiser) ហើយទីបំផុតប្រតិបត្តិការកំណត់ត្រូវបានអនុវត្តចំពោះសញ្ញាដើម្បីទាញយកពេលវេលាហោះហើរ។ ការគណនា ITD និងការបំប្លែងរបស់វាទៅជាមុំរាវរកត្រូវបានលុបចោលនៅក្នុងការវាយតម្លៃ។ យើងពិចារណាលើការអនុវត្តតម្រងក្រុមឆ្លងកាត់ដោយប្រើតម្រងការឆ្លើយតបដោយកម្លាំងគ្មានកំណត់លំដាប់ទី 4 ដែលតម្រូវឱ្យមានប្រតិបត្តិការចំណុចអណ្តែត 18 ។ ការទាញយកស្រោមសំបុត្រប្រើប្រតិបត្តិការចំណុចអណ្តែតបីបន្ថែមទៀត ហើយប្រតិបត្តិការចុងក្រោយត្រូវបានប្រើដើម្បីកំណត់កម្រិតចាប់ផ្ដើម។ ប្រតិបត្តិការចំណុចអណ្តែតសរុបចំនួន 22 ត្រូវបានទាមទារ ដើម្បីដំណើរការសញ្ញាជាមុន។ សញ្ញាដែលបានបញ្ជូនគឺជាការផ្ទុះខ្លីនៃទម្រង់រលកស៊ីនុស 111.9 kHz ដែលបង្កើតរៀងរាល់ 10 ms ដែលបណ្តាលឱ្យមានប្រេកង់ប្រតិបត្តិការទីតាំង 100 Hz ។ យើងបានប្រើអត្រាគំរូ 250 kHz ដើម្បីអនុលោមតាម Nyquist និងបង្អួច 6 ms សម្រាប់ការវាស់វែងនីមួយៗដើម្បីចាប់យកជួរ 1 ម៉ែត្រ។ ចំណាំថា 6 មិល្លីវិនាទីគឺជាពេលវេលាហោះហើររបស់វត្ថុដែលមានចម្ងាយ 1 ម៉ែត្រ។ នេះផ្តល់នូវការប្រើប្រាស់ថាមពល 180 µW សម្រាប់ការបំប្លែង A/D នៅ 0.5 MSPS ។ ដំណើរការមុននៃសញ្ញាគឺ 6.60 MIPS (ការណែនាំក្នុងមួយវិនាទី) បង្កើត 0.75 mW ។ ទោះជាយ៉ាងណាក៏ដោយ microcontroller អាចប្តូរទៅរបៀបថាមពលទាប 69 នៅពេលដែលក្បួនដោះស្រាយមិនដំណើរការ។ របៀបនេះផ្តល់នូវការប្រើប្រាស់ថាមពលឋិតិវន្ត 10.8 μW និងពេលវេលាភ្ញាក់ 113 μs។ ដោយទទួលបានប្រេកង់នាឡិកា 84 MHz នោះ microcontroller បញ្ចប់ប្រតិបត្តិការទាំងអស់នៃ neuromorphic algorithm ក្នុងរយៈពេល 10 ms ហើយក្បួនដោះស្រាយគណនាវដ្តកាតព្វកិច្ច 6.3% ដូច្នេះដោយប្រើរបៀបថាមពលទាប។ ការចែកចាយថាមពលលទ្ធផលគឺ 244.7 μW។ ចំណាំថាយើងដកទិន្នផល ITD ពី ToF និងការបំប្លែងទៅជាមុំរាវរក ដូច្នេះការប៉ាន់ស្មានការប្រើប្រាស់ថាមពលរបស់មីក្រូកុងត្រូល័រមិនគ្រប់គ្រាន់។ នេះផ្តល់នូវតម្លៃបន្ថែមសម្រាប់ប្រសិទ្ធភាពថាមពលនៃប្រព័ន្ធដែលបានស្នើឡើង។ ជាលក្ខខណ្ឌប្រៀបធៀបបន្ថែម យើងវាយតម្លៃការប្រើប្រាស់ថាមពលនៃវិធីសាស្ត្រទម្រង់ធ្នឹមបុរាណដែលបានស្នើឡើងក្នុងឯកសារយោង។ 31.54 នៅពេលបង្កប់ក្នុង microcontroller68 ដូចគ្នានៅវ៉ុលផ្គត់ផ្គង់ 1.8V ។ ភ្នាស pMUT ដែលមានគម្លាតស្មើគ្នាចំនួនប្រាំត្រូវបានប្រើដើម្បីទទួលបានទិន្នន័យសម្រាប់ការធ្វើទ្រង់ទ្រាយធ្នឹម។ ចំពោះដំណើរការដោយខ្លួនវា វិធីសាស្ត្របង្កើតធ្នឹមដែលប្រើគឺការពន្យាពេលការបូកសរុប។ វាគ្រាន់តែរួមបញ្ចូលការពន្យារពេលទៅផ្លូវដែលត្រូវគ្នានឹងភាពខុសគ្នាដែលរំពឹងទុកនៅក្នុងពេលវេលាមកដល់រវាងផ្លូវមួយ និងផ្លូវយោង។ ប្រសិនបើសញ្ញាស្ថិតនៅក្នុងដំណាក់កាល ផលបូកនៃសញ្ញាទាំងនេះនឹងមានថាមពលខ្ពស់បន្ទាប់ពីការផ្លាស់ប្តូរពេលវេលា។ ប្រសិនបើពួកគេផុតដំណាក់កាល ការជ្រៀតជ្រែកបំផ្លិចបំផ្លាញនឹងកំណត់ថាមពលនៃផលបូករបស់ពួកគេ។ នៅក្នុងទំនាក់ទំនងមួយ។ នៅលើរូបភព។ 31 អត្រាគំរូនៃ 2 MHz ត្រូវបានជ្រើសរើសដើម្បីផ្លាស់ប្តូរពេលវេលាទិន្នន័យដោយចំនួនគត់នៃគំរូ។ វិធីសាស្រ្តតិចតួចជាងនេះគឺដើម្បីរក្សាអត្រាគំរូនៃ 250 kHz និងប្រើប្រាស់តម្រង Finite Impulse Response (FIR) ដើម្បីសំយោគការពន្យារពេលប្រភាគ។ យើងនឹងសន្មត់ថាភាពស្មុគស្មាញនៃក្បួនដោះស្រាយការបង្កើតធ្នឹមត្រូវបានកំណត់ជាចម្បងដោយការផ្លាស់ប្តូរពេលវេលាចាប់តាំងពីឆានែលនីមួយៗត្រូវបានផ្សំជាមួយតម្រង FIR ជាមួយនឹងម៉ាស៊ីន 16 ក្នុងទិសដៅនីមួយៗ។ ដើម្បីគណនាចំនួន MIPS ដែលត្រូវការសម្រាប់ប្រតិបត្តិការនេះ យើងពិចារណាលើបង្អួច 6ms ក្នុងមួយរង្វាស់ដើម្បីចាប់យកជួរ 1 ម៉ែត្រ 5 ប៉ុស្តិ៍ 11 ទិសដៅបង្កើតធ្នឹម (ជួរ +/- 50° ក្នុងជំហាន 10°)។ 75 ការវាស់វែងក្នុងមួយវិនាទីបានរុញ microcontroller ដល់អតិបរមា 100 MIPS ។ តំណភ្ជាប់។ 68 ដែលបណ្តាលឱ្យមានការចែកចាយថាមពល 11.26 mW សម្រាប់ការរំសាយថាមពលសរុប 11.71 mW បន្ទាប់ពីបន្ថែមការរួមចំណែករបស់ ADC នៅលើយន្តហោះ។
ទិន្នន័យគាំទ្រលទ្ធផលនៃការសិក្សានេះគឺអាចរកបានពីអ្នកនិពន្ធរៀងៗខ្លួន FM តាមការស្នើសុំសមហេតុផល។
Indiveri, G. & Sandamirskaya, Y. សារៈសំខាន់នៃលំហ និងពេលវេលាសម្រាប់ដំណើរការសញ្ញានៅក្នុងភ្នាក់ងារ neuromorphic: បញ្ហាប្រឈមនៃការបង្កើតភ្នាក់ងារស្វយ័តថាមពលទាបដែលមានអន្តរកម្មជាមួយបរិស្ថាន។ Indiveri, G. & Sandamirskaya, Y. សារៈសំខាន់នៃលំហ និងពេលវេលាសម្រាប់ដំណើរការសញ្ញានៅក្នុងភ្នាក់ងារ neuromorphic: បញ្ហាប្រឈមនៃការបង្កើតភ្នាក់ងារស្វយ័តថាមពលទាបដែលមានអន្តរកម្មជាមួយបរិស្ថាន។Indiveri G. និង Sandamirskaya Y. សារៈសំខាន់នៃលំហ និងពេលវេលាសម្រាប់ដំណើរការសញ្ញានៅក្នុងភ្នាក់ងារ neuromorphic: បញ្ហាប្រឈមនៃការបង្កើតភ្នាក់ងារស្វយ័តថាមពលទាបដែលធ្វើអន្តរកម្មជាមួយបរិស្ថាន។ Indiveri, G. & Sandamirskaya, Y.的挑战។ Indiveri, G. & Sandamirskaya, Y.Indiveri G. និង Sandamirskaya Y. សារៈសំខាន់នៃលំហ និងពេលវេលាសម្រាប់ដំណើរការសញ្ញានៅក្នុងភ្នាក់ងារ neuromorphic: បញ្ហាប្រឈមនៃការបង្កើតភ្នាក់ងារស្វយ័តថាមពលទាបដែលធ្វើអន្តរកម្មជាមួយបរិស្ថាន។ដំណើរការសញ្ញា IEEE ។ ទិនានុប្បវត្តិ 36, 16–28 (2019) ។
Thorpe, SJ Peak ពេលវេលាមកដល់៖ គ្រោងការណ៍សរសេរកូដបណ្តាញសរសៃប្រសាទដ៏មានប្រសិទ្ធភាព។ នៅ Eckmiller, R., Hartmann, G. & Hauske, G. (eds)។ នៅ Eckmiller, R., Hartmann, G. & Hauske, G. (eds)។នៅ Eckmiller, R., Hartmann, G. និង Hauske, G. (eds.)។នៅក្នុង Eckmiller, R., Hartmann, G., និង Hauske, G. (eds.) ។ ដំណើរការប៉ារ៉ាឡែលនៅក្នុងប្រព័ន្ធសរសៃប្រសាទ និងកុំព្យូទ័រ 91–94 (North-Holland Elsevier, 1990) ។
Levy, WB & Calvert, VG Communication ប្រើប្រាស់ថាមពល 35 ដងច្រើនជាងការគណនានៅក្នុង Cortex របស់មនុស្ស ប៉ុន្តែការចំណាយទាំងពីរគឺចាំបាច់ដើម្បីទស្សន៍ទាយចំនួន synapse ។ Levy, WB & Calvert, VG Communication ប្រើប្រាស់ថាមពល 35 ដងច្រើនជាងការគណនានៅក្នុង Cortex របស់មនុស្ស ប៉ុន្តែការចំណាយទាំងពីរគឺចាំបាច់ដើម្បីទស្សន៍ទាយចំនួន synapse ។Levy, WB និង Calvert, WG Communication ប្រើប្រាស់ថាមពល 35 ដងច្រើនជាងការគណនានៅក្នុង Cortex របស់មនុស្ស ប៉ុន្តែការចំណាយទាំងពីរគឺចាំបាច់ដើម្បីទស្សន៍ទាយចំនួន synapses ។ Levy, WB & Calvert, VG Communication 消耗的能量是人类皮层计算的35倍，但这两种成本都需要预测突触数量។ Levy, WB & Calvert, VG CommunicationLevy, WB និង Calvert, WG Communication ប្រើប្រាស់ថាមពល 35 ដងច្រើនជាងការគណនានៅក្នុង Cortex របស់មនុស្ស ប៉ុន្តែការចំណាយទាំងពីរទាមទារឱ្យមានការព្យាករណ៍ចំនួន synapses ។ដំណើរការ។ បណ្ឌិតសភាវិទ្យាសាស្ត្រជាតិ។ វិទ្យាសាស្ត្រ។ US 118, https://doi.org/10.1073/pnas.2008173118 (2021)។
Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Insect-inspired neuromorphic computing ។ Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Insect-inspired neuromorphic computing ។Dalgati, T., Vianello, E., DeSalvo, B. និង Casas, J. Insect-inspired neuromorphic computing ។Dalgati T., Vianello E., DeSalvo B. និង Casas J. ការគណនាសរសៃប្រសាទដែលបំផុសគំនិតដោយសត្វល្អិត។ បច្ចុប្បន្ន។ មតិ។ វិទ្យាសាស្ត្រសត្វល្អិត។ ៣០, ៥៩–៦៦ (ឆ្នាំ ២០១៨)។
Roy, K., Jaiswal, A. & Panda, P. ឆ្ពោះទៅរកភាពវៃឆ្លាតម៉ាស៊ីនដែលមានមូលដ្ឋានលើ spike ជាមួយកុំព្យូទ័រ neuromorphic ។ Roy, K., Jaiswal, A. & Panda, P. ឆ្ពោះទៅរកភាពវៃឆ្លាតម៉ាស៊ីនដែលមានមូលដ្ឋានលើ spike ជាមួយកុំព្យូទ័រ neuromorphic ។ Roy, K., Jaiswal, A. & Panda, P. ឆ្ពោះទៅរក Spike-Based Machine Intelligence ជាមួយនឹង Neuromorphic Computing។Roy K, Jaiswal A, និង Panda P. បញ្ញាសិប្បនិម្មិតផ្អែកលើជីពចរដោយប្រើកុំព្យូទ័រ neuromorphic ។ ធម្មជាតិ 575, 607–617 (2019) ។
Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. និង Liu, S.-K. Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. និង Liu, S.-K.ដំណើរការចងចាំ និងព័ត៌មាននៅក្នុងប្រព័ន្ធសរសៃប្រសាទ។ ដំណើរការ។ IEEE 103, 1379–1397 (2015) ។
Akopyan F. et al ។ Truenorth៖ ការរចនា និងប្រអប់ឧបករណ៍សម្រាប់បន្ទះឈីប synaptic ដែលអាចសរសេរកម្មវិធីបាន ណឺរ៉ូន 65 mW 1 លាន។ ប្រតិបត្តិការ IEEE ។ ការរចនាកុំព្យូទ័រនៃប្រព័ន្ធសៀគ្វីរួមបញ្ចូលគ្នា។ 34, 1537–1557 (2015)។
Schemmel, J. et al ។ ការបង្ហាញផ្ទាល់៖ ការធ្វើមាត្រដ្ឋានចុះក្រោមនៃប្រព័ន្ធប្រសាទ BrainScaleS តាមមាត្រដ្ឋានចាន។ 2012 IEEE សន្និសីទអន្តរជាតិស្តីពីសៀគ្វី និងប្រព័ន្ធ (ISCAS), (IEEE ed.) 702–702 (2012)។
Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. ស្ថាបត្យកម្មពហុស្នូលដែលអាចធ្វើមាត្រដ្ឋានបានជាមួយនឹងរចនាសម្ព័ន្ធអង្គចងចាំខុស ៗ គ្នាសម្រាប់ដំណើរការអសមកាល neuromorphic ថាមវន្ត (DYNAPs) ។ Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. ស្ថាបត្យកម្មពហុស្នូលដែលអាចធ្វើមាត្រដ្ឋានបានជាមួយនឹងរចនាសម្ព័ន្ធអង្គចងចាំខុស ៗ គ្នាសម្រាប់ដំណើរការអសមកាល neuromorphic ថាមវន្ត (DYNAPs) ។Moradi S., Qiao N., Stefanini F. និង Indiviri G. ស្ថាបត្យកម្មពហុស្នូលដែលអាចធ្វើមាត្រដ្ឋានបានជាមួយនឹងរចនាសម្ព័ន្ធអង្គចងចាំខុសៗគ្នាសម្រាប់ដំណើរការប្រព័ន្ធសរសៃប្រសាទអសមកាល (DYNAP) ។ Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. 一种可扩展的多核架构，具有用于动态神经形态异步处理器។ Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. ប្រភេទនៃស្ថាបត្យកម្មពហុស្នូលដែលអាចពង្រីកបាន ជាមួយនឹងរចនាសម្ព័ន្ធអង្គចងចាំតែមួយគត់សម្រាប់ដំណើរការសរសៃប្រសាទថាមវន្ត (DYNAP) ។Moradi S., Qiao N., Stefanini F. និង Indiviri G. ស្ថាបត្យកម្មពហុស្នូលដែលអាចធ្វើមាត្រដ្ឋានបានជាមួយនឹងរចនាសម្ព័ន្ធអង្គចងចាំខុសៗគ្នាសម្រាប់ដំណើរការប្រព័ន្ធសរសៃប្រសាទអសមកាល (DYNAP) ។ប្រតិបត្តិការ IEEE លើវិទ្យាសាស្ត្រជីវវេជ្ជសាស្ត្រ។ ប្រព័ន្ធអគ្គិសនី។ 12, 106–122 (2018)។
Davis, M. et al ។ Loihi៖ ខួរក្បាលពហុស្នូល neuromorphic ជាមួយនឹងការរៀនបង្កប់។ IEEE Micro 38, 82–99 (2018)។
Furber, SB, Galluppi, F., Temple, S. & Plana, LA គម្រោង SpinNaker ។ Furber, SB, Galluppi, F., Temple, S. & Plana, LA គម្រោង SpinNaker ។Ferber SB, Galluppi F., Temple S. និងគម្រោង Plana LA SpinNaker ។Ferber SB, Galluppi F., Temple S. និងគម្រោង Plana LA SpinNaker ។ ដំណើរការ។ IEEE 102, 652–665 (2014) ។
Liu, S.-K. & Delbruck, T. ប្រព័ន្ធសរសៃប្រសាទសរសៃប្រសាទ។ & Delbruck, T. ប្រព័ន្ធសរសៃប្រសាទសរសៃប្រសាទ។និងប្រព័ន្ធសរសៃប្រសាទ Delbrück T. Neuromorphic ។ & Delbruck, T. 神经形态感觉系统។ & Delbruck, T.និងប្រព័ន្ធសរសៃប្រសាទ Delbrück T. Neuromorphic ។បច្ចុប្បន្ន។ មតិ។ សរសៃប្រសាទ។ 20, 288–295 (2010)។
Chope, T. et al ។ ការរួមបញ្ចូលសរសៃប្រសាទ Neuromorphic សម្រាប់ការធ្វើមូលដ្ឋានីយកម្មប្រភពសំឡេងរួមបញ្ចូលគ្នា និងការជៀសវាងការប៉ះទង្គិច។ នៅឆ្នាំ 2019 នៅឯសន្និសីទ IEEE ស្តីពីសៀគ្វី និងប្រព័ន្ធជីវវេជ្ជសាស្ត្រ (BioCAS) (IEEE Ed.) 1-4 (2019)។
Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. ស្ថាបត្យកម្ម neuromorphic ដែលមានមូលដ្ឋានលើ spike នៃចក្ខុវិស័យស្តេរ៉េអូ។ Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. ស្ថាបត្យកម្ម neuromorphic ដែលមានមូលដ្ឋានលើ spike នៃចក្ខុវិស័យស្តេរ៉េអូ។Risi N, Aymar A, Donati E, Solinas S, និង Indiveri G. ស្ថាបត្យកម្ម neuromorphic stereovision ផ្អែកលើការកើនឡើង។ 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, និង Indiveri G. Spike-based neuromorphic architecture for stereo vision ។ខាងមុខ។ Neurorobottics 14, 93 (2020) ។
Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. គំរូបណ្តាញសរសៃប្រសាទដែលរីករាលដាលនៃ 3Dperception សម្រាប់ប្រព័ន្ធចក្ខុវិស័យ neuromorphic stereo ដែលមានមូលដ្ឋានលើព្រឹត្តិការណ៍។ Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. គំរូបណ្តាញសរសៃប្រសាទដែលរីករាលដាលនៃ 3Dperception សម្រាប់ប្រព័ន្ធចក្ខុវិស័យ neuromorphic stereo ដែលមានមូលដ្ឋានលើព្រឹត្តិការណ៍។Oswald, M., Ieng, S.-H., Benosman, R., និង Indiveri, G. A 3D Pulsed Neural Network Perception Models for Event-Based Neuromorphic Stereo Vision Systems។ Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. 基于事件的神经形态立体视觉系统的3Dperception 脉冲神经网。 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., និង Indiveri, G. Spiked 3Dperception Neural Network Model សម្រាប់ប្រព័ន្ធចក្ខុវិស័យ Neuromorphic Stereo ដែលផ្អែកលើព្រឹត្តិការណ៍។វិទ្យាសាស្ត្រ។ របាយការណ៍ 7, 1–11 (2017) ។
Dalgaty, T. et al ។ ការរកឃើញចលនាជាមូលដ្ឋានដែលបំផុសគំនិតដោយសត្វល្អិត រួមមានអង្គចងចាំទប់ទល់ និងបណ្តាញសរសៃប្រសាទដែលផ្ទុះឡើង។ ប្រព័ន្ធជីវចម្រុះ Bionic ។ 10928, 115–128 (2018)។
D'Angelo, G. et al ។ ការរកឃើញចលនា eccentric ផ្អែកលើព្រឹត្តិការណ៍ដោយប្រើកូដឌីផេរ៉ង់ស្យែលបណ្តោះអាសន្ន។ ខាងមុខ។ សរសៃប្រសាទ។ ១៤, ៤៥១ (ឆ្នាំ ២០២០)។