വാർത്ത

യഥാർത്ഥ-ലോക ഡാറ്റാ പ്രോസസ്സിംഗ് ആപ്ലിക്കേഷനുകൾക്ക് കോംപാക്റ്റ്, ലോ-ലേറ്റൻസി, ലോ-പവർ കമ്പ്യൂട്ടിംഗ് സിസ്റ്റങ്ങൾ ആവശ്യമാണ്. ഇവൻ്റ്-ഡ്രൈവ് കംപ്യൂട്ടിംഗ് കഴിവുകൾക്കൊപ്പം, കോംപ്ലിമെൻ്ററി മെറ്റൽ-ഓക്സൈഡ്-അർദ്ധചാലക ഹൈബ്രിഡ് മെമ്മറിസ്റ്റീവ് ന്യൂറോമോർഫിക് ആർക്കിടെക്ചറുകൾ അത്തരം ജോലികൾക്ക് അനുയോജ്യമായ ഒരു ഹാർഡ്‌വെയർ അടിത്തറ നൽകുന്നു. അത്തരം സിസ്റ്റങ്ങളുടെ മുഴുവൻ സാധ്യതകളും പ്രകടിപ്പിക്കുന്നതിന്, യഥാർത്ഥ-ലോക ഒബ്ജക്റ്റ് ലോക്കലൈസേഷൻ ആപ്ലിക്കേഷനുകൾക്കായി ഞങ്ങൾ ഒരു സമഗ്ര സെൻസർ പ്രോസസ്സിംഗ് പരിഹാരം നിർദ്ദേശിക്കുകയും പരീക്ഷണാത്മകമായി പ്രദർശിപ്പിക്കുകയും ചെയ്യുന്നു. ബാൺ ഓൾ ന്യൂറോഅനാട്ടമിയിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട്, കമ്പ്യൂട്ടേഷണൽ ഗ്രാഫ് അധിഷ്‌ഠിത ന്യൂറോമോർഫിക് റെസിസ്റ്റീവ് മെമ്മറിയുമായി അത്യാധുനിക പീസോ ഇലക്ട്രിക് മൈക്രോമെക്കാനിക്കൽ ട്രാൻസ്‌ഡ്യൂസർ ട്രാൻസ്‌ഡ്യൂസർ സംയോജിപ്പിക്കുന്ന ഒരു ബയോ ഇൻസ്‌പൈർഡ്, ഇവൻ്റ്-ഡ്രൈവ് ഒബ്‌ജക്റ്റ് ലോക്കലൈസേഷൻ സിസ്റ്റം ഞങ്ങൾ വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്. മെമ്മറി അടിസ്ഥാനമാക്കിയുള്ള റെസിസ്റ്റീവ് കോയിൻസിഡൻസ് ഡിറ്റക്ടർ, ഡിലേ ലൈൻ സർക്യൂട്ട്, പൂർണ്ണമായും ഇഷ്ടാനുസൃതമാക്കാവുന്ന അൾട്രാസോണിക് ട്രാൻസ്‌ഡ്യൂസർ എന്നിവ ഉൾപ്പെടുന്ന ഫാബ്രിക്കേറ്റഡ് സിസ്റ്റത്തിൻ്റെ അളവുകൾ ഞങ്ങൾ കാണിക്കുന്നു. സിസ്റ്റം തലത്തിൽ സിമുലേഷനുകൾ കാലിബ്രേറ്റ് ചെയ്യാൻ ഞങ്ങൾ ഈ പരീക്ഷണ ഫലങ്ങൾ ഉപയോഗിക്കുന്നു. ഈ സിമുലേഷനുകൾ പിന്നീട് ഒബ്ജക്റ്റ് ലോക്കലൈസേഷൻ മോഡലിൻ്റെ കോണീയ റെസലൂഷനും ഊർജ്ജ കാര്യക്ഷമതയും വിലയിരുത്താൻ ഉപയോഗിക്കുന്നു. ഒരേ ദൗത്യം നിർവഹിക്കുന്ന മൈക്രോകൺട്രോളറുകളേക്കാൾ കൂടുതൽ ഊർജ്ജക്ഷമതയുള്ള നിരവധി ഓർഡറുകൾ ഞങ്ങളുടെ സമീപനത്തിന് കഴിയുമെന്ന് ഫലങ്ങൾ കാണിക്കുന്നു.
നമ്മുടെ ദൈനംദിന ജീവിതത്തിൽ നമ്മെ സഹായിക്കുന്നതിനായി വിന്യസിച്ചിരിക്കുന്ന ഉപകരണങ്ങളുടെയും സിസ്റ്റങ്ങളുടെയും എണ്ണം ക്രമാതീതമായി വർദ്ധിച്ചുകൊണ്ടിരിക്കുന്ന സർവ്വവ്യാപിയായ കമ്പ്യൂട്ടിംഗിൻ്റെ ഒരു യുഗത്തിലേക്ക് നാം പ്രവേശിക്കുകയാണ്. ഈ സിസ്റ്റങ്ങൾ തുടർച്ചയായി പ്രവർത്തിക്കുമെന്ന് പ്രതീക്ഷിക്കുന്നു, ഒന്നിലധികം സെൻസറുകളിൽ നിന്ന് ശേഖരിക്കുന്ന ഡാറ്റ തത്സമയം വ്യാഖ്യാനിക്കാനും വർഗ്ഗീകരണത്തിൻ്റെയോ തിരിച്ചറിയൽ ടാസ്‌ക്കുകളുടെയോ ഫലമായി ബൈനറി ഔട്ട്‌പുട്ട് ഉത്പാദിപ്പിക്കാനും പഠിക്കുമ്പോൾ കഴിയുന്നത്ര കുറച്ച് വൈദ്യുതി ഉപയോഗിക്കുന്നു. ഈ ലക്ഷ്യം കൈവരിക്കുന്നതിന് ആവശ്യമായ ഏറ്റവും പ്രധാനപ്പെട്ട ഘട്ടങ്ങളിലൊന്ന്, ശബ്ദായമാനവും പലപ്പോഴും അപൂർണ്ണവുമായ സെൻസറി ഡാറ്റയിൽ നിന്ന് ഉപയോഗപ്രദവും ഒതുക്കമുള്ളതുമായ വിവരങ്ങൾ വേർതിരിച്ചെടുക്കുക എന്നതാണ്. പരമ്പരാഗത എഞ്ചിനീയറിംഗ് സമീപനങ്ങൾ സാധാരണ സെൻസർ സിഗ്നലുകളെ സ്ഥിരവും ഉയർന്നതുമായ നിരക്കിൽ സാമ്പിൾ ചെയ്യുന്നു, ഉപയോഗപ്രദമായ ഇൻപുട്ടുകളുടെ അഭാവത്തിൽ പോലും വലിയ അളവിൽ ഡാറ്റ സൃഷ്ടിക്കുന്നു. കൂടാതെ, ഈ രീതികൾ (പലപ്പോഴും ശബ്ദായമാനമായ) ഇൻപുട്ട് ഡാറ്റ പ്രീ-പ്രോസസ് ചെയ്യുന്നതിനായി സങ്കീർണ്ണമായ ഡിജിറ്റൽ സിഗ്നൽ പ്രോസസ്സിംഗ് ടെക്നിക്കുകൾ ഉപയോഗിക്കുന്നു. പകരം, ഊർജ്ജ-കാര്യക്ഷമമായ, അസമന്വിത, ഇവൻ്റ്-ഡ്രൈവൺ സമീപനങ്ങൾ (സ്പൈക്കുകൾ) ഉപയോഗിച്ച് ശബ്ദമയമായ സെൻസറി ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നതിന് ബയോളജി ബദൽ പരിഹാരങ്ങൾ വാഗ്ദാനം ചെയ്യുന്നു. പരമ്പരാഗത സിഗ്നൽ പ്രോസസ്സിംഗ് രീതികളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഊർജ്ജത്തിൻ്റെയും മെമ്മറി ആവശ്യകതകളുടെയും അടിസ്ഥാനത്തിൽ കമ്പ്യൂട്ടേഷണൽ ചെലവ് കുറയ്ക്കുന്നതിന് ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ് ബയോളജിക്കൽ സിസ്റ്റങ്ങളിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊള്ളുന്നു. ഈയിടെ, ഇംപൾസ് ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ (ട്രൂ നോർത്ത്7, ബ്രെയിൻസ്കെയിൽഎസ്8, ഡൈനാപ്-എസ്ഇ9, ലോയ്ഹി10, സ്പിന്നക്കർ11) നടപ്പിലാക്കുന്ന നൂതനമായ പൊതു ഉദ്ദേശ്യ മസ്തിഷ്ക അധിഷ്‌ഠിത സംവിധാനങ്ങൾ പ്രദർശിപ്പിച്ചിട്ടുണ്ട്. ഈ പ്രോസസറുകൾ മെഷീൻ ലേണിംഗിനും കോർട്ടിക്കൽ സർക്യൂട്ട് മോഡലിംഗിനും കുറഞ്ഞ പവർ, കുറഞ്ഞ ലേറ്റൻസി പരിഹാരങ്ങൾ നൽകുന്നു. അവയുടെ ഊർജ്ജ കാര്യക്ഷമത പൂർണ്ണമായി പ്രയോജനപ്പെടുത്തുന്നതിന്, ഈ ന്യൂറോമോർഫിക് പ്രോസസ്സറുകൾ ഇവൻ്റ്-ഡ്രൈവ് സെൻസറുകളുമായി നേരിട്ട് ബന്ധിപ്പിച്ചിരിക്കണം12,13. എന്നിരുന്നാലും, ഇന്ന് ഇവൻ്റ്-ഡ്രൈവ് ഡാറ്റ നേരിട്ട് നൽകുന്ന ചില ടച്ച് ഉപകരണങ്ങൾ മാത്രമേയുള്ളൂ. ട്രാക്കിംഗ്, മോഷൻ ഡിറ്റക്ഷൻ 14,15,16,17 സിലിക്കൺ കോക്ലിയ 18, ന്യൂറോമോർഫിക് ഓഡിറ്ററി സെൻസറുകൾ (NAS)19, ഓൾഫാക്റ്ററി സെൻസറുകൾ 20, നിരവധി ടച്ച് 22 ഉദാഹരണങ്ങൾ എന്നിവ പോലുള്ള വിഷൻ ആപ്ലിക്കേഷനുകൾക്കുള്ള ഡൈനാമിക് വിഷ്വൽ സെൻസറുകൾ (DVS) പ്രമുഖ ഉദാഹരണങ്ങളാണ്. . ടെക്സ്ചർ സെൻസറുകൾ.
ഈ പേപ്പറിൽ, ഒബ്‌ജക്റ്റ് ലോക്കലൈസേഷനായി പ്രയോഗിച്ച പുതിയതായി വികസിപ്പിച്ച ഇവൻ്റ്-ഡ്രൈവ് ഓഡിറ്ററി പ്രോസസ്സിംഗ് സിസ്റ്റം ഞങ്ങൾ അവതരിപ്പിക്കുന്നു. ന്യൂറോമോർഫിക് റെസിസ്റ്റീവ് മെമ്മറി (RRAM) അടിസ്ഥാനമാക്കിയുള്ള ഒരു കമ്പ്യൂട്ടേഷണൽ ഗ്രാഫുമായി അത്യാധുനിക പീസോ ഇലക്ട്രിക് മൈക്രോമഷീൻഡ് അൾട്രാസോണിക് ട്രാൻസ്‌ഡ്യൂസർ (pMUT) ബന്ധിപ്പിച്ച് ലഭിച്ച ഒബ്‌ജക്റ്റ് ലോക്കലൈസേഷനായുള്ള ഒരു എൻഡ്-ടു-എൻഡ് സിസ്റ്റം ഞങ്ങൾ ഇവിടെ വിവരിക്കുന്നു. RRAM ഉപയോഗിക്കുന്ന ഇൻ-മെമ്മറി കമ്പ്യൂട്ടിംഗ് ആർക്കിടെക്ചറുകൾ വൈദ്യുതി ഉപഭോഗം കുറയ്ക്കുന്നതിനുള്ള ഒരു നല്ല പരിഹാരമാണ്23,24,25,26,27,28,29. അവയുടെ അന്തർലീനമായ അസ്ഥിരത-വിവരങ്ങൾ സംഭരിക്കുന്നതിനോ അപ്‌ഡേറ്റ് ചെയ്യുന്നതിനോ സജീവമായ ഊർജ്ജ ഉപഭോഗം ആവശ്യമില്ല- ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗിൻ്റെ അസമന്വിതവും ഇവൻ്റ്-പ്രേരകവുമായ സ്വഭാവത്തിന് തികച്ചും അനുയോജ്യമാണ്, ഇത് സിസ്റ്റം നിഷ്‌ക്രിയമായിരിക്കുമ്പോൾ വൈദ്യുതി ഉപഭോഗം ഉണ്ടാകില്ല. പീസോഇലക്‌ട്രിക് മൈക്രോമഷീൻഡ് അൾട്രാസോണിക് ട്രാൻസ്‌ഡ്യൂസറുകൾ (pMUTs) ചെലവുകുറഞ്ഞതും, ട്രാൻസ്മിറ്ററുകളായും റിസീവറുകളായും പ്രവർത്തിക്കാൻ കഴിവുള്ള മിനിയേച്ചറൈസ്ഡ് സിലിക്കൺ അധിഷ്ഠിത അൾട്രാസോണിക് ട്രാൻസ്‌ഡ്യൂസറുകളാണ്. ബിൽറ്റ്-ഇൻ സെൻസറുകൾക്ക് ലഭിച്ച സിഗ്നലുകൾ പ്രോസസ്സ് ചെയ്യുന്നതിന്, ഞങ്ങൾ ബാൺ ഓൾ ന്യൂറോഅനാട്ടമി35,36,37-ൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ടു. വളരെ കാര്യക്ഷമമായ ഓഡിറ്ററി ലോക്കലൈസേഷൻ സിസ്റ്റത്തിന് നന്ദി, ബേൺ മൂങ്ങ ടൈറ്റോ ആൽബ അതിൻ്റെ ശ്രദ്ധേയമായ രാത്രി വേട്ട കഴിവുകൾക്ക് പേരുകേട്ടതാണ്. ഇരയുടെ സ്ഥാനം കണക്കാക്കാൻ, മൂങ്ങയുടെ പ്രാദേശികവൽക്കരണ സംവിധാനം ഇരയിൽ നിന്നുള്ള ശബ്ദ തരംഗങ്ങൾ മൂങ്ങയുടെ ചെവികളിലോ ശബ്ദ റിസപ്റ്ററുകളിലോ എത്തുമ്പോൾ പറക്കുന്ന സമയം (ToF) എൻകോഡ് ചെയ്യുന്നു. ചെവികൾ തമ്മിലുള്ള ദൂരം കണക്കിലെടുക്കുമ്പോൾ, രണ്ട് ToF അളവുകൾ തമ്മിലുള്ള വ്യത്യാസം (ഇൻ്ററൗറൽ ടൈം ഡിഫറൻസ്, ITD) ലക്ഷ്യത്തിൻ്റെ അസിമുത്ത് സ്ഥാനം വിശകലനപരമായി കണക്കാക്കുന്നത് സാധ്യമാക്കുന്നു. ബീജഗണിത സമവാക്യങ്ങൾ പരിഹരിക്കുന്നതിന് ജൈവ സംവിധാനങ്ങൾ വളരെ അനുയോജ്യമല്ലെങ്കിലും, പ്രാദേശികവൽക്കരണ പ്രശ്നങ്ങൾ വളരെ ഫലപ്രദമായി പരിഹരിക്കാൻ അവയ്ക്ക് കഴിയും. ബേൺ ഓൾ നാഡീവ്യൂഹം ഒരു കൂട്ടം യാദൃശ്ചിക ഡിറ്റക്ടർ (സിഡി) 35 ന്യൂറോണുകൾ ഉപയോഗിക്കുന്നു (അതായത്, താഴോട്ട് പ്രചരിക്കുന്ന സ്പൈക്കുകൾ തമ്മിലുള്ള താൽക്കാലിക പരസ്പര ബന്ധങ്ങൾ കണ്ടുപിടിക്കാൻ കഴിവുള്ള ന്യൂറോണുകൾ, 38,39 കംപ്യൂട്ടേഷണൽ ഗ്രാഫുകളായി ക്രമീകരിച്ച് സ്ഥാനനിർണ്ണയ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നു.
കോംപ്ലിമെൻ്ററി മെറ്റൽ-ഓക്‌സൈഡ്-അർദ്ധചാലക (CMOS) ഹാർഡ്‌വെയറും RRAM-അധിഷ്ഠിത ന്യൂറോമോർഫിക് ഹാർഡ്‌വെയറും തൊഴുത്തിലെ മൂങ്ങയുടെ ഇൻഫീരിയർ കോളികുലസ് ("ഓഡിറ്ററി കോർട്ടെക്സ്") ITD141, 40 ഉപയോഗിച്ച് സ്ഥാനം കണക്കാക്കുന്നതിനുള്ള കാര്യക്ഷമമായ രീതിയാണെന്ന് മുൻ ഗവേഷണങ്ങൾ തെളിയിച്ചിട്ടുണ്ട്. 42, 43, 44, 45, 46. എന്നിരുന്നാലും, ഓഡിറ്ററി സൂചകങ്ങളെ ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടേഷണൽ ഗ്രാഫുകളുമായി ബന്ധിപ്പിക്കുന്ന സമ്പൂർണ്ണ ന്യൂറോമോർഫിക് സിസ്റ്റങ്ങളുടെ സാധ്യതകൾ ഇനിയും തെളിയിക്കപ്പെട്ടിട്ടില്ല. പ്രധാന പ്രശ്നം അനലോഗ് CMOS സർക്യൂട്ടുകളുടെ അന്തർലീനമായ വ്യതിയാനമാണ്, ഇത് പൊരുത്തം കണ്ടെത്തുന്നതിൻ്റെ കൃത്യതയെ ബാധിക്കുന്നു. അടുത്തിടെ, ITD47 എസ്റ്റിമേറ്റുകളുടെ ഇതര സംഖ്യാപരമായ നടപ്പാക്കലുകൾ പ്രദർശിപ്പിച്ചിട്ടുണ്ട്. ഈ പേപ്പറിൽ, അനലോഗ് സർക്യൂട്ടുകളിലെ വ്യതിയാനത്തെ ചെറുക്കുന്നതിന്, അസ്ഥിരമല്ലാത്ത രീതിയിൽ ചാലക മൂല്യം മാറ്റാൻ RRAM-ൻ്റെ കഴിവ് ഉപയോഗിക്കാൻ ഞങ്ങൾ നിർദ്ദേശിക്കുന്നു. 111.9 kHz ആവൃത്തിയിൽ പ്രവർത്തിക്കുന്ന ഒരു pMUT ട്രാൻസ്മിറ്റിംഗ് മെംബ്രൺ, ബേൺ മൂങ്ങ ചെവികളെ അനുകരിക്കുന്ന രണ്ട് pMUT സ്വീകരിക്കുന്ന മെംബ്രണുകൾ (സെൻസറുകൾ), ഒന്ന് എന്നിവ അടങ്ങുന്ന ഒരു പരീക്ഷണാത്മക സംവിധാനം ഞങ്ങൾ നടപ്പിലാക്കി. ഞങ്ങളുടെ പ്രാദേശികവൽക്കരണ സംവിധാനം പരിശോധിക്കുന്നതിനും അതിൻ്റെ കോണാകൃതിയിലുള്ള റെസലൂഷൻ വിലയിരുത്തുന്നതിനുമായി pMUT കണ്ടെത്തൽ സംവിധാനവും RRAM-അധിഷ്ഠിത ITD കമ്പ്യൂട്ടേഷണൽ ഗ്രാഫും ഞങ്ങൾ പരീക്ഷണാത്മകമായി ചിത്രീകരിച്ചു.
പരമ്പരാഗത ബീംഫോർമിംഗ് അല്ലെങ്കിൽ ന്യൂറോമോർഫിക് രീതികൾ ഉപയോഗിച്ച് അതേ പ്രാദേശികവൽക്കരണ ചുമതല നിർവഹിക്കുന്ന മൈക്രോകൺട്രോളറിലെ ഡിജിറ്റൽ നിർവ്വഹണവുമായി ഞങ്ങൾ ഞങ്ങളുടെ രീതി താരതമ്യം ചെയ്യുന്നു, കൂടാതെ റഫറൻസിൽ നിർദ്ദേശിച്ചിട്ടുള്ള ഐടിഡി എസ്റ്റിമേറ്റിനായുള്ള ഒരു ഫീൽഡ് പ്രോഗ്രാമബിൾ ഗേറ്റ് അറേ (എഫ്പിജിഎ). 47. ഈ താരതമ്യം, നിർദ്ദിഷ്ട RRAM അടിസ്ഥാനമാക്കിയുള്ള അനലോഗ് ന്യൂറോമോർഫിക് സിസ്റ്റത്തിൻ്റെ മത്സരാധിഷ്ഠിത പവർ കാര്യക്ഷമതയെ എടുത്തുകാണിക്കുന്നു.
കൃത്യവും കാര്യക്ഷമവുമായ ഒബ്ജക്റ്റ് ലോക്കലൈസേഷൻ സിസ്റ്റത്തിൻ്റെ ഏറ്റവും ശ്രദ്ധേയമായ ഉദാഹരണങ്ങളിലൊന്ന് ബാൺ മൂങ്ങയിൽ കാണാം. സന്ധ്യയിലും പ്രഭാതത്തിലും, കളപ്പുര മൂങ്ങ (ടൈറ്റോ ആൽബ) പ്രാഥമികമായി നിഷ്ക്രിയ ശ്രവണത്തെ ആശ്രയിക്കുന്നു, വോളുകൾ അല്ലെങ്കിൽ എലികൾ പോലുള്ള ചെറിയ ഇരകളെ സജീവമായി തിരയുന്നു. ഈ ഓഡിറ്ററി വിദഗ്ധർക്ക് ഇരയിൽ നിന്നുള്ള ഓഡിറ്ററി സിഗ്നലുകൾ അമ്പരപ്പിക്കുന്ന കൃത്യതയോടെ (ഏകദേശം 2°)35, ചിത്രം 1a-ൽ കാണിച്ചിരിക്കുന്നത് പോലെ പ്രാദേശികവൽക്കരിക്കാൻ കഴിയും. ശബ്‌ദ സ്രോതസ്സിൽ നിന്ന് രണ്ട് ചെവികളിലേക്കുള്ള ഇൻകമിംഗ് ടൈം ഓഫ് ഫ്ലൈറ്റിലെ (ഐടിഡി) വ്യത്യാസത്തിൽ നിന്ന് അസിമുത്ത് (തിരശ്ചീന) തലത്തിലെ ശബ്ദ സ്രോതസ്സുകളുടെ സ്ഥാനം ബേൺ മൂങ്ങകൾ അനുമാനിക്കുന്നു. ITD കമ്പ്യൂട്ടേഷണൽ മെക്കാനിസം നിർദ്ദേശിച്ചത് Jeffress49,50 ആണ്, അത് ന്യൂറൽ ജ്യാമിതിയെ ആശ്രയിക്കുന്നു, ഇതിന് രണ്ട് പ്രധാന ഘടകങ്ങൾ ആവശ്യമാണ്: ഒരു ആക്സൺ, ഒരു ന്യൂറോണിൻ്റെ നാഡി ഫൈബർ ഒരു കാലതാമസം രേഖയായി പ്രവർത്തിക്കുന്നു, കൂടാതെ ഒരു കമ്പ്യൂട്ടേഷണൽ സിസ്റ്റത്തിലേക്ക് ക്രമീകരിച്ചിരിക്കുന്ന യാദൃശ്ചിക ഡിറ്റക്ടർ ന്യൂറോണുകളുടെ ഒരു നിര. ചിത്രം 1b-ൽ കാണിച്ചിരിക്കുന്നതുപോലെ ഗ്രാഫ്. അസിമുത്ത് ആശ്രിത സമയ കാലതാമസത്തോടെ (ഐടിഡി) ശബ്ദം ചെവിയിൽ എത്തുന്നു. പിന്നീട് ശബ്ദം ഓരോ ചെവിയിലും സ്പൈക്ക് പാറ്റേണിലേക്ക് പരിവർത്തനം ചെയ്യപ്പെടുന്നു. ഇടത്, വലത് ചെവികളിലെ ആക്സോണുകൾ കാലതാമസം വരകളായി പ്രവർത്തിക്കുകയും സിഡി ന്യൂറോണുകളിൽ ഒത്തുചേരുകയും ചെയ്യുന്നു. സൈദ്ധാന്തികമായി, പൊരുത്തപ്പെടുന്ന ന്യൂറോണുകളുടെ ഒരു നിരയിലെ ഒരു ന്യൂറോണിന് മാത്രമേ ഒരു സമയം ഇൻപുട്ട് ലഭിക്കുകയുള്ളൂ (ഇവിടെ കാലതാമസം കൃത്യമായി റദ്ദാക്കപ്പെടും) കൂടാതെ പരമാവധി ജ്വലിക്കും (അയൽ കോശങ്ങളും തീപിടിക്കും, പക്ഷേ കുറഞ്ഞ ആവൃത്തിയിൽ). ചില ന്യൂറോണുകൾ സജീവമാക്കുന്നത് ഐടിഡിയെ കോണുകളിലേക്ക് പരിവർത്തനം ചെയ്യാതെ ബഹിരാകാശത്ത് ലക്ഷ്യത്തിൻ്റെ സ്ഥാനം എൻകോഡ് ചെയ്യുന്നു. ഈ ആശയം ചിത്രം 1c-ൽ സംഗ്രഹിച്ചിരിക്കുന്നു: ഉദാഹരണത്തിന്, വലത് ചെവിയിൽ നിന്നുള്ള ഇൻപുട്ട് സിഗ്നൽ ഇടത് ചെവിയിൽ നിന്നുള്ള പാതയേക്കാൾ ദൈർഘ്യമേറിയ പാതയിലൂടെ സഞ്ചരിക്കുമ്പോൾ ശബ്ദം വലതുഭാഗത്ത് നിന്നാണ് വരുന്നതെങ്കിൽ, ഐടിഡികളുടെ എണ്ണത്തിന് നഷ്ടപരിഹാരം നൽകുന്നു, ഉദാഹരണത്തിന്, ന്യൂറോൺ 2 പൊരുത്തപ്പെടുമ്പോൾ. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ഓരോ സിഡിയും ആക്സോണൽ കാലതാമസം കാരണം ഒരു നിശ്ചിത ഐടിഡിയോട് (ഒപ്റ്റിമൽ കാലതാമസം എന്നും അറിയപ്പെടുന്നു) പ്രതികരിക്കുന്നു. അങ്ങനെ, മസ്തിഷ്കം താൽക്കാലിക വിവരങ്ങളെ സ്പേഷ്യൽ വിവരങ്ങളാക്കി മാറ്റുന്നു. ഈ സംവിധാനത്തിൻ്റെ ശരീരഘടനാപരമായ തെളിവുകൾ 37,51 കണ്ടെത്തി. ഘട്ടം പൂട്ടിയ മാക്രോ ന്യൂക്ലിയസ് ന്യൂറോണുകൾ ഇൻകമിംഗ് ശബ്ദങ്ങളെക്കുറിച്ചുള്ള താൽക്കാലിക വിവരങ്ങൾ സംഭരിക്കുന്നു: അവയുടെ പേര് സൂചിപ്പിക്കുന്നത് പോലെ, അവ ചില സിഗ്നൽ ഘട്ടങ്ങളിൽ വെടിവയ്ക്കുന്നു. ജെഫ്രെസ് മോഡലിൻ്റെ യാദൃശ്ചിക ഡിറ്റക്ടർ ന്യൂറോണുകൾ ലാമിനാർ കോറിൽ കാണാം. അവയ്ക്ക് മാക്രോ ന്യൂക്ലിയർ ന്യൂറോണുകളിൽ നിന്ന് വിവരങ്ങൾ ലഭിക്കുന്നു, അവയുടെ ആക്സോണുകൾ കാലതാമസം വരകളായി പ്രവർത്തിക്കുന്നു. കാലതാമസം രേഖ നൽകുന്ന കാലതാമസത്തിൻ്റെ അളവ് ആക്‌സോണിൻ്റെ നീളം, അതുപോലെ തന്നെ ചാലക പ്രവേഗം മാറ്റുന്ന മറ്റൊരു മൈലിനേഷൻ പാറ്റേൺ എന്നിവയാൽ വിശദീകരിക്കാം. ബേൺ മൂങ്ങയുടെ ഓഡിറ്ററി സിസ്റ്റത്തിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട്, വസ്തുക്കളെ പ്രാദേശികവൽക്കരിക്കുന്നതിന് ഞങ്ങൾ ഒരു ബയോമിമെറ്റിക് സിസ്റ്റം വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്. രണ്ട് ചെവികളെ രണ്ട് pMUT റിസീവറുകൾ പ്രതിനിധീകരിക്കുന്നു. ശബ്ദ സ്രോതസ്സ് അവയ്ക്കിടയിൽ സ്ഥിതി ചെയ്യുന്ന pMUT ട്രാൻസ്മിറ്ററാണ് (ചിത്രം 1 എ), കൂടാതെ ഇൻപുട്ടുകൾ വൈകുന്ന സിഡി ന്യൂറോണുകളുടെ പങ്ക് വഹിക്കുന്ന RRAM-അധിഷ്ഠിത സിഡി സർക്യൂട്ടുകളുടെ ഒരു ഗ്രിഡ് (ചിത്രം. 1 ബി, പച്ച) ഉപയോഗിച്ചാണ് കമ്പ്യൂട്ടേഷണൽ ഗ്രാഫ് രൂപപ്പെടുന്നത്. സർക്യൂട്ടിലൂടെ, കാലതാമസം വരകൾ (നീല) ബയോളജിക്കൽ കൗണ്ടർപാർട്ടിലെ ആക്സോണുകൾ പോലെ പ്രവർത്തിക്കുന്നു. ഓഡിറ്ററി സിസ്റ്റം 1-8 kHz ശ്രേണിയിൽ പ്രവർത്തിക്കുന്ന മൂങ്ങയുടെ പ്രവർത്തന ആവൃത്തിയിൽ നിന്ന് നിർദ്ദിഷ്ട സെൻസറി സിസ്റ്റം വ്യത്യാസപ്പെട്ടിരിക്കുന്നു, എന്നാൽ ഏകദേശം 117 kHz ൽ പ്രവർത്തിക്കുന്ന pMUT സെൻസറുകൾ ഈ ജോലിയിൽ ഉപയോഗിക്കുന്നു. സാങ്കേതികവും ഒപ്റ്റിമൈസേഷൻ മാനദണ്ഡങ്ങളും അനുസരിച്ച് ഒരു അൾട്രാസോണിക് ട്രാൻസ്ഡ്യൂസറിൻ്റെ തിരഞ്ഞെടുപ്പ് കണക്കാക്കപ്പെടുന്നു. ആദ്യം, സ്വീകരിക്കുന്ന ബാൻഡ്‌വിഡ്ത്ത് ഒരൊറ്റ ഫ്രീക്വൻസിയിലേക്ക് പരിമിതപ്പെടുത്തുന്നത് മെഷർമെൻ്റ് കൃത്യത മെച്ചപ്പെടുത്തുകയും പോസ്റ്റ്-പ്രോസസ്സിംഗ് ഘട്ടം ലളിതമാക്കുകയും ചെയ്യുന്നു. കൂടാതെ, അൾട്രാസൗണ്ടിലെ പ്രവർത്തനത്തിന് പുറന്തള്ളുന്ന പൾസുകൾ കേൾക്കാനാകില്ല, അതിനാൽ ആളുകളെ ശല്യപ്പെടുത്തരുത്, കാരണം അവയുടെ ഓഡിറ്ററി പരിധി ~20-20 kHz ആണ്.
കളപ്പുര മൂങ്ങ ഒരു ലക്ഷ്യത്തിൽ നിന്ന് ശബ്ദ തരംഗങ്ങൾ സ്വീകരിക്കുന്നു, ഈ സാഹചര്യത്തിൽ ഇരയെ ചലിപ്പിക്കുന്നു. ശബ്ദ തരംഗത്തിൻ്റെ പറക്കലിൻ്റെ സമയം (ToF) ഓരോ ചെവിക്കും വ്യത്യസ്തമാണ് (ഇര മൂങ്ങയുടെ മുമ്പിൽ നേരിട്ട് ഇല്ലെങ്കിൽ). തൊഴുത്ത് മൂങ്ങയുടെ ചെവികളിലേക്ക് ശബ്ദ തരംഗങ്ങൾ എത്തിച്ചേരുന്ന പാത ഡോട്ട് ഇട്ട രേഖ കാണിക്കുന്നു. ഇരയെ തിരശ്ചീന തലത്തിൽ കൃത്യമായി പ്രാദേശികവൽക്കരിക്കാൻ കഴിയും, രണ്ട് ശബ്ദപാതകൾ തമ്മിലുള്ള നീളവ്യത്യാസവും അതിനനുസരിച്ചുള്ള ഇൻ്റർഓറൽ സമയ വ്യത്യാസവും (ITD) (ഇടത് ചിത്രം ref. 74, പകർപ്പവകാശം 2002, സൊസൈറ്റി ഫോർ ന്യൂറോ സയൻസ്). ഞങ്ങളുടെ സിസ്റ്റത്തിൽ, pMUT ട്രാൻസ്മിറ്റർ (കടും നീല) ലക്ഷ്യത്തിൽ നിന്ന് കുതിക്കുന്ന ശബ്ദ തരംഗങ്ങൾ സൃഷ്ടിക്കുന്നു. പ്രതിഫലിക്കുന്ന അൾട്രാസൗണ്ട് തരംഗങ്ങൾ രണ്ട് pMUT റിസീവറുകൾ (ഇളം പച്ച) സ്വീകരിക്കുകയും ന്യൂറോമോർഫിക് പ്രോസസർ (വലത്) പ്രോസസ്സ് ചെയ്യുകയും ചെയ്യുന്നു. b മൂങ്ങയുടെ ചെവിയിൽ പ്രവേശിക്കുന്ന ശബ്ദങ്ങൾ എങ്ങനെയാണ് ലാർജ് ന്യൂക്ലിയസിൽ (NM) ഫേസ് ലോക്ക്ഡ് സ്പൈക്കുകളായി ആദ്യം എൻകോഡ് ചെയ്യപ്പെടുന്നതെന്നും തുടർന്ന് ലാമെല്ലാർ ന്യൂക്ലിയസിലെ മാച്ച്ഡ് ഡിറ്റക്ടർ ന്യൂറോണുകളുടെ ജ്യാമിതീയമായി ക്രമീകരിച്ച ഗ്രിഡ് ഉപയോഗിക്കുന്നതെങ്ങനെയെന്നും വിവരിക്കുന്ന ഒരു ഐടിഡി (ജെഫ്രെസ്) കമ്പ്യൂട്ടേഷണൽ മോഡൽ. പ്രോസസ്സിംഗ് (നെതർലാൻഡ്സ്) (ഇടത്). ന്യൂറോഐടിഡി കമ്പ്യൂട്ടേഷണൽ ഗ്രാഫിൻ്റെ ചിത്രീകരണം കാലതാമസം വരകളും യാദൃശ്ചിക ഡിറ്റക്ടർ ന്യൂറോണുകളും സംയോജിപ്പിച്ച്, RRAM അടിസ്ഥാനമാക്കിയുള്ള ന്യൂറോമോർഫിക് സർക്യൂട്ടുകൾ (വലത്) ഉപയോഗിച്ച് മൂങ്ങ ബയോസെൻസർ സിസ്റ്റം മാതൃകയാക്കാവുന്നതാണ്. സി പ്രധാന ജെഫ്രെസ് മെക്കാനിസത്തിൻ്റെ സ്കീമാറ്റിക്, ToF-ലെ വ്യത്യാസം കാരണം, രണ്ട് ചെവികൾക്കും വ്യത്യസ്ത സമയങ്ങളിൽ ശബ്ദ ഉത്തേജനം ലഭിക്കുകയും രണ്ട് അറ്റങ്ങളിൽ നിന്നും ഡിറ്റക്ടറിലേക്ക് ആക്സോണുകൾ അയയ്ക്കുകയും ചെയ്യുന്നു. യാദൃശ്ചിക ഡിറ്റക്ടർ (സിഡി) ന്യൂറോണുകളുടെ ഒരു പരമ്പരയുടെ ഭാഗമാണ് ആക്സോണുകൾ, അവ ഓരോന്നും സമയവുമായി ബന്ധപ്പെട്ട ഇൻപുട്ടുകളോട് തിരഞ്ഞെടുത്ത് പ്രതികരിക്കുന്നു. തൽഫലമായി, ഏറ്റവും ചെറിയ സമയ വ്യത്യാസത്തിൽ ഇൻപുട്ടുകൾ എത്തുന്ന സിഡികൾ മാത്രമേ പരമാവധി ആവേശഭരിതരാകൂ (ഐടിഡി കൃത്യമായി നഷ്ടപരിഹാരം നൽകുന്നു). സിഡി പിന്നീട് ലക്ഷ്യത്തിൻ്റെ കോണീയ സ്ഥാനം എൻകോഡ് ചെയ്യും.
നൂതന CMOS സാങ്കേതികവിദ്യ31,32,33,52 എന്നിവയുമായി സംയോജിപ്പിക്കാൻ കഴിയുന്ന അൾട്രാസോണിക് ട്രാൻസ്‌ഡ്യൂസറുകളാണ് പീസോ ഇലക്ട്രിക് മൈക്രോമെക്കാനിക്കൽ അൾട്രാസോണിക് ട്രാൻസ്‌ഡ്യൂസറുകൾ, പരമ്പരാഗത വോള്യൂമെട്രിക് ട്രാൻസ്‌ഡ്യൂസറുകളേക്കാൾ കുറഞ്ഞ പ്രാരംഭ വോൾട്ടേജും വൈദ്യുതി ഉപഭോഗവും ഉണ്ട്. ഞങ്ങളുടെ പ്രവർത്തനത്തിൽ, മെംബ്രൺ വ്യാസം 880 µm ആണ്, അനുരണന ആവൃത്തി 110-117 kHz പരിധിയിലാണ് വിതരണം ചെയ്യുന്നത് (ചിത്രം 2a, വിശദാംശങ്ങൾക്ക് രീതികൾ കാണുക). പത്ത് ടെസ്റ്റ് ഉപകരണങ്ങളുടെ ഒരു ബാച്ചിൽ, ശരാശരി ഗുണനിലവാര ഘടകം ഏകദേശം 50 ആയിരുന്നു (റഫർ. 31). സാങ്കേതികവിദ്യ വ്യാവസായിക പക്വതയിൽ എത്തിയിരിക്കുന്നു, അത് ബയോ ഇൻസ്പൈർഡ് അല്ല. വ്യത്യസ്ത pMUT ഫിലിമുകളിൽ നിന്നുള്ള വിവരങ്ങൾ സംയോജിപ്പിക്കുന്നത് അറിയപ്പെടുന്ന ഒരു സാങ്കേതികതയാണ്, കൂടാതെ pMUT-കളിൽ നിന്ന് ആംഗിൾ വിവരങ്ങൾ ലഭിക്കും, ഉദാഹരണത്തിന്, ബീംഫോർമിംഗ് ടെക്നിക്കുകൾ31,54. എന്നിരുന്നാലും, ആംഗിൾ വിവരങ്ങൾ വേർതിരിച്ചെടുക്കാൻ ആവശ്യമായ സിഗ്നൽ പ്രോസസ്സിംഗ് കുറഞ്ഞ പവർ അളവുകൾക്ക് അനുയോജ്യമല്ല. നിർദ്ദിഷ്ട സിസ്റ്റം ന്യൂറോമോർഫിക് ഡാറ്റ പ്രീപ്രോസസിംഗ് സർക്യൂട്ട് pMUT-നെ ജെഫ്രെസ് മോഡലിൽ നിന്ന് പ്രചോദിപ്പിച്ച RRAM-അധിഷ്ഠിത ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ് ഗ്രാഫുമായി സംയോജിപ്പിക്കുന്നു (ചിത്രം 2c), ബദൽ ഊർജ്ജ-കാര്യക്ഷമവും വിഭവ-നിയന്ത്രണമുള്ളതുമായ ഹാർഡ്‌വെയർ പരിഹാരം നൽകുന്നു. രണ്ട് സ്വീകരിക്കുന്ന മെംബ്രണുകൾക്ക് ലഭിക്കുന്ന വ്യത്യസ്ത ToF ശബ്‌ദങ്ങൾ പ്രയോജനപ്പെടുത്തുന്നതിന് ഏകദേശം 10 സെൻ്റിമീറ്റർ അകലത്തിൽ രണ്ട് pMUT സെൻസറുകൾ സ്ഥാപിച്ച് ഞങ്ങൾ ഒരു പരീക്ഷണം നടത്തി. ഒരു ട്രാൻസ്മിറ്ററായി പ്രവർത്തിക്കുന്ന ഒരു pMUT റിസീവറുകൾക്കിടയിൽ ഇരിക്കുന്നു. ലക്ഷ്യം 12 സെൻ്റീമീറ്റർ വീതിയുള്ള ഒരു PVC പ്ലേറ്റ് ആയിരുന്നു, pMUT ഉപകരണത്തിന് മുന്നിൽ D അകലെ സ്ഥിതി ചെയ്യുന്നു (ചിത്രം 2b). റിസീവർ വസ്തുവിൽ നിന്ന് പ്രതിഫലിക്കുന്ന ശബ്ദം രേഖപ്പെടുത്തുകയും ശബ്ദ തരംഗത്തിൻ്റെ കടന്നുപോകുമ്പോൾ കഴിയുന്നത്ര പ്രതികരിക്കുകയും ചെയ്യുന്നു. ഒബ്‌ജക്‌റ്റിൻ്റെ സ്ഥാനം മാറ്റിക്കൊണ്ട് പരീക്ഷണം ആവർത്തിക്കുക, ദൂരം D യും കോണും θ എന്നിവയാൽ നിർണ്ണയിക്കപ്പെടുന്നു. ഒരു ലിങ്കിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ടത്. 55, ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടേഷണൽ ഗ്രാഫ് ഇൻപുട്ട് ചെയ്യുന്നതിന് പ്രതിഫലിക്കുന്ന തരംഗങ്ങളെ കൊടുമുടികളാക്കി മാറ്റുന്നതിന് pMUT റോ സിഗ്നലുകളുടെ ന്യൂറോമോർഫിക് പ്രീ-പ്രോസസ്സിംഗ് ഞങ്ങൾ നിർദ്ദേശിക്കുന്നു. പീക്ക് ആംപ്ലിറ്റ്യൂഡിന് അനുയോജ്യമായ ToF രണ്ട് ചാനലുകളിൽ നിന്നും വേർതിരിച്ചെടുക്കുകയും വ്യക്തിഗത കൊടുമുടികളുടെ കൃത്യമായ സമയമായി എൻകോഡ് ചെയ്യുകയും ചെയ്യുന്നു. അത്തിപ്പഴത്തിൽ. RRAM അടിസ്ഥാനമാക്കിയുള്ള കമ്പ്യൂട്ടേഷണൽ ഗ്രാഫ് ഉപയോഗിച്ച് pMUT സെൻസറിനെ ഇൻ്റർഫേസ് ചെയ്യുന്നതിന് ആവശ്യമായ സർക്യൂട്ട് 2c കാണിക്കുന്നു: രണ്ട് pMUT റിസീവറുകളിൽ ഓരോന്നിനും, റോ സിഗ്നൽ ബാൻഡ്-പാസ് സുഗമമാക്കുന്നതിനും ശരിയാക്കുന്നതിനും തുടർന്ന് ഓവർകമിംഗ് മോഡിൽ ലീക്കി ഇൻ്റഗ്രേറ്ററിലേക്ക് കൈമാറുകയും ചെയ്യുന്നു. ഡൈനാമിക് ത്രെഷോൾഡ് (ചിത്രം 2d) ഒരു ഔട്ട്പുട്ട് ഇവൻ്റ് (സ്പൈക്ക്), ഫയറിംഗ് (LIF) ന്യൂറോണുകൾ സൃഷ്ടിക്കുന്നു: ഔട്ട്പുട്ട് സ്പൈക്ക് സമയം കണ്ടെത്തിയ ഫ്ലൈറ്റ് സമയത്തെ എൻകോഡ് ചെയ്യുന്നു. pMUT പ്രതികരണത്തിന് വിരുദ്ധമായി LIF ത്രെഷോൾഡ് കാലിബ്രേറ്റ് ചെയ്യുന്നു, അതുവഴി ഉപകരണത്തിൽ നിന്ന് ഉപകരണത്തിലേക്കുള്ള pMUT വേരിയബിളിറ്റി കുറയ്ക്കുന്നു. ഈ സമീപനത്തിലൂടെ, മുഴുവൻ ശബ്‌ദ തരംഗവും മെമ്മറിയിൽ സംഭരിച്ച് പിന്നീട് പ്രോസസ്സ് ചെയ്യുന്നതിനുപകരം, ശബ്ദ തരംഗത്തിൻ്റെ ToF-ന് അനുയോജ്യമായ ഒരു കൊടുമുടി ഞങ്ങൾ സൃഷ്ടിക്കുന്നു, ഇത് റെസിസ്റ്റീവ് മെമ്മറി കമ്പ്യൂട്ടേഷണൽ ഗ്രാഫിലേക്ക് ഇൻപുട്ടായി മാറുന്നു. സ്പൈക്കുകൾ നേരിട്ട് കാലതാമസം വരകളിലേക്ക് അയയ്ക്കുകയും ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടേഷൻ ഗ്രാഫുകളിലെ മാച്ച് ഡിറ്റക്ഷൻ മൊഡ്യൂളുകളുമായി സമാന്തരമാക്കുകയും ചെയ്യുന്നു. അവ ട്രാൻസിസ്റ്ററുകളുടെ ഗേറ്റുകളിലേക്ക് അയച്ചതിനാൽ, അധിക ആംപ്ലിഫിക്കേഷൻ സർക്യൂട്ട് ആവശ്യമില്ല (വിശദാംശങ്ങൾക്ക് അനുബന്ധ ചിത്രം 4 കാണുക). pMUT നൽകുന്ന പ്രാദേശികവൽക്കരണ കോണീയ കൃത്യതയും നിർദ്ദിഷ്ട സിഗ്നൽ പ്രോസസ്സിംഗ് രീതിയും വിലയിരുത്തുന്നതിന്, വസ്തുവിൻ്റെ ദൂരവും കോണും വ്യത്യാസപ്പെടുന്നതിനാൽ ഞങ്ങൾ ITD (അതായത്, രണ്ട് റിസീവറുകൾ സൃഷ്ടിച്ച പീക്ക് ഇവൻ്റുകൾ തമ്മിലുള്ള സമയ വ്യത്യാസം) അളന്നു. ഐടിഡി വിശകലനം പിന്നീട് കോണുകളിലേക്ക് പരിവർത്തനം ചെയ്തു (രീതികൾ കാണുക) ഒബ്‌ജക്റ്റിൻ്റെ സ്ഥാനത്തിന് എതിരായി പ്ലോട്ട് ചെയ്തു: അളന്ന ഐടിഡിയിലെ അനിശ്ചിതത്വം ഒബ്‌ജക്റ്റിലേക്കുള്ള ദൂരവും കോണും അനുസരിച്ച് വർദ്ധിച്ചു (ചിത്രം 2e,f). pMUT പ്രതികരണത്തിലെ പീക്ക്-ടു-നോയിസ് റേഷ്യോ (PNR) ആണ് പ്രധാന പ്രശ്നം. ഒബ്‌ജക്‌റ്റ് എത്ര ദൂരെയാണോ, അക്കോസ്റ്റിക് സിഗ്നൽ കുറയുന്നു, അതുവഴി PNR (ചിത്രം 2f, ഗ്രീൻ ലൈൻ) കുറയുന്നു. പിഎൻആറിലെ കുറവ് ഐടിഡി എസ്റ്റിമേറ്റിലെ അനിശ്ചിതത്വത്തിൻ്റെ വർദ്ധനവിന് കാരണമാകുന്നു, ഇത് പ്രാദേശികവൽക്കരണ കൃത്യതയിൽ വർദ്ധനവിന് കാരണമാകുന്നു (ചിത്രം 2f, നീല രേഖ). ട്രാൻസ്മിറ്ററിൽ നിന്ന് 50 സെൻ്റീമീറ്റർ അകലെയുള്ള ഒരു വസ്തുവിന്, സിസ്റ്റത്തിൻ്റെ കോണീയ കൃത്യത ഏകദേശം 10° ആണ്. സെൻസറിൻ്റെ സ്വഭാവസവിശേഷതകൾ ഏർപ്പെടുത്തിയിരിക്കുന്ന ഈ പരിമിതി മെച്ചപ്പെടുത്താൻ കഴിയും. ഉദാഹരണത്തിന്, എമിറ്റർ അയയ്‌ക്കുന്ന മർദ്ദം വർദ്ധിപ്പിക്കാൻ കഴിയും, അതുവഴി pMUT മെംബ്രണിനെ നയിക്കുന്ന വോൾട്ടേജ് വർദ്ധിപ്പിക്കും. ട്രാൻസ്മിറ്റ് ചെയ്ത സിഗ്നൽ വർദ്ധിപ്പിക്കുന്നതിനുള്ള മറ്റൊരു പരിഹാരം ഒന്നിലധികം ട്രാൻസ്മിറ്ററുകൾ ബന്ധിപ്പിക്കുക എന്നതാണ് 56. വർദ്ധിച്ച ഊർജ്ജ ചെലവിൻ്റെ ചെലവിൽ ഈ പരിഹാരങ്ങൾ കണ്ടെത്തൽ ശ്രേണി വർദ്ധിപ്പിക്കും. സ്വീകരിക്കുന്ന ഭാഗത്ത് കൂടുതൽ മെച്ചപ്പെടുത്തലുകൾ നടത്താം. നിലവിൽ വയർ കണക്ഷനുകളും RJ45 കേബിളുകളും ഉപയോഗിച്ചുള്ള pMUT-യും ആദ്യ ഘട്ട ആംപ്ലിഫയറും തമ്മിലുള്ള ബന്ധം മെച്ചപ്പെടുത്തുന്നതിലൂടെ pMUT-ൻ്റെ റിസീവർ നോയിസ് ഫ്ലോർ ഗണ്യമായി കുറയ്ക്കാൻ കഴിയും.
1.5 mm പിച്ചിൽ സംയോജിപ്പിച്ച ആറ് 880 µm മെംബ്രണുകളുള്ള pMUT ക്രിസ്റ്റലിൻ്റെ ചിത്രം. b അളക്കുന്ന സജ്ജീകരണത്തിൻ്റെ ഡയഗ്രം. ടാർഗെറ്റ് സ്ഥിതി ചെയ്യുന്നത് അസിമുത്ത് സ്ഥാനത്തും ഡി അകലത്തിലും ആണ്. pMUT ട്രാൻസ്മിറ്റർ 117.6 kHz സിഗ്നൽ സൃഷ്ടിക്കുന്നു, അത് ടാർഗെറ്റിൽ നിന്ന് ബൗൺസ് ചെയ്യുകയും രണ്ട് pMUT റിസീവറുകളിൽ എത്തുകയും ചെയ്യുന്നു. ഇൻ്റർ-ഓറൽ ടൈം ഡിഫറൻസ് (ഐടിഡി) എന്ന് നിർവചിച്ചിരിക്കുന്ന ഈ വ്യത്യാസം, ഒരു വസ്തുവിൻ്റെ സ്ഥാനം എൻകോഡ് ചെയ്യുകയും രണ്ട് റിസീവർ സെൻസറുകളുടെ ഏറ്റവും ഉയർന്ന പ്രതികരണം കണക്കാക്കി കണക്കാക്കുകയും ചെയ്യാം. c റോ pMUT സിഗ്നലിനെ സ്പൈക്ക് സീക്വൻസുകളാക്കി മാറ്റുന്നതിനുള്ള പ്രീ-പ്രോസസ്സിംഗ് ഘട്ടങ്ങളുടെ സ്കീമാറ്റിക് (അതായത് ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടേഷൻ ഗ്രാഫിലേക്കുള്ള ഇൻപുട്ട്). pMUT സെൻസറുകളും ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടേഷണൽ ഗ്രാഫുകളും നിർമ്മിക്കുകയും പരീക്ഷിക്കുകയും ചെയ്തു, കൂടാതെ ന്യൂറോമോർഫിക് പ്രീ-പ്രോസസ്സിംഗ് സോഫ്റ്റ്വെയർ സിമുലേഷനെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. d ഒരു സിഗ്നൽ ലഭിക്കുമ്പോൾ pMUT മെംബ്രണിൻ്റെ പ്രതികരണവും അത് ഒരു സ്പൈക്ക് ഡൊമെയ്‌നിലേക്ക് മാറുന്നതും. ഒബ്ജക്റ്റ് ആംഗിൾ (Θ), ടാർഗെറ്റ് ഒബ്‌ജക്റ്റിലേക്കുള്ള ദൂരം (D) എന്നിവയുടെ പ്രവർത്തനമായി ഇ പരീക്ഷണാത്മക പ്രാദേശികവൽക്കരണം കോണീയ കൃത്യത. ഐടിഡി എക്‌സ്‌ട്രാക്ഷൻ രീതിക്ക് ഏകദേശം 4 ഡിഗ്രി സെൽഷ്യസിൻ്റെ ഏറ്റവും കുറഞ്ഞ കോണീയ റെസലൂഷൻ ആവശ്യമാണ്. f കോണീയ കൃത്യതയും (നീല വരയും) Θ = 0 എന്നതിനായുള്ള ഒബ്ജക്റ്റ് ദൂരവുമായി ബന്ധപ്പെട്ട പീക്ക്-ടു-നോയ്‌സ് അനുപാതവും (ഗ്രീൻ ലൈൻ)
റെസിസ്റ്റീവ് മെമ്മറി, അസ്ഥിരമല്ലാത്ത ചാലക അവസ്ഥയിൽ വിവരങ്ങൾ സംഭരിക്കുന്നു. ഈ രീതിയുടെ അടിസ്ഥാന തത്വം, ആറ്റോമിക് തലത്തിൽ മെറ്റീരിയലിൻ്റെ മാറ്റം അതിൻ്റെ വൈദ്യുതചാലകതയിൽ മാറ്റത്തിന് കാരണമാകുന്നു എന്നതാണ്. മുകളിലും താഴെയുമുള്ള ടൈറ്റാനിയം, ടൈറ്റാനിയം നൈട്രൈഡ് ഇലക്ട്രോഡുകൾ എന്നിവയ്ക്കിടയിലുള്ള ഹാഫ്നിയം ഡയോക്സൈഡിൻ്റെ 5nm പാളി അടങ്ങുന്ന ഒരു ഓക്സൈഡ് അടിസ്ഥാനമാക്കിയുള്ള റെസിസ്റ്റീവ് മെമ്മറിയാണ് ഞങ്ങൾ ഇവിടെ ഉപയോഗിക്കുന്നത്. ഇലക്ട്രോഡുകൾക്കിടയിൽ ഓക്സിജൻ ഒഴിവുകളുടെ ചാലക ഫിലമെൻ്റുകൾ സൃഷ്ടിക്കുകയോ തകർക്കുകയോ ചെയ്യുന്ന ഒരു കറൻ്റ്/വോൾട്ടേജ് തരംഗരൂപം പ്രയോഗിച്ച് RRAM ഉപകരണങ്ങളുടെ ചാലകത മാറ്റാവുന്നതാണ്. ഒരു യാദൃശ്ചിക ഡിറ്റക്ടറും ഒരു ഡിലേ ലൈൻ സർക്യൂട്ടും നടപ്പിലാക്കുന്ന ഫാബ്രിക്കേറ്റഡ് റീകോൺഫിഗർ ചെയ്യാവുന്ന ന്യൂറോമോർഫിക് സർക്യൂട്ട് (ചിത്രം 3a) സൃഷ്ടിക്കുന്നതിന് ഞങ്ങൾ അത്തരം ഉപകരണങ്ങൾ58 ഒരു സ്റ്റാൻഡേർഡ് 130 nm CMOS പ്രോസസ്സിലേക്ക് സംയോജിപ്പിച്ചു. ഉപകരണത്തിൻ്റെ അസ്ഥിരവും അനലോഗ് സ്വഭാവവും, ന്യൂറോമോർഫിക് സർക്യൂട്ടിൻ്റെ ഇവൻ്റ്-ഡ്രൈവൺ സ്വഭാവവും കൂടിച്ചേർന്ന് വൈദ്യുതി ഉപഭോഗം കുറയ്ക്കുന്നു. സർക്യൂട്ടിന് ഒരു തൽക്ഷണ ഓൺ/ഓഫ് ഫംഗ്‌ഷൻ ഉണ്ട്: ഓൺ ചെയ്‌ത ഉടൻ തന്നെ ഇത് പ്രവർത്തിക്കുന്നു, സർക്യൂട്ട് നിഷ്‌ക്രിയമായിരിക്കുമ്പോൾ വൈദ്യുതി പൂർണ്ണമായും ഓഫാക്കാൻ അനുവദിക്കുന്നു. നിർദ്ദിഷ്ട സ്കീമിൻ്റെ പ്രധാന നിർമ്മാണ ബ്ലോക്കുകൾ ചിത്രത്തിൽ കാണിച്ചിരിക്കുന്നു. 3ബി. ഇതിൽ N പാരലൽ സിംഗിൾ-റെസിസ്റ്റർ സിംഗിൾ-ട്രാൻസിസ്റ്റർ (1T1R) ഘടനകൾ അടങ്ങിയിരിക്കുന്നു, അതിൽ നിന്ന് വെയ്റ്റഡ് വൈദ്യുതധാരകൾ എടുക്കുകയും ഡിഫറൻഷ്യൽ പെയർ ഇൻ്റഗ്രേറ്ററിൻ്റെ (DPI) 59-ൻ്റെ പൊതു സിനാപ്‌സിലേക്ക് കുത്തിവയ്ക്കുകയും ഒടുവിൽ സംയോജനത്തോടെ സിനാപ്‌സിലേക്ക് കുത്തിവയ്ക്കുകയും ചെയ്യുന്ന സിനാപ്റ്റിക് ഭാരം എൻകോഡ് ചെയ്യുന്നു. ചോർച്ച. സജീവമാക്കിയ (LIF) ന്യൂറോൺ 60 (വിശദാംശങ്ങൾക്ക് രീതികൾ കാണുക). ഇൻപുട്ട് സർജുകൾ 1T1R ഘടനയുടെ ഗേറ്റിൽ നൂറുകണക്കിന് നാനോസെക്കൻഡുകളുടെ ക്രമത്തിൽ ദൈർഘ്യമുള്ള വോൾട്ടേജ് പൾസുകളുടെ ഒരു ശ്രേണിയുടെ രൂപത്തിൽ പ്രയോഗിക്കുന്നു. Vbottom ഗ്രൗണ്ട് ചെയ്യുമ്പോൾ Vtop-ന് ഒരു ബാഹ്യ പോസിറ്റീവ് റഫറൻസ് പ്രയോഗിച്ച് ഉയർന്ന ചാലക അവസ്ഥയിൽ (HCS) റെസിസ്റ്റീവ് മെമ്മറി സ്ഥാപിക്കാൻ കഴിയും, കൂടാതെ Vtop ഗ്രൗണ്ട് ചെയ്യുമ്പോൾ Vbottom-ലേക്ക് പോസിറ്റീവ് വോൾട്ടേജ് പ്രയോഗിച്ച് കുറഞ്ഞ ചാലക അവസ്ഥയിലേക്ക് (LCS) റീസെറ്റ് ചെയ്യാം. സീരീസ് ട്രാൻസിസ്റ്ററിൻ്റെ ഗേറ്റ്-സോഴ്സ് വോൾട്ടേജ് (ചിത്രം 3c) വഴി SET (ICC) യുടെ പ്രോഗ്രാമിംഗ് കറൻ്റ് (അനുസരണം) പരിമിതപ്പെടുത്തി HCS ൻ്റെ ശരാശരി മൂല്യം നിയന്ത്രിക്കാനാകും. സർക്യൂട്ടിലെ RRAM ൻ്റെ പ്രവർത്തനങ്ങൾ ഇരട്ടിയാണ്: അവ ഇൻപുട്ട് പൾസുകളെ നയിക്കുകയും ഭാരം വഹിക്കുകയും ചെയ്യുന്നു.
പച്ച നിറത്തിലുള്ള സെലക്ടർ ട്രാൻസിസ്റ്ററുകളുള്ള (650 nm വീതി) 130 nm CMOS സാങ്കേതികവിദ്യയിൽ സംയോജിപ്പിച്ച നീല HfO2 1T1R RRAM ഉപകരണത്തിൻ്റെ ഇലക്ട്രോൺ മൈക്രോസ്കോപ്പ് (SEM) ഇമേജ് സ്കാൻ ചെയ്യുന്നു. b നിർദ്ദിഷ്ട ന്യൂറോമോർഫിക് സ്കീമയുടെ അടിസ്ഥാന നിർമ്മാണ ബ്ലോക്കുകൾ. ഇൻപുട്ട് വോൾട്ടേജ് പൾസുകൾ (പൾസുകൾ) Vin0, Vin1 എന്നിവ നിലവിലെ Iweight ഉപയോഗിക്കുന്നു, ഇത് 1T1R ഘടനയുടെ G0, G1 എന്നീ ചാലക അവസ്ഥകൾക്ക് ആനുപാതികമാണ്. ഈ കറൻ്റ് ഡിപിഐ സിനാപ്സുകളിലേക്ക് കുത്തിവയ്ക്കുകയും LIF ന്യൂറോണുകളെ ഉത്തേജിപ്പിക്കുകയും ചെയ്യുന്നു. RRAM G0, G1 എന്നിവ യഥാക്രമം HCS-ലും LCS-ലും ഇൻസ്റ്റാൾ ചെയ്തിട്ടുണ്ട്. c ചാലക നിലയെ ഫലപ്രദമായി നിയന്ത്രിക്കുന്ന ICC കറൻ്റ് മാച്ചിംഗിൻ്റെ ഒരു ഫംഗ്‌ഷനായി 16K RRAM ഉപകരണങ്ങളുടെ ഒരു ഗ്രൂപ്പിനുള്ള ക്യുമുലേറ്റീവ് കണ്ടക്‌ടൻസ് ഡെൻസിറ്റിയുടെ പ്രവർത്തനം. d (a) ലെ സർക്യൂട്ട് അളവുകൾ കാണിക്കുന്നത് G1 (LCS-ൽ) Vin1 (പച്ച) ൽ നിന്നുള്ള ഇൻപുട്ടിനെ ഫലപ്രദമായി തടയുന്നു, തീർച്ചയായും ഔട്ട്‌പുട്ട് ന്യൂറോണിൻ്റെ മെംബ്രൺ വോൾട്ടേജ് Vin0-ൽ നിന്നുള്ള നീല ഇൻപുട്ടിനോട് മാത്രമേ പ്രതികരിക്കൂ. സർക്യൂട്ടിലെ കണക്ഷനുകളെ RRAM ഫലപ്രദമായി നിർണ്ണയിക്കുന്നു. ഒരു വോൾട്ടേജ് പൾസ് Vin0 പ്രയോഗിച്ചതിന് ശേഷം മെംബ്രൻ വോൾട്ടേജിൽ Vmem ന് ചാലക മൂല്യം G0 ൻ്റെ പ്രഭാവം കാണിക്കുന്ന (b) ലെ സർക്യൂട്ടിൻ്റെ ഇ അളക്കൽ. കൂടുതൽ ചാലകത, ശക്തമായ പ്രതികരണം: അങ്ങനെ, RRAM ഉപകരണം I/O കണക്ഷൻ വെയ്റ്റിംഗ് നടപ്പിലാക്കുന്നു. സർക്യൂട്ടിൽ അളവുകൾ നടത്തി, ഇൻപുട്ട് പൾസുകളുടെ RRAM, റൂട്ടിംഗ്, വെയ്റ്റിംഗ് എന്നിവയുടെ ഇരട്ട പ്രവർത്തനം പ്രകടമാക്കുന്നു.
ആദ്യം, രണ്ട് അടിസ്ഥാന ചാലക അവസ്ഥകൾ (HCS, LCS) ഉള്ളതിനാൽ, RRAM-കൾക്ക് യഥാക്രമം LCS അല്ലെങ്കിൽ HCS അവസ്ഥകളിൽ ഇൻപുട്ട് പൾസുകൾ തടയാനോ നഷ്ടപ്പെടാനോ കഴിയും. തൽഫലമായി, സർക്യൂട്ടിലെ കണക്ഷനുകളെ RRAM ഫലപ്രദമായി നിർണ്ണയിക്കുന്നു. വാസ്തുവിദ്യ പുനഃക്രമീകരിക്കാൻ കഴിയുന്നതിൻ്റെ അടിസ്ഥാനം ഇതാണ്. ഇത് തെളിയിക്കാൻ, ചിത്രം 3b-ൽ സർക്യൂട്ട് ബ്ലോക്കിൻ്റെ ഫാബ്രിക്കേറ്റഡ് സർക്യൂട്ട് നടപ്പിലാക്കൽ ഞങ്ങൾ വിവരിക്കും. G0 യുമായി ബന്ധപ്പെട്ട RRAM എച്ച്സിഎസിലേക്കും രണ്ടാമത്തെ RRAM G1 എൽസിഎസിലേക്കും പ്രോഗ്രാം ചെയ്തിട്ടുണ്ട്. Vin0, Vin1 എന്നിവയിൽ ഇൻപുട്ട് പൾസുകൾ പ്രയോഗിക്കുന്നു. ഇൻപുട്ട് പൾസുകളുടെ രണ്ട് സീക്വൻസുകളുടെ ഫലങ്ങൾ ഔട്ട്പുട്ട് ന്യൂറോണുകളിൽ ന്യൂറോൺ മെംബ്രൺ വോൾട്ടേജും ഔട്ട്പുട്ട് സിഗ്നലും ഒരു ഓസിലോസ്കോപ്പ് ഉപയോഗിച്ച് ശേഖരിച്ച് വിശകലനം ചെയ്തു. മെംബ്രൺ ടെൻഷൻ ഉത്തേജിപ്പിക്കുന്നതിനായി എച്ച്സിഎസ് ഉപകരണം (ജി 0) മാത്രം ന്യൂറോണിൻ്റെ പൾസുമായി ബന്ധിപ്പിച്ചപ്പോൾ പരീക്ഷണം വിജയിച്ചു. ചിത്രം 3d-ൽ ഇത് പ്രദർശിപ്പിച്ചിരിക്കുന്നു, അവിടെ നീല പൾസ് ട്രെയിൻ മെംബ്രൻ കപ്പാസിറ്ററിൽ മെംബ്രൻ വോൾട്ടേജ് ഉണ്ടാക്കുന്നു, അതേസമയം പച്ച പൾസ് ട്രെയിൻ മെംബ്രൺ വോൾട്ടേജ് സ്ഥിരമായി നിലനിർത്തുന്നു.
RRAM-ൻ്റെ രണ്ടാമത്തെ പ്രധാന പ്രവർത്തനം കണക്ഷൻ വെയ്റ്റുകളുടെ നടപ്പാക്കലാണ്. RRAM-ൻ്റെ അനലോഗ് കണ്ടക്‌ടൻസ് ക്രമീകരണം ഉപയോഗിച്ച്, I/O കണക്ഷനുകൾ അതിനനുസരിച്ച് വെയ്റ്റ് ചെയ്യാം. രണ്ടാമത്തെ പരീക്ഷണത്തിൽ, G0 ഉപകരണം HCS-ൻ്റെ വിവിധ തലങ്ങളിലേക്ക് പ്രോഗ്രാം ചെയ്യുകയും ഇൻപുട്ട് പൾസ് VIn0 ഇൻപുട്ടിൽ പ്രയോഗിക്കുകയും ചെയ്തു. ഇൻപുട്ട് പൾസ് ഉപകരണത്തിൽ നിന്ന് ഒരു കറൻ്റ് (ഐവെയ്റ്റ്) എടുക്കുന്നു, അത് ചാലകതയ്ക്കും അനുബന്ധ പൊട്ടൻഷ്യൽ ഡ്രോപ്പ് Vtop - Vbot നും ആനുപാതികമാണ്. ഈ വെയ്റ്റഡ് കറൻ്റ് പിന്നീട് ഡിപിഐ സിനാപ്സുകളിലേക്കും എൽഐഎഫ് ഔട്ട്പുട്ട് ന്യൂറോണുകളിലേക്കും കുത്തിവയ്ക്കുന്നു. ഔട്ട്പുട്ട് ന്യൂറോണുകളുടെ മെംബ്രൻ വോൾട്ടേജ് ഒരു ഓസിലോസ്കോപ്പ് ഉപയോഗിച്ച് രേഖപ്പെടുത്തുകയും ചിത്രം 3d ൽ പ്രദർശിപ്പിക്കുകയും ചെയ്തു. ഒരൊറ്റ ഇൻപുട്ട് പൾസിനോട് പ്രതികരിക്കുന്ന ന്യൂറോൺ മെംബ്രണിൻ്റെ വോൾട്ടേജ് പീക്ക് റെസിസ്റ്റീവ് മെമ്മറിയുടെ ചാലകതയ്ക്ക് ആനുപാതികമാണ്, ഇത് സിനാപ്റ്റിക് ഭാരത്തിൻ്റെ പ്രോഗ്രാം ചെയ്യാവുന്ന ഘടകമായി RRAM ഉപയോഗിക്കാമെന്ന് തെളിയിക്കുന്നു. ഈ രണ്ട് പ്രാഥമിക പരിശോധനകൾ കാണിക്കുന്നത് നിർദ്ദിഷ്ട RRAM-അധിഷ്ഠിത ന്യൂറോമോർഫിക് പ്ലാറ്റ്‌ഫോമിന് അടിസ്ഥാന ജെഫ്രസ് മെക്കാനിസത്തിൻ്റെ അടിസ്ഥാന ഘടകങ്ങൾ നടപ്പിലാക്കാൻ കഴിയുമെന്ന്, അതായത് കാലതാമസം രേഖയും യാദൃശ്ചിക ഡിറ്റക്ടർ സർക്യൂട്ടും. ചിത്രം 3b-യിലെ ബ്ലോക്കുകൾ പോലെ തുടർച്ചയായി വരുന്ന ബ്ലോക്കുകൾ വശങ്ങളിലായി അടുക്കിവച്ച് അവയുടെ ഗേറ്റുകളെ ഒരു സാധാരണ ഇൻപുട്ട് ലൈനുമായി ബന്ധിപ്പിച്ചാണ് സർക്യൂട്ട് പ്ലാറ്റ്ഫോം നിർമ്മിച്ചിരിക്കുന്നത്. രണ്ട് ഇൻപുട്ടുകൾ സ്വീകരിക്കുന്ന രണ്ട് ഔട്ട്‌പുട്ട് ന്യൂറോണുകൾ അടങ്ങിയ ഒരു ന്യൂറോമോർഫിക് പ്ലാറ്റ്‌ഫോം ഞങ്ങൾ രൂപകൽപ്പന ചെയ്യുകയും നിർമ്മിക്കുകയും പരീക്ഷിക്കുകയും ചെയ്തു (ചിത്രം 4a). സർക്യൂട്ട് ഡയഗ്രം ചിത്രം 4 ബിയിൽ കാണിച്ചിരിക്കുന്നു. മുകളിലെ 2 × 2 RRAM മാട്രിക്സ് ഇൻപുട്ട് പൾസുകളെ രണ്ട് ഔട്ട്പുട്ട് ന്യൂറോണുകളിലേക്ക് നയിക്കാൻ അനുവദിക്കുന്നു, അതേസമയം താഴത്തെ 2 × 2 മാട്രിക്സ് രണ്ട് ന്യൂറോണുകളുടെ (N0, N1) ആവർത്തിച്ചുള്ള കണക്ഷനുകളെ അനുവദിക്കുന്നു. ചിത്രം 4c-e-ലെ പരീക്ഷണാത്മക അളവുകൾ കാണിക്കുന്നത് പോലെ, ഈ പ്ലാറ്റ്ഫോം ഒരു കാലതാമസം ലൈൻ കോൺഫിഗറേഷനും രണ്ട് വ്യത്യസ്ത യാദൃശ്ചിക ഡിറ്റക്ടർ ഫംഗ്ഷനുകളും ഉപയോഗിച്ച് ഉപയോഗിക്കാമെന്ന് ഞങ്ങൾ തെളിയിക്കുന്നു.
0, 1 എന്നീ രണ്ട് ഇൻപുട്ടുകൾ സ്വീകരിക്കുന്ന രണ്ട് ഔട്ട്‌പുട്ട് ന്യൂറോണുകളാൽ രൂപപ്പെട്ട സർക്യൂട്ട് ഡയഗ്രം. നിറമുള്ള RRAM-കൾ വലതുവശത്തുള്ള HCS-ൽ കോൺഫിഗർ ചെയ്‌തിരിക്കുന്ന ഉപകരണങ്ങളെ പ്രതിനിധീകരിക്കുന്നു: HCS-ലെ ഉപകരണങ്ങൾ കണക്ഷനുകൾ അനുവദിക്കുകയും ഭാരങ്ങളെ പ്രതിനിധീകരിക്കുകയും ചെയ്യുന്നു, അതേസമയം LCS-ലെ ഉപകരണങ്ങൾ ഇൻപുട്ട് പൾസുകളെ തടയുകയും ഔട്ട്‌പുട്ടുകളിലേക്കുള്ള കണക്ഷനുകൾ പ്രവർത്തനരഹിതമാക്കുകയും ചെയ്യുന്നു. b നീല നിറത്തിൽ ഹൈലൈറ്റ് ചെയ്ത എട്ട് RRAM മൊഡ്യൂളുകളുള്ള സർക്യൂട്ട് (എ) ഡയഗ്രം. ഡിപിഐ സിനാപ്സുകളുടെയും എൽഐഎഫ് ന്യൂറോണുകളുടെയും ചലനാത്മകത ഉപയോഗിച്ചാണ് ഡിലേ ലൈനുകൾ രൂപപ്പെടുന്നത്. ഇൻപുട്ട് കാലതാമസം Δt ന് ശേഷം ഔട്ട്പുട്ടിൽ ഒരു തകരാർ ഉണ്ടാക്കാൻ കഴിയുന്നത്ര ഉയർന്ന ചാലകതയിലേക്ക് പച്ച RRAM സജ്ജീകരിച്ചിരിക്കുന്നു. d സമയാധിഷ്ഠിത സിഗ്നലുകളുടെ ദിശ-ഇൻസെൻസിറ്റീവ് സിഡി കണ്ടെത്തലിൻ്റെ സ്കീമാറ്റിക് ചിത്രീകരണം. ഔട്ട്‌പുട്ട് ന്യൂറോൺ 1, N1, ഇൻപുട്ടുകൾ 0, 1 എന്നിവയിൽ ചെറിയ കാലതാമസത്തോടെ ഫയർ ചെയ്യുന്നു. e ഡയറക്ഷൻ സെൻസിറ്റീവ് സിഡി സർക്യൂട്ട്, ഇൻപുട്ട് 1 ഇൻപുട്ട് 0-നെ സമീപിക്കുകയും ഇൻപുട്ട് 0-ന് ശേഷം എത്തുകയും ചെയ്യുന്ന ഒരു സർക്യൂട്ട്. സർക്യൂട്ടിൻ്റെ ഔട്ട്പുട്ടിനെ ന്യൂറോൺ 1 (N1) പ്രതിനിധീകരിക്കുന്നു.
DPI സിനാപ്‌സുകളുടെയും LIF ന്യൂറോണുകളുടെയും ചലനാത്മക സ്വഭാവം ഉപയോഗിച്ച്, Tdel-നെ കാലതാമസം വരുത്തിക്കൊണ്ട് Vin1-ൽ നിന്ന് Vout1-ലേക്ക് ഇൻപുട്ട് സ്പൈക്ക് പുനർനിർമ്മിക്കുന്നതിന് കാലതാമസം ലൈൻ (ചിത്രം 4c) ഉപയോഗിക്കുന്നു. Vin1, Vout1 എന്നിവയുമായി ബന്ധിപ്പിച്ചിരിക്കുന്ന G3 RRAM മാത്രമേ HCS-ൽ പ്രോഗ്രാം ചെയ്തിട്ടുള്ളൂ, ബാക്കി RRAM-കൾ LCS-ൽ പ്രോഗ്രാം ചെയ്‌തിരിക്കുന്നു. ഓരോ ഇൻപുട്ട് പൾസും ഔട്ട്‌പുട്ട് ന്യൂറോണിൻ്റെ മെംബ്രൻ വോൾട്ടേജ് ത്രെഷോൾഡിലെത്താനും കാലതാമസം നേരിട്ട ഔട്ട്‌പുട്ട് പൾസ് ജനറേറ്റുചെയ്യാനും പര്യാപ്തമാണെന്ന് ഉറപ്പാക്കാൻ G3 ഉപകരണം 92.6 µs-ന് പ്രോഗ്രാം ചെയ്തു. കാലതാമസം Tdel നിർണ്ണയിക്കുന്നത് സിനാപ്റ്റിക്, ന്യൂറൽ സമയ സ്ഥിരതകളാണ്. താൽക്കാലികമായി പരസ്പര ബന്ധമുള്ളതും എന്നാൽ സ്ഥലപരമായി വിതരണം ചെയ്തതുമായ ഇൻപുട്ട് സിഗ്നലുകൾ ഉണ്ടാകുന്നത് യാദൃശ്ചിക ഡിറ്റക്ടറുകൾ കണ്ടെത്തുന്നു. ഡയറക്ഷൻ-ഇൻസെൻസിറ്റീവ് സിഡി ഒരു സാധാരണ ഔട്ട്പുട്ട് ന്യൂറോണിലേക്ക് മാറുന്ന വ്യക്തിഗത ഇൻപുട്ടുകളെ ആശ്രയിക്കുന്നു (ചിത്രം 4d). Vin0, Vin1 എന്നിവയെ യഥാക്രമം Vout1, G2, G4 എന്നിവയുമായി ബന്ധിപ്പിക്കുന്ന രണ്ട് RRAM-കൾ ഉയർന്ന ചാലകതയ്ക്കായി പ്രോഗ്രാം ചെയ്തിരിക്കുന്നു. Vin0, Vin1 എന്നിവയിലെ സ്പൈക്കുകളുടെ ഒരേസമയം വരവ്, ഔട്ട്പുട്ട് സ്പൈക്ക് സൃഷ്ടിക്കുന്നതിന് ആവശ്യമായ പരിധിക്ക് മുകളിലുള്ള N1 ന്യൂറോൺ മെംബ്രണിൻ്റെ വോൾട്ടേജ് വർദ്ധിപ്പിക്കുന്നു. രണ്ട് ഇൻപുട്ടുകളും സമയബന്ധിതമായി വളരെ അകലെയാണെങ്കിൽ, ആദ്യ ഇൻപുട്ടിൽ അടിഞ്ഞുകൂടിയ മെംബ്രൻ വോൾട്ടേജിലെ ചാർജ് ക്ഷയിക്കാൻ സമയമുണ്ടായേക്കാം, ഇത് മെംബ്രൺ പൊട്ടൻഷ്യൽ N1 ത്രെഷോൾഡ് മൂല്യത്തിൽ എത്തുന്നതിൽ നിന്ന് തടയുന്നു. G1-ഉം G2-ഉം ഏകദേശം 65 µs-ലേക്ക് പ്രോഗ്രാം ചെയ്‌തിരിക്കുന്നു, ഇത് ഒരു ഇൻപുട്ട് കുതിച്ചുചാട്ടം ഒരു ഔട്ട്‌പുട്ട് കുതിച്ചുചാട്ടത്തിന് കാരണമാകുന്ന മെംബ്രൻ വോൾട്ടേജ് വർദ്ധിപ്പിക്കുന്നില്ലെന്ന് ഉറപ്പാക്കുന്നു. ഒപ്റ്റിക്കൽ ഫ്ലോ അടിസ്ഥാനമാക്കിയുള്ള തടസ്സം ഒഴിവാക്കൽ, ശബ്‌ദ ഉറവിട പ്രാദേശികവൽക്കരണം എന്നിവ പോലുള്ള വിശാലമായ സെൻസിംഗ് ടാസ്‌ക്കുകളിൽ ഉപയോഗിക്കുന്ന ഒരു അടിസ്ഥാന പ്രവർത്തനമാണ് സ്ഥലത്തിലും സമയത്തിലും വിതരണം ചെയ്യുന്ന ഇവൻ്റുകൾ തമ്മിലുള്ള യാദൃശ്ചിക കണ്ടെത്തൽ. അതിനാൽ, വിഷ്വൽ, ഓഡിയോ ലോക്കലൈസേഷൻ സിസ്റ്റങ്ങൾ നിർമ്മിക്കുന്നതിനുള്ള ഒരു അടിസ്ഥാന നിർമ്മാണ ബ്ലോക്കാണ് ദിശ സെൻസിറ്റീവ്, സെൻസിറ്റീവ് സിഡികൾ കമ്പ്യൂട്ടിംഗ്. സമയ സ്ഥിരാങ്കങ്ങളുടെ സ്വഭാവസവിശേഷതകൾ കാണിക്കുന്നത് പോലെ (സപ്ലിമെൻ്ററി ചിത്രം 2 കാണുക), നിർദ്ദിഷ്ട സർക്യൂട്ട് മാഗ്നിറ്റ്യൂഡ് ടൈം സ്കെയിലുകളുടെ നാല് ഓർഡറുകളുടെ അനുയോജ്യമായ ശ്രേണി നടപ്പിലാക്കുന്നു. അങ്ങനെ, ഇതിന് ഒരേസമയം വിഷ്വൽ, സൗണ്ട് സിസ്റ്റങ്ങളുടെ ആവശ്യകതകൾ നിറവേറ്റാൻ കഴിയും. പൾസുകളുടെ വരവിൻ്റെ സ്പേഷ്യൽ ക്രമത്തോട് സംവേദനക്ഷമതയുള്ള ഒരു സർക്യൂട്ടാണ് ദിശാസൂചന-സെൻസിറ്റീവ് സിഡി: വലത്തുനിന്ന് ഇടത്തോട്ടും തിരിച്ചും. ഡ്രോസോഫില വിഷ്വൽ സിസ്റ്റത്തിൻ്റെ അടിസ്ഥാന മോഷൻ ഡിറ്റക്ഷൻ നെറ്റ്‌വർക്കിലെ ഒരു അടിസ്ഥാന നിർമ്മാണ ബ്ലോക്കാണിത്, ഇത് ചലന ദിശകൾ കണക്കാക്കാനും കൂട്ടിയിടികൾ കണ്ടെത്താനും ഉപയോഗിക്കുന്നു. ഒരു ദിശ-സെൻസിറ്റീവ് സിഡി നേടുന്നതിന്, രണ്ട് ഇൻപുട്ടുകൾ രണ്ട് വ്യത്യസ്ത ന്യൂറോണുകളിലേക്ക് (N0, N1) നയിക്കുകയും അവയ്ക്കിടയിൽ ഒരു ദിശാസൂചന കണക്ഷൻ സ്ഥാപിക്കുകയും വേണം (ചിത്രം 4e). ആദ്യ ഇൻപുട്ട് ലഭിക്കുമ്പോൾ, NO അതിൻ്റെ മെംബ്രണിലുടനീളം വോൾട്ടേജ് ത്രെഷോൾഡ് മൂല്യത്തിന് മുകളിൽ വർദ്ധിപ്പിച്ച് ഒരു കുതിച്ചുചാട്ടം അയച്ചുകൊണ്ട് പ്രതികരിക്കുന്നു. ഈ ഔട്ട്‌പുട്ട് ഇവൻ്റ്, പച്ച നിറത്തിൽ ഹൈലൈറ്റ് ചെയ്‌തിരിക്കുന്ന ദിശാസൂചന കണക്ഷന് നന്ദി പറഞ്ഞുകൊണ്ട് N1 തീർക്കുന്നു. ഒരു ഇൻപുട്ട് ഇവൻ്റ് Vin1 എത്തുകയും അതിൻ്റെ മെംബ്രൻ വോൾട്ടേജ് ഉയർന്നിരിക്കുമ്പോൾ N1-നെ ഊർജ്ജസ്വലമാക്കുകയും ചെയ്യുന്നുവെങ്കിൽ, രണ്ട് ഇൻപുട്ടുകൾക്കിടയിൽ ഒരു പൊരുത്തം കണ്ടെത്തിയതായി സൂചിപ്പിക്കുന്ന ഒരു ഔട്ട്പുട്ട് ഇവൻ്റ് N1 സൃഷ്ടിക്കുന്നു. ഇൻപുട്ട് 0-ന് ശേഷം ഇൻപുട്ട് 1 വന്നാൽ മാത്രമേ ദിശാസൂചന കണക്ഷനുകൾ N1-നെ ഔട്ട്‌പുട്ട് പുറപ്പെടുവിക്കാൻ അനുവദിക്കൂ. G0, G3, G7 എന്നിവ യഥാക്രമം 73.5 µS, 67.3 µS, 40.2 µS എന്നിങ്ങനെ പ്രോഗ്രാം ചെയ്‌തിരിക്കുന്നു, ഇത് ഇൻപുട്ടിലെ ഒരു സ്പൈക്ക് കാലതാമസത്തിന് കാരണമാകുമെന്ന് ഉറപ്പാക്കുന്നു. ഔട്ട്പുട്ട് സ്പൈക്ക്, N1 ൻ്റെ മെംബ്രൺ പൊട്ടൻഷ്യൽ മാത്രമേ എത്തുകയുള്ളൂ രണ്ട് ഇൻപുട്ട് ബർസ്റ്റുകളും സമന്വയത്തിൽ എത്തുമ്പോൾ ത്രെഷോൾഡ്. .
63,64,65 മോഡൽ ചെയ്ത ന്യൂറോമോർഫിക് സിസ്റ്റങ്ങളിലെ അപൂർണതയുടെ ഉറവിടമാണ് വേരിയബിലിറ്റി. ഇത് ന്യൂറോണുകളുടെയും സിനാപ്സുകളുടെയും വൈവിധ്യമാർന്ന സ്വഭാവത്തിലേക്ക് നയിക്കുന്നു. അത്തരം പോരായ്മകളുടെ ഉദാഹരണങ്ങളിൽ ഇൻപുട്ട് നേട്ടത്തിലെ 30% (അതായത് സ്റ്റാൻഡേർഡ് ഡീവിയേഷൻ) വ്യതിയാനം, സമയ സ്ഥിരത, റിഫ്രാക്റ്ററി കാലയളവ് എന്നിവ ഉൾപ്പെടുന്നു, എന്നാൽ ചുരുക്കം ചിലത് (രീതികൾ കാണുക). രണ്ട് ന്യൂറോണുകൾ അടങ്ങിയ ഓറിയൻ്റേഷൻ സെൻസിറ്റീവ് സിഡി പോലെയുള്ള ഒന്നിലധികം ന്യൂറൽ സർക്യൂട്ടുകൾ ഒരുമിച്ച് ബന്ധിപ്പിക്കുമ്പോൾ ഈ പ്രശ്നം കൂടുതൽ വ്യക്തമാകും. ശരിയായി പ്രവർത്തിക്കാൻ, രണ്ട് ന്യൂറോണുകളുടെ നേട്ടവും ക്ഷയവുമുള്ള സമയ സ്ഥിരാങ്കങ്ങൾ കഴിയുന്നത്ര സമാനമായിരിക്കണം. ഉദാഹരണത്തിന്, ഇൻപുട്ട് നേട്ടത്തിലെ വലിയ വ്യത്യാസം ഒരു ന്യൂറോണിനെ ഇൻപുട്ട് പൾസിനോട് അമിതമായി പ്രതികരിക്കാൻ ഇടയാക്കും, അതേസമയം മറ്റേ ന്യൂറോണുകൾ പ്രതികരിക്കുന്നില്ല. അത്തിപ്പഴത്തിൽ. ക്രമരഹിതമായി തിരഞ്ഞെടുത്ത ന്യൂറോണുകൾ ഒരേ ഇൻപുട്ട് പൾസിനോട് വ്യത്യസ്തമായി പ്രതികരിക്കുന്നുവെന്ന് ചിത്രം 5a കാണിക്കുന്നു. ഈ ന്യൂറൽ വേരിയബിലിറ്റി പ്രസക്തമാണ്, ഉദാഹരണത്തിന്, ദിശ സെൻസിറ്റീവ് സിഡികളുടെ പ്രവർത്തനത്തിന്. ചിത്രത്തിൽ കാണിച്ചിരിക്കുന്ന സ്കീമിൽ. 5b, c, ന്യൂറോൺ 1-ൻ്റെ ഇൻപുട്ട് നേട്ടം ന്യൂറോൺ 0-നേക്കാൾ വളരെ കൂടുതലാണ്. അതിനാൽ, ന്യൂറോൺ 0-ന് പരിധിയിലെത്താൻ മൂന്ന് ഇൻപുട്ട് പൾസുകൾ (1-ന് പകരം) ആവശ്യമാണ്, കൂടാതെ ന്യൂറോൺ 1-ന് പ്രതീക്ഷിച്ചതുപോലെ രണ്ട് ഇൻപുട്ട് ഇവൻ്റുകൾ ആവശ്യമാണ്. സ്‌പൈക്ക് ടൈം ആശ്രിത ബയോമിമെറ്റിക് പ്ലാസ്‌റ്റിസിറ്റി (എസ്‌ടിഡിപി) നടപ്പിലാക്കുന്നത് സിസ്റ്റത്തിൻ്റെ പ്രകടനത്തിൽ കൃത്യമല്ലാത്തതും മന്ദഗതിയിലുള്ളതുമായ ന്യൂറൽ, സിനാപ്റ്റിക് സർക്യൂട്ടുകളുടെ ആഘാതം ലഘൂകരിക്കാനുള്ള ഒരു സാധ്യമായ മാർഗമാണ്. ന്യൂറൽ ഇൻപുട്ടിൻ്റെ വർദ്ധനവിനെ സ്വാധീനിക്കുന്നതിനും ന്യൂറോമോർഫിക് സർക്യൂട്ടുകളിലെ വേരിയബിളിറ്റിയുടെ ഫലങ്ങൾ കുറയ്ക്കുന്നതിനുമുള്ള ഒരു മാർഗമായി റെസിസ്റ്റീവ് മെമ്മറിയുടെ പ്ലാസ്റ്റിക് സ്വഭാവം ഉപയോഗിക്കാൻ ഞങ്ങൾ ഇവിടെ നിർദ്ദേശിക്കുന്നു. അത്തിപ്പഴത്തിൽ കാണിച്ചിരിക്കുന്നതുപോലെ. 4e, RRAM സിനാപ്റ്റിക് പിണ്ഡവുമായി ബന്ധപ്പെട്ട ചാലക നിലകൾ അനുബന്ധ ന്യൂറൽ മെംബ്രൺ വോൾട്ടേജ് പ്രതികരണത്തെ ഫലപ്രദമായി മോഡുലേറ്റ് ചെയ്തു. ഞങ്ങൾ ഒരു ആവർത്തന RRAM പ്രോഗ്രാമിംഗ് തന്ത്രം ഉപയോഗിക്കുന്നു. തന്നിരിക്കുന്ന ഇൻപുട്ടിനായി, സർക്യൂട്ടിൻ്റെ ടാർഗെറ്റ് സ്വഭാവം ലഭിക്കുന്നതുവരെ സിനാപ്റ്റിക് വെയ്റ്റുകളുടെ ചാലക മൂല്യങ്ങൾ പുനഃക്രമീകരിക്കപ്പെടുന്നു (രീതികൾ കാണുക).
ഒരേ ഇൻപുട്ട് പൾസിലേക്ക് ക്രമരഹിതമായി തിരഞ്ഞെടുത്ത ഒമ്പത് വ്യക്തിഗത ന്യൂറോണുകളുടെ പ്രതികരണത്തിൻ്റെ പരീക്ഷണാത്മക അളവുകൾ. പ്രതികരണം ജനസംഖ്യയിലുടനീളം വ്യത്യാസപ്പെടുന്നു, ഇത് ഇൻപുട്ട് നേട്ടത്തെയും സമയ സ്ഥിരതയെയും ബാധിക്കുന്നു. b ദിശ സെൻസിറ്റീവ് സിഡിയെ ബാധിക്കുന്ന ന്യൂറോണുകളുടെ വ്യതിയാനത്തിൽ ന്യൂറോണുകളുടെ സ്വാധീനത്തിൻ്റെ പരീക്ഷണാത്മക അളവുകൾ. ന്യൂറോൺ-ടു-ന്യൂറോൺ വേരിയബിലിറ്റി കാരണം രണ്ട് ദിശ-സെൻസിറ്റീവ് സിഡി ഔട്ട്പുട്ട് ന്യൂറോണുകൾ ഇൻപുട്ട് ഉദ്ദീപനങ്ങളോട് വ്യത്യസ്തമായി പ്രതികരിക്കുന്നു. ന്യൂറോൺ 0-ന് ന്യൂറോൺ 1-നേക്കാൾ കുറഞ്ഞ ഇൻപുട്ട് നേട്ടമുണ്ട്, അതിനാൽ ഒരു ഔട്ട്പുട്ട് സ്പൈക്ക് സൃഷ്ടിക്കുന്നതിന് മൂന്ന് ഇൻപുട്ട് പൾസുകൾ (1-ന് പകരം) ആവശ്യമാണ്. പ്രതീക്ഷിച്ചതുപോലെ, രണ്ട് ഇൻപുട്ട് ഇവൻ്റുകളോടെ ന്യൂറോൺ 1 പരിധിയിലെത്തുന്നു. ന്യൂറോൺ 0 തീപിടുത്തത്തിന് ശേഷം ഇൻപുട്ട് 1 Δt = 50 µs എത്തുകയാണെങ്കിൽ, സിഡി നിശബ്ദമായിരിക്കും, കാരണം Δt ന്യൂറോൺ 1 ൻ്റെ സമയ സ്ഥിരതയേക്കാൾ കൂടുതലാണ് (ഏകദേശം 22 µs). c Δt = 20 µs ആയി കുറയുന്നു, അങ്ങനെ ന്യൂറോൺ 1 ൻ്റെ ഫയറിംഗ് ഇപ്പോഴും ഉയർന്നതായിരിക്കുമ്പോൾ ഇൻപുട്ട് 1 ഉയർന്നു, രണ്ട് ഇൻപുട്ട് ഇവൻ്റുകൾ ഒരേസമയം കണ്ടെത്തുന്നതിന് കാരണമാകുന്നു.
ഐടിഡി കണക്കുകൂട്ടൽ കോളത്തിൽ ഉപയോഗിച്ചിരിക്കുന്ന രണ്ട് ഘടകങ്ങൾ കാലതാമസം വരയും ദിശാബോധമില്ലാത്ത സിഡിയുമാണ്. നല്ല ഒബ്ജക്റ്റ് പൊസിഷനിംഗ് പ്രകടനം ഉറപ്പാക്കാൻ രണ്ട് സർക്യൂട്ടുകൾക്കും കൃത്യമായ കാലിബ്രേഷൻ ആവശ്യമാണ്. കാലതാമസം ലൈൻ ഇൻപുട്ട് പീക്കിൻ്റെ (ചിത്രം 6a) കൃത്യമായി കാലതാമസം വരുത്തിയ പതിപ്പ് നൽകണം, കൂടാതെ ഇൻപുട്ട് ടാർഗെറ്റ് കണ്ടെത്തൽ പരിധിക്കുള്ളിൽ വരുമ്പോൾ മാത്രമേ സിഡി സജീവമാക്കാവൂ. കാലതാമസം വരുന്നതിന്, ടാർഗെറ്റ് കാലതാമസം ലഭിക്കുന്നതുവരെ ഇൻപുട്ട് കണക്ഷനുകളുടെ സിനാപ്റ്റിക് വെയ്റ്റുകൾ (ചിത്രം 4 എയിലെ ജി 3) പുനർക്രമീകരിച്ചു. പ്രോഗ്രാം നിർത്താൻ ടാർഗെറ്റ് കാലതാമസത്തിന് ചുറ്റും ഒരു ടോളറൻസ് സജ്ജമാക്കുക: ചെറിയ ടോളറൻസ്, ഡിലേ ലൈൻ വിജയകരമായി സജ്ജീകരിക്കുന്നത് കൂടുതൽ ബുദ്ധിമുട്ടാണ്. അത്തിപ്പഴത്തിൽ. ചിത്രം 6b കാലതാമസം ലൈൻ കാലിബ്രേഷൻ പ്രക്രിയയുടെ ഫലങ്ങൾ കാണിക്കുന്നു: ഡിസൈൻ സ്കീമിൽ (10 മുതൽ 300 μs വരെ) ആവശ്യമായ എല്ലാ കാലതാമസങ്ങളും നിർദ്ദിഷ്ട സ്കീമിന് കൃത്യമായി നൽകാൻ കഴിയുമെന്ന് കാണാൻ കഴിയും. കാലിബ്രേഷൻ ആവർത്തനങ്ങളുടെ പരമാവധി എണ്ണം കാലിബ്രേഷൻ പ്രക്രിയയുടെ ഗുണനിലവാരത്തെ ബാധിക്കുന്നു: 200 ആവർത്തനങ്ങൾക്ക് പിശക് 5% ൽ താഴെയായി കുറയ്ക്കാൻ കഴിയും. ഒരു കാലിബ്രേഷൻ ആവർത്തനം ഒരു RRAM സെല്ലിൻ്റെ ഒരു സെറ്റ്/റീസെറ്റ് പ്രവർത്തനവുമായി പൊരുത്തപ്പെടുന്നു. സിഡി മൊഡ്യൂളിൻ്റെ തൽക്ഷണ ക്ലോസ് ഇവൻ്റ് കണ്ടെത്തലിൻ്റെ കൃത്യത മെച്ചപ്പെടുത്തുന്നതിനും ട്യൂണിംഗ് പ്രക്രിയ നിർണായകമാണ്. യഥാർത്ഥ പോസിറ്റീവ് നിരക്ക് (അതായത്, സംഭവങ്ങളുടെ നിരക്ക് പ്രസക്തമാണെന്ന് ശരിയായി തിരിച്ചറിഞ്ഞത്) 95%-ന് മുകളിൽ (ചിത്രം 6c-ലെ നീല വര) കൈവരിക്കാൻ പത്ത് കാലിബ്രേഷൻ ആവർത്തനങ്ങൾ വേണ്ടിവന്നു. എന്നിരുന്നാലും, ട്യൂണിംഗ് പ്രക്രിയ തെറ്റായ പോസിറ്റീവ് സംഭവങ്ങളെ ബാധിച്ചില്ല (അതായത്, പ്രസക്തമെന്ന് തെറ്റായി തിരിച്ചറിഞ്ഞ സംഭവങ്ങളുടെ ആവൃത്തി). അതിവേഗം സജീവമാകുന്ന പാതകളുടെ സമയ പരിമിതികളെ മറികടക്കാൻ ജൈവ സംവിധാനങ്ങളിൽ നിരീക്ഷിക്കപ്പെടുന്ന മറ്റൊരു രീതി ആവർത്തനമാണ് (അതായത്, ഒരു നിശ്ചിത പ്രവർത്തനം നടത്താൻ ഒരേ വസ്തുവിൻ്റെ നിരവധി പകർപ്പുകൾ ഉപയോഗിക്കുന്നു). ബയോളജി66 ൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട്, തെറ്റായ പോസിറ്റീവുകളുടെ ആഘാതം കുറയ്ക്കുന്നതിന് ഞങ്ങൾ രണ്ട് ഡിലേ ലൈനുകൾക്കിടയിൽ ഓരോ സിഡി മൊഡ്യൂളിലും നിരവധി സിഡി സർക്യൂട്ടുകൾ സ്ഥാപിച്ചു. അത്തിപ്പഴത്തിൽ കാണിച്ചിരിക്കുന്നതുപോലെ. 6c (ഗ്രീൻ ലൈൻ), ഓരോ സിഡി മൊഡ്യൂളിലും മൂന്ന് സിഡി ഘടകങ്ങൾ സ്ഥാപിക്കുന്നത് തെറ്റായ അലാറം നിരക്ക് 10-2 ൽ താഴെയായി കുറയ്ക്കും.
ഡിലേ ലൈൻ സർക്യൂട്ടുകളിൽ ന്യൂറോണൽ വേരിയബിലിറ്റിയുടെ ഒരു പ്രഭാവം. b അനുബന്ധ LIF ന്യൂറോണുകളുടെയും DPI സിനാപ്സുകളുടെയും സമയ സ്ഥിരതകൾ വലിയ മൂല്യങ്ങളിലേക്ക് സജ്ജീകരിക്കുന്നതിലൂടെ ഡിലേ ലൈൻ സർക്യൂട്ടുകൾ വലിയ കാലതാമസങ്ങളിലേക്ക് സ്കെയിൽ ചെയ്യാം. RRAM കാലിബ്രേഷൻ നടപടിക്രമത്തിൻ്റെ ആവർത്തനങ്ങളുടെ എണ്ണം വർദ്ധിപ്പിക്കുന്നത് ടാർഗെറ്റ് കാലതാമസത്തിൻ്റെ കൃത്യത ഗണ്യമായി മെച്ചപ്പെടുത്തുന്നത് സാധ്യമാക്കി: 200 ആവർത്തനങ്ങൾ പിശക് 5% ൽ താഴെയായി കുറച്ചു. ഒരു ആവർത്തനം ഒരു RRAM സെല്ലിലെ ഒരു SET/RESET പ്രവർത്തനവുമായി പൊരുത്തപ്പെടുന്നു. സി ജെഫ്രെസ് മോഡലിലെ ഓരോ സിഡി മൊഡ്യൂളും സിസ്റ്റം പരാജയങ്ങൾ സംബന്ധിച്ച് കൂടുതൽ ഫ്ലെക്സിബിലിറ്റിക്കായി എൻ പാരലൽ സിഡി ഘടകങ്ങൾ ഉപയോഗിച്ച് നടപ്പിലാക്കാം. d കൂടുതൽ RRAM കാലിബ്രേഷൻ ആവർത്തനങ്ങൾ യഥാർത്ഥ പോസിറ്റീവ് നിരക്ക് (ബ്ലൂ ലൈൻ) വർദ്ധിപ്പിക്കുന്നു, അതേസമയം തെറ്റായ പോസിറ്റീവ് നിരക്ക് ആവർത്തനങ്ങളുടെ എണ്ണത്തിൽ നിന്ന് സ്വതന്ത്രമാണ് (ഗ്രീൻ ലൈൻ). കൂടുതൽ സിഡി ഘടകങ്ങൾ സമാന്തരമായി സ്ഥാപിക്കുന്നത് സിഡി മൊഡ്യൂൾ പൊരുത്തങ്ങളുടെ തെറ്റായ കണ്ടെത്തൽ ഒഴിവാക്കുന്നു.
ചിത്രം 2-ൽ കാണിച്ചിരിക്കുന്ന എൻഡ്-ടു-എൻഡ് ഇൻ്റഗ്രേറ്റഡ് ഒബ്‌ജക്റ്റ് ലോക്കലൈസേഷൻ സിസ്റ്റത്തിൻ്റെ പ്രകടനവും പവർ ഉപഭോഗവും ഞങ്ങൾ ഇപ്പോൾ വിലയിരുത്തുന്നു, ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ് ഗ്രാഫ് നിർമ്മിക്കുന്ന pMUT സെൻസർ, സിഡി, ഡിലേ ലൈൻ സർക്യൂട്ടുകൾ എന്നിവയുടെ അക്കോസ്റ്റിക് ഗുണങ്ങളുടെ അളവുകൾ ഉപയോഗിച്ച്. ജെഫ്രെസ് മോഡൽ (ചിത്രം 1 എ). ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ് ഗ്രാഫിനെ സംബന്ധിച്ചിടത്തോളം, സിഡി മൊഡ്യൂളുകളുടെ എണ്ണം കൂടുന്നതിനനുസരിച്ച് കോണീയ റെസലൂഷൻ മികച്ചതാണ്, മാത്രമല്ല സിസ്റ്റത്തിൻ്റെ ഉയർന്ന ഊർജ്ജവും (ചിത്രം 7 എ). മുഴുവൻ സിസ്റ്റത്തിൻ്റെയും കൃത്യതയുമായി വ്യക്തിഗത ഘടകങ്ങളുടെ (pMUT സെൻസറുകൾ, ന്യൂറോണുകൾ, സിനാപ്റ്റിക് സർക്യൂട്ടുകൾ) കൃത്യത താരതമ്യം ചെയ്തുകൊണ്ട് ഒരു വിട്ടുവീഴ്ചയിൽ എത്തിച്ചേരാനാകും. ഞങ്ങളുടെ സ്കീമിൽ 10 µs കവിയുന്ന സിമുലേറ്റഡ് സിനാപ്‌സുകളുടെയും ന്യൂറോണുകളുടെയും സമയ സ്ഥിരാങ്കങ്ങളാൽ കാലതാമസം രേഖയുടെ മിഴിവ് പരിമിതപ്പെടുത്തിയിരിക്കുന്നു, ഇത് 4° കോണീയ റെസലൂഷനുമായി യോജിക്കുന്നു (രീതികൾ കാണുക). CMOS സാങ്കേതികവിദ്യയുള്ള കൂടുതൽ വിപുലമായ നോഡുകൾ, കുറഞ്ഞ സമയ സ്ഥിരാങ്കങ്ങളുള്ള ന്യൂറൽ, സിനാപ്റ്റിക് സർക്യൂട്ടുകൾ രൂപകൽപ്പന ചെയ്യാൻ അനുവദിക്കും, ഇത് കാലതാമസം വരാനുള്ള മൂലകങ്ങളുടെ ഉയർന്ന കൃത്യതയ്ക്ക് കാരണമാകുന്നു. എന്നിരുന്നാലും, ഞങ്ങളുടെ സിസ്റ്റത്തിൽ, കോണീയ സ്ഥാനം കണക്കാക്കുന്നതിലെ pMUT പിശക്, അതായത് 10° (ചിത്രം 7a-ലെ നീല തിരശ്ചീന രേഖ) കാരണം കൃത്യത പരിമിതപ്പെടുത്തിയിരിക്കുന്നു. ഞങ്ങൾ സിഡി മൊഡ്യൂളുകളുടെ എണ്ണം 40 ആയി നിശ്ചയിച്ചു, ഇത് ഏകദേശം 4 ° കോണീയ റെസലൂഷനുമായി യോജിക്കുന്നു, അതായത്, കമ്പ്യൂട്ടേഷണൽ ഗ്രാഫിൻ്റെ കോണീയ കൃത്യത (ചിത്രം 7a ലെ ഇളം നീല തിരശ്ചീന രേഖ). സിസ്റ്റം തലത്തിൽ, ഇത് സെൻസർ സിസ്റ്റത്തിന് 50 സെൻ്റീമീറ്റർ മുന്നിൽ സ്ഥിതി ചെയ്യുന്ന വസ്തുക്കൾക്ക് 4° റെസലൂഷനും 10° കൃത്യതയും നൽകുന്നു. ഈ മൂല്യം ref-ൽ റിപ്പോർട്ട് ചെയ്ത ന്യൂറോമോർഫിക് സൗണ്ട് ലോക്കലൈസേഷൻ സിസ്റ്റങ്ങളുമായി താരതമ്യപ്പെടുത്താവുന്നതാണ്. 67. നിർദിഷ്ട സംവിധാനത്തെ അത്യാധുനികതയുമായി താരതമ്യം ചെയ്യുന്നത് അനുബന്ധ പട്ടിക 1-ൽ കാണാം. അധിക pMUT-കൾ ചേർക്കൽ, ശബ്ദ സിഗ്നൽ ലെവൽ വർദ്ധിപ്പിക്കൽ, ഇലക്ട്രോണിക് ശബ്ദം കുറയ്ക്കൽ എന്നിവ പ്രാദേശികവൽക്കരണ കൃത്യത കൂടുതൽ മെച്ചപ്പെടുത്തുന്നതിനുള്ള സാധ്യമായ വഴികളാണ്. ) 9.7 ആയി കണക്കാക്കുന്നു. nz. 55. കംപ്യൂട്ടേഷണൽ ഗ്രാഫിൽ 40 സിഡി യൂണിറ്റുകൾ നൽകി, ഓരോ പ്രവർത്തനത്തിനും ഊർജ്ജം (അതായത്, ഒബ്ജക്റ്റ് പൊസിഷനിംഗ് എനർജി) 21.6 nJ ആയി SPICE സിമുലേഷൻ കണക്കാക്കി. ഒരു ഇൻപുട്ട് ഇവൻ്റ് വരുമ്പോൾ മാത്രമേ ന്യൂറോമോർഫിക് സിസ്റ്റം പ്രവർത്തനക്ഷമമാകൂ, അതായത് ഏതെങ്കിലും pMUT റിസീവറിൽ ഒരു അക്കോസ്റ്റിക് തരംഗം എത്തുകയും കണ്ടെത്തൽ പരിധി കവിയുകയും ചെയ്യുമ്പോൾ, അല്ലെങ്കിൽ അത് നിഷ്‌ക്രിയമായി തുടരും. ഇൻപുട്ട് സിഗ്നൽ ഇല്ലാത്തപ്പോൾ ഇത് അനാവശ്യ വൈദ്യുതി ഉപഭോഗം ഒഴിവാക്കുന്നു. 100 Hz ൻ്റെ പ്രാദേശികവൽക്കരണ പ്രവർത്തനങ്ങളുടെ ആവൃത്തിയും ഓരോ പ്രവർത്തനത്തിനും 300 µs ആക്ടിവേഷൻ കാലയളവും കണക്കിലെടുക്കുമ്പോൾ (സാധ്യമായ പരമാവധി ITD), ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ് ഗ്രാഫിൻ്റെ ഊർജ്ജ ഉപഭോഗം 61.7 nW ആണ്. ഓരോ pMUT റിസീവറിലേക്കും ന്യൂറോമോർഫിക് പ്രീ-പ്രോസസ്സിംഗ് പ്രയോഗിക്കുമ്പോൾ, മുഴുവൻ സിസ്റ്റത്തിൻ്റെയും വൈദ്യുതി ഉപഭോഗം 81.6 nW ൽ എത്തുന്നു. പരമ്പരാഗത ഹാർഡ്‌വെയറുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ നിർദ്ദിഷ്ട ന്യൂറോമോർഫിക് സമീപനത്തിൻ്റെ ഊർജ്ജ കാര്യക്ഷമത മനസ്സിലാക്കാൻ, ന്യൂറോമോർഫിക് അല്ലെങ്കിൽ കൺവെൻഷണൽ ബീംഫോർമിംഗ് 68 സ്‌കിൽ ഉപയോഗിച്ച് ഒരു ആധുനിക ലോ പവർ മൈക്രോകൺട്രോളറിൽ ഇതേ ടാസ്‌ക് ചെയ്യാൻ ആവശ്യമായ ഊർജ്ജവുമായി ഞങ്ങൾ ഈ സംഖ്യയെ താരതമ്യം ചെയ്തു. ന്യൂറോമോർഫിക് സമീപനം ഒരു അനലോഗ്-ടു-ഡിജിറ്റൽ കൺവെർട്ടർ (എഡിസി) ഘട്ടം പരിഗണിക്കുന്നു, തുടർന്ന് ഒരു ബാൻഡ്-പാസ് ഫിൽട്ടറും ഒരു എൻവലപ്പ് എക്‌സ്‌ട്രാക്ഷൻ ഘട്ടവും (ടീഗർ-കൈസർ രീതി). അവസാനമായി, ToF എക്‌സ്‌ട്രാക്‌റ്റുചെയ്യാൻ ഒരു ത്രെഷോൾഡ് ഓപ്പറേഷൻ നടത്തുന്നു. ToF അടിസ്ഥാനമാക്കിയുള്ള ITD യുടെ കണക്കുകൂട്ടലും കണക്കാക്കിയ കോണീയ സ്ഥാനത്തേക്കുള്ള പരിവർത്തനവും ഞങ്ങൾ ഒഴിവാക്കി, കാരണം ഇത് ഓരോ അളവിലും ഒരിക്കൽ സംഭവിക്കുന്നു (രീതികൾ കാണുക). രണ്ട് ചാനലുകളിലും (pMUT റിസീവറുകൾ), 18 ബാൻഡ് പാസ് ഫിൽട്ടർ പ്രവർത്തനങ്ങൾ, 3 എൻവലപ്പ് എക്‌സ്‌ട്രാക്ഷൻ പ്രവർത്തനങ്ങൾ, ഒരു സാമ്പിളിന് 1 ത്രെഷോൾഡ് ഓപ്പറേഷൻ എന്നിവയിൽ 250 kHz സാമ്പിൾ നിരക്ക് കണക്കാക്കിയാൽ, മൊത്തം വൈദ്യുതി ഉപഭോഗം 245 മൈക്രോവാട്ട് ആയി കണക്കാക്കുന്നു. ഇത് മൈക്രോകൺട്രോളറിൻ്റെ ലോ-പവർ മോഡ്69 ഉപയോഗിക്കുന്നു, ഇത് അൽഗോരിതങ്ങൾ പ്രവർത്തിപ്പിക്കാത്തപ്പോൾ ഓണാകും, ഇത് വൈദ്യുതി ഉപഭോഗം 10.8 µW ആയി കുറയ്ക്കുന്നു. റഫറൻസിൽ നിർദ്ദേശിച്ചിരിക്കുന്ന ബീംഫോർമിംഗ് സിഗ്നൽ പ്രോസസ്സിംഗ് സൊല്യൂഷൻ്റെ വൈദ്യുതി ഉപഭോഗം. 31, 5 pMUT റിസീവറുകളും 11 ബീമുകളും അസിമുത്ത് പ്ലെയിനിൽ ഒരേപോലെ വിതരണം ചെയ്യപ്പെടുന്നു [-50°, +50°], 11.71 mW ആണ് (വിശദാംശങ്ങൾക്ക് രീതികൾ വിഭാഗം കാണുക). കൂടാതെ, ഒബ്‌ജക്‌റ്റ് ലോക്കലൈസേഷനുള്ള ജെഫ്രെസ് മോഡലിന് പകരമായി 1.5 മെഗാവാട്ട് കണക്കാക്കിയ FPGA47-അധിഷ്‌ഠിത ടൈം ഡിഫറൻസ് എൻകോഡറിൻ്റെ (TDE) വൈദ്യുതി ഉപഭോഗം ഞങ്ങൾ റിപ്പോർട്ട് ചെയ്യുന്നു. ഈ കണക്കുകളെ അടിസ്ഥാനമാക്കി, ഒബ്ജക്റ്റ് ലോക്കലൈസേഷൻ പ്രവർത്തനങ്ങൾക്കായി ക്ലാസിക്കൽ ബീംഫോർമിംഗ് ടെക്നിക്കുകൾ ഉപയോഗിക്കുന്ന മൈക്രോകൺട്രോളറുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ നിർദ്ദിഷ്ട ന്യൂറോമോർഫിക് സമീപനം വൈദ്യുതി ഉപഭോഗം അഞ്ച് ഓർഡറുകൾ കുറയ്ക്കുന്നു. ഒരു ക്ലാസിക് മൈക്രോകൺട്രോളറിൽ സിഗ്നൽ പ്രോസസ്സിംഗിന് ന്യൂറോമോർഫിക് സമീപനം സ്വീകരിക്കുന്നത് വൈദ്യുതി ഉപഭോഗം ഏകദേശം രണ്ട് ഓർഡറുകൾ കുറയ്ക്കുന്നു. ഇൻ-മെമ്മറി കണക്കുകൂട്ടലുകൾ നടത്താൻ കഴിവുള്ള ഒരു അസിൻക്രണസ് റെസിസ്റ്റീവ്-മെമ്മറി അനലോഗ് സർക്യൂട്ടും സിഗ്നലുകൾ മനസ്സിലാക്കാൻ ആവശ്യമായ അനലോഗ്-ടു-ഡിജിറ്റൽ പരിവർത്തനത്തിൻ്റെ അഭാവവും ചേർന്ന് നിർദ്ദിഷ്ട സിസ്റ്റത്തിൻ്റെ ഫലപ്രാപ്തി വിശദീകരിക്കാം.
സിഡി മൊഡ്യൂളുകളുടെ എണ്ണം അനുസരിച്ച് പ്രാദേശികവൽക്കരണ പ്രവർത്തനത്തിൻ്റെ കോണീയ റെസല്യൂഷനും (നീല) വൈദ്യുതി ഉപഭോഗവും (പച്ച). ഇരുണ്ട നീല തിരശ്ചീന ബാർ PMUT ൻ്റെ കോണീയ കൃത്യതയെയും ഇളം നീല തിരശ്ചീന ബാർ ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടേഷണൽ ഗ്രാഫിൻ്റെ കോണീയ കൃത്യതയെയും പ്രതിനിധീകരിക്കുന്നു. b നിർദ്ദിഷ്ട സിസ്റ്റത്തിൻ്റെ പവർ ഉപഭോഗവും ചർച്ച ചെയ്ത മൈക്രോകൺട്രോളർ നടപ്പിലാക്കലുകളുമായുള്ള താരതമ്യവും ടൈം ഡിഫറൻസ് എൻകോഡറിൻ്റെ (TDE)47 FPGA യുടെ ഡിജിറ്റൽ നിർവ്വഹണവും.
ടാർഗെറ്റ് ലോക്കലൈസേഷൻ സിസ്റ്റത്തിൻ്റെ വൈദ്യുതി ഉപഭോഗം കുറയ്ക്കുന്നതിന്, ടാർഗെറ്റ് ഒബ്‌ജക്റ്റിൻ്റെ സ്ഥാനം യഥാർത്ഥത്തിൽ കണക്കാക്കുന്നതിന് ബിൽറ്റ്-ഇൻ സെൻസറുകൾ സൃഷ്‌ടിക്കുന്ന സിഗ്നൽ വിവരങ്ങൾ പ്രോസസ്സ് ചെയ്യുന്ന കാര്യക്ഷമമായ, ഇവൻ്റ്-ഡ്രൈവ് RRAM-അധിഷ്ഠിത ന്യൂറോമോർഫിക് സർക്യൂട്ട് ഞങ്ങൾ വിഭാവനം ചെയ്യുകയും രൂപകൽപ്പന ചെയ്യുകയും നടപ്പിലാക്കുകയും ചെയ്തു. സമയം. . പരമ്പരാഗത പ്രോസസ്സിംഗ് രീതികൾ തുടർച്ചയായി കണ്ടെത്തിയ സിഗ്നലുകൾ സാമ്പിൾ ചെയ്യുകയും ഉപയോഗപ്രദമായ വിവരങ്ങൾ എക്‌സ്‌ട്രാക്റ്റുചെയ്യുന്നതിനുള്ള കണക്കുകൂട്ടലുകൾ നടത്തുകയും ചെയ്യുമ്പോൾ, നിർദ്ദിഷ്ട ന്യൂറോമോർഫിക് സൊല്യൂഷൻ ഉപയോഗപ്രദമായ വിവരങ്ങൾ ലഭിക്കുമ്പോൾ അസമന്വിതമായി കണക്കുകൂട്ടലുകൾ നടത്തുന്നു, ഇത് അഞ്ച് ഓർഡറുകൾ ഉപയോഗിച്ച് സിസ്റ്റം പവർ കാര്യക്ഷമത വർദ്ധിപ്പിക്കുന്നു. കൂടാതെ, RRAM അടിസ്ഥാനമാക്കിയുള്ള ന്യൂറോമോർഫിക് സർക്യൂട്ടുകളുടെ വഴക്കം ഞങ്ങൾ ഹൈലൈറ്റ് ചെയ്യുന്നു. അസ്ഥിരമല്ലാത്ത രീതിയിൽ (പ്ലാസ്റ്റിറ്റി) ചാലകത മാറ്റാനുള്ള RRAM-ൻ്റെ കഴിവ്, അൾട്രാ ലോ പവർ അനലോഗ് DPI-യുടെ സിനാപ്റ്റിക്, ന്യൂറൽ സർക്യൂട്ടുകളുടെ അന്തർലീനമായ വ്യതിയാനത്തിന് നഷ്ടപരിഹാരം നൽകുന്നു. ഇത് ഈ RRAM അടിസ്ഥാനമാക്കിയുള്ള സർക്യൂട്ടിനെ ബഹുമുഖവും ശക്തവുമാക്കുന്നു. സിഗ്നലുകളിൽ നിന്ന് സങ്കീർണ്ണമായ ഫംഗ്ഷനുകളോ പാറ്റേണുകളോ വേർതിരിച്ചെടുക്കുകയല്ല, മറിച്ച് ഒബ്ജക്റ്റുകളെ തത്സമയം പ്രാദേശികവൽക്കരിക്കുക എന്നതാണ് ഞങ്ങളുടെ ലക്ഷ്യം. ഞങ്ങളുടെ സിസ്റ്റത്തിന് സിഗ്നൽ കാര്യക്ഷമമായി കംപ്രസ്സുചെയ്യാനും ആവശ്യമുള്ളപ്പോൾ കൂടുതൽ സങ്കീർണ്ണമായ തീരുമാനങ്ങൾ എടുക്കുന്നതിന് കൂടുതൽ പ്രോസസ്സിംഗ് ഘട്ടങ്ങളിലേക്ക് അയയ്ക്കാനും കഴിയും. പ്രാദേശികവൽക്കരണ ആപ്ലിക്കേഷനുകളുടെ പശ്ചാത്തലത്തിൽ, ഞങ്ങളുടെ ന്യൂറോമോർഫിക് പ്രീപ്രോസസിംഗ് ഘട്ടത്തിൽ വസ്തുക്കളുടെ സ്ഥാനത്തെക്കുറിച്ചുള്ള വിവരങ്ങൾ നൽകാൻ കഴിയും. ഉദാഹരണത്തിന്, ചലനം കണ്ടെത്തുന്നതിനോ ആംഗ്യത്തെ തിരിച്ചറിയുന്നതിനോ ഈ വിവരങ്ങൾ ഉപയോഗിക്കാം. അൾട്രാ ലോ പവർ ഇലക്ട്രോണിക്സുമായി pMUT-കൾ പോലെയുള്ള അൾട്രാ ലോ പവർ സെൻസറുകൾ സംയോജിപ്പിക്കുന്നതിൻ്റെ പ്രാധാന്യം ഞങ്ങൾ ഊന്നിപ്പറയുന്നു. ഇതിനായി, ന്യൂറോമോർഫിക് സമീപനങ്ങൾ പ്രധാനമാണ്, കാരണം അവ ജെഫ്രെസ് മോഡൽ പോലെയുള്ള ജൈവശാസ്ത്രപരമായി പ്രചോദിതമായ കമ്പ്യൂട്ടേഷണൽ രീതികളുടെ പുതിയ സർക്യൂട്ട് നടപ്പാക്കലുകൾ വികസിപ്പിക്കുന്നതിലേക്ക് നയിച്ചു. സെൻസർ ഫ്യൂഷൻ ആപ്ലിക്കേഷനുകളുടെ പശ്ചാത്തലത്തിൽ, കൂടുതൽ കൃത്യമായ വിവരങ്ങൾ ലഭിക്കുന്നതിന് ഞങ്ങളുടെ സിസ്റ്റത്തെ വ്യത്യസ്ത ഇവൻ്റ് അടിസ്ഥാനമാക്കിയുള്ള സെൻസറുകളുമായി സംയോജിപ്പിക്കാൻ കഴിയും. ഇരുട്ടിൽ ഇരയെ കണ്ടെത്തുന്നതിൽ മൂങ്ങകൾ മികച്ചതാണെങ്കിലും, അവയ്ക്ക് മികച്ച കാഴ്ചശക്തിയുണ്ട്, ഇരയെ പിടിക്കുന്നതിന് മുമ്പ് അവ സംയോജിത ശ്രവണ-ദൃശ്യ തിരയൽ നടത്തുന്നു. ഒരു പ്രത്യേക ഓഡിറ്ററി ന്യൂറോൺ തീപിടിക്കുമ്പോൾ, ഏത് ദിശയിലാണ് അതിൻ്റെ ദൃശ്യ തിരയൽ ആരംഭിക്കേണ്ടതെന്ന് നിർണ്ണയിക്കാൻ ആവശ്യമായ വിവരങ്ങൾ മൂങ്ങയ്ക്ക് ലഭിക്കുന്നു, അങ്ങനെ വിഷ്വൽ സീനിൻ്റെ ഒരു ചെറിയ ഭാഗത്ത് ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. ഭാവിയിലെ സ്വയംഭരണ ഏജൻ്റുമാരുടെ വികസനത്തിനായി വിഷ്വൽ സെൻസറുകളും (DVS ക്യാമറ) ഒരു നിർദ്ദിഷ്ട ലിസണിംഗ് സെൻസറും (pMUT അടിസ്ഥാനമാക്കി) പര്യവേക്ഷണം ചെയ്യണം.
pMUT സെൻസർ, ഏകദേശം 10 സെൻ്റീമീറ്റർ അകലെ രണ്ട് റിസീവറുകൾ ഉള്ള ഒരു പിസിബിയിൽ സ്ഥിതി ചെയ്യുന്നു, കൂടാതെ ട്രാൻസ്മിറ്റർ റിസീവറുകൾക്കിടയിൽ സ്ഥിതിചെയ്യുന്നു. ഈ സൃഷ്ടിയിൽ, ഓരോ മെംബ്രണും 200 nm കട്ടിയുള്ളതും 200 nm കട്ടിയുള്ളതുമായ മോളിബ്ഡിനത്തിൻ്റെ (Mo) മൂന്ന് പാളികൾക്കിടയിൽ സാൻഡ്‌വിച്ച് ചെയ്ത 800 nm കട്ടിയുള്ള പീസോ ഇലക്ട്രിക് അലുമിനിയം നൈട്രൈഡിൻ്റെ (AlN) രണ്ട് പാളികൾ അടങ്ങുന്ന ഒരു സസ്പെൻഡ് ചെയ്ത ബിമോർഫ് ഘടനയാണ്. റഫറൻസിൽ വിവരിച്ചിരിക്കുന്നതുപോലെ മുകളിലെ നിഷ്ക്രിയ SiN പാളി. 71. അകത്തെയും പുറത്തെയും ഇലക്‌ട്രോഡുകൾ മോളിബ്ഡിനത്തിൻ്റെ താഴെയും മുകളിലും ഉള്ള പാളികളിൽ പ്രയോഗിക്കുന്നു, മധ്യ മോളിബ്ഡിനം ഇലക്‌ട്രോഡ് പാറ്റേൺ കൂടാതെ ഗ്രൗണ്ടായി ഉപയോഗിക്കുന്നു, അതിൻ്റെ ഫലമായി നാല് ജോഡി ഇലക്‌ട്രോഡുകളുള്ള ഒരു മെംബ്രൺ ഉണ്ടാകുന്നു.
ഈ വാസ്തുവിദ്യ ഒരു സാധാരണ മെംബ്രൺ രൂപഭേദം ഉപയോഗിക്കാൻ അനുവദിക്കുന്നു, അതിൻ്റെ ഫലമായി മെച്ചപ്പെട്ട സംവേദനക്ഷമതയും സംവേദനക്ഷമതയും ലഭിക്കും. അത്തരമൊരു pMUT സാധാരണയായി 270 Pa/V ഉപരിതല മർദ്ദം നൽകുന്ന ഒരു എമിറ്റർ എന്ന നിലയിൽ 700 nm/V ൻ്റെ ആവേശ സംവേദനക്ഷമത കാണിക്കുന്നു. ഒരു റിസീവർ എന്ന നിലയിൽ, ഒരു pMUT ഫിലിം 15 nA/Pa എന്ന ഷോർട്ട് സർക്യൂട്ട് സംവേദനക്ഷമത കാണിക്കുന്നു, ഇത് AlN-ൻ്റെ പീസോ ഇലക്ട്രിക് കോഫിഫിഷ്യൻ്റുമായി നേരിട്ട് ബന്ധപ്പെട്ടിരിക്കുന്നു. AlN ലെയറിലെ വോൾട്ടേജിൻ്റെ സാങ്കേതിക വ്യതിയാനം അനുരണന ആവൃത്തിയിൽ ഒരു മാറ്റത്തിലേക്ക് നയിക്കുന്നു, ഇത് pMUT ലേക്ക് ഒരു DC ബയസ് പ്രയോഗിച്ച് നഷ്ടപരിഹാരം നൽകാം. DC സെൻസിറ്റിവിറ്റി 0.5 kHz/V-ൽ അളന്നു. അക്കോസ്റ്റിക് സ്വഭാവരൂപീകരണത്തിനായി, pMUT-ന് മുന്നിൽ ഒരു മൈക്രോഫോൺ ഉപയോഗിക്കുന്നു.
എക്കോ പൾസ് അളക്കാൻ, ഞങ്ങൾ പുറപ്പെടുവിക്കുന്ന ശബ്ദ തരംഗങ്ങളെ പ്രതിഫലിപ്പിക്കുന്നതിനായി pMUT ന് മുന്നിൽ ഏകദേശം 50 cm2 വിസ്തീർണ്ണമുള്ള ഒരു ചതുരാകൃതിയിലുള്ള പ്ലേറ്റ് സ്ഥാപിച്ചു. പ്ലേറ്റുകൾ തമ്മിലുള്ള ദൂരവും pMUT വിമാനവുമായി ബന്ധപ്പെട്ട കോണും പ്രത്യേക ഹോൾഡറുകൾ ഉപയോഗിച്ച് നിയന്ത്രിക്കപ്പെടുന്നു. ഒരു Tectronix CPX400DP വോൾട്ടേജ് സോഴ്സ് മൂന്ന് pMUT മെംബ്രണുകളെ പക്ഷപാതമാക്കുന്നു, അനുരണന ആവൃത്തി 111.9 kHz31 ആയി ട്യൂൺ ചെയ്യുന്നു, അതേസമയം ട്രാൻസ്മിറ്ററുകൾ ഓടിക്കുന്നത് Tectronix AFG 3102 പൾസ് ജനറേറ്ററാണ്. ഓരോ pMUT റിസീവറിൻ്റെയും നാല് ഔട്ട്‌പുട്ട് പോർട്ടുകളിൽ നിന്ന് വായിക്കുന്ന വൈദ്യുതധാരകൾ ഒരു പ്രത്യേക ഡിഫറൻഷ്യൽ കറൻ്റും വോൾട്ടേജ് ആർക്കിടെക്ചറും ഉപയോഗിച്ച് വോൾട്ടേജുകളായി പരിവർത്തനം ചെയ്യപ്പെടുന്നു, തത്ഫലമായുണ്ടാകുന്ന സിഗ്നലുകൾ സ്പെക്ട്രം ഡാറ്റ അക്വിസിഷൻ സിസ്റ്റം ഡിജിറ്റൈസ് ചെയ്യുന്നു. കണ്ടെത്തലിൻ്റെ പരിധി വ്യത്യസ്ത സാഹചര്യങ്ങളിൽ pMUT സിഗ്നൽ ഏറ്റെടുക്കൽ സവിശേഷതയാണ്: ഞങ്ങൾ റിഫ്ലക്ടറിനെ വ്യത്യസ്ത ദൂരങ്ങളിലേക്ക് [30, 40, 50, 60, 80, 100] സെൻ്റീമീറ്റർ നീക്കി, pMUT പിന്തുണ ആംഗിൾ ([0, 20, 40] o) മാറ്റി ) ഡിഗ്രികളിലെ അനുബന്ധ കോണീയ സ്ഥാനത്തെ ആശ്രയിച്ച് ടെമ്പറൽ ITD ഡിറ്റക്ഷൻ റെസലൂഷൻ ചിത്രം 2b കാണിക്കുന്നു.
ഈ ലേഖനം രണ്ട് വ്യത്യസ്ത ഓഫ്-ദി-ഷെൽഫ് RRAM സർക്യൂട്ടുകൾ ഉപയോഗിക്കുന്നു. ആദ്യത്തേത് ഒരു ട്രാൻസിസ്റ്ററും ഒരു റെസിസ്റ്ററും ഉള്ള 1T1R കോൺഫിഗറേഷനിൽ 16,384 (16,000) ഉപകരണങ്ങളുടെ (128 × 128 ഉപകരണങ്ങൾ) ഒരു ശ്രേണിയാണ്. രണ്ടാമത്തെ ചിപ്പ് ചിത്രം 4a ൽ കാണിച്ചിരിക്കുന്ന ന്യൂറോമോർഫിക് പ്ലാറ്റ്ഫോമാണ്. RRAM സെല്ലിൽ ഒരു TiN/HfO2/Ti/TiN സ്റ്റാക്കിൽ ഉൾച്ചേർത്ത 5 nm കട്ടിയുള്ള HfO2 ഫിലിം അടങ്ങിയിരിക്കുന്നു. RRAM സ്റ്റാക്ക് സ്റ്റാൻഡേർഡ് 130nm CMOS പ്രോസസ്സിൻ്റെ ബാക്ക്-ഓഫ്-ലൈനിലേക്ക് (BEOL) സംയോജിപ്പിച്ചിരിക്കുന്നു. RRAM-അധിഷ്ഠിത ന്യൂറോമോർഫിക് സർക്യൂട്ടുകൾ എല്ലാ അനലോഗ് ഇലക്ട്രോണിക് സിസ്റ്റങ്ങൾക്കും ഒരു ഡിസൈൻ വെല്ലുവിളി അവതരിപ്പിക്കുന്നു, അതിൽ RRAM ഉപകരണങ്ങൾ പരമ്പരാഗത CMOS സാങ്കേതികവിദ്യയുമായി സഹവർത്തിക്കുന്നു. പ്രത്യേകിച്ചും, RRAM ഉപകരണത്തിൻ്റെ ചാലക അവസ്ഥ സിസ്റ്റത്തിനായുള്ള ഒരു ഫംഗ്ഷൻ വേരിയബിളായി വായിക്കുകയും ഉപയോഗിക്കുകയും വേണം. ഇതിനായി, ഒരു ഇൻപുട്ട് പൾസ് ലഭിക്കുമ്പോൾ ഉപകരണത്തിൽ നിന്നുള്ള കറൻ്റ് വായിക്കുകയും ഡിഫറൻഷ്യൽ പെയർ ഇൻ്റഗ്രേറ്റർ (ഡിപിഐ) സിനാപ്‌സിൻ്റെ പ്രതികരണം ഭാരപ്പെടുത്താൻ ഈ കറൻ്റ് ഉപയോഗിക്കുകയും ചെയ്യുന്ന ഒരു സർക്യൂട്ട് രൂപകല്പന ചെയ്യുകയും നിർമ്മിക്കുകയും പരീക്ഷിക്കുകയും ചെയ്തു. ഈ സർക്യൂട്ട് ചിത്രം 3a-ൽ കാണിച്ചിരിക്കുന്നു, ഇത് ചിത്രം 4a-യിലെ ന്യൂറോമോർഫിക് പ്ലാറ്റ്‌ഫോമിൻ്റെ അടിസ്ഥാന നിർമ്മാണ ബ്ലോക്കുകളെ പ്രതിനിധീകരിക്കുന്നു. ഒരു ഇൻപുട്ട് പൾസ് 1T1R ഉപകരണത്തിൻ്റെ ഗേറ്റ് സജീവമാക്കുന്നു, ഉപകരണത്തിൻ്റെ ചാലകത G (Iweight = G(Vtop – Vx)) ന് ആനുപാതികമായി RRAM-ലൂടെ ഒരു കറൻ്റ് പ്രേരിപ്പിക്കുന്നു. പ്രവർത്തന ആംപ്ലിഫയർ (op-amp) സർക്യൂട്ടിൻ്റെ ഇൻവെർട്ടിംഗ് ഇൻപുട്ടിൽ സ്ഥിരമായ DC ബയസ് വോൾട്ടേജ് Vtop ഉണ്ട്. op-amp-ൻ്റെ നെഗറ്റീവ് ഫീഡ്ബാക്ക് M1-ൽ നിന്ന് തുല്യ കറൻ്റ് നൽകിക്കൊണ്ട് Vx = Vtop നൽകും. ഉപകരണത്തിൽ നിന്ന് വീണ്ടെടുത്ത നിലവിലെ ഐവെയ്റ്റ് ഡിപിഐ സിനാപ്സിലേക്ക് കുത്തിവയ്ക്കുന്നു. ശക്തമായ ഒരു വൈദ്യുതധാര കൂടുതൽ ഡിപോളറൈസേഷനിൽ കലാശിക്കും, അതിനാൽ RRAM ചാലകത സിനാപ്റ്റിക് ഭാരം ഫലപ്രദമായി നടപ്പിലാക്കുന്നു. ഈ എക്‌സ്‌പോണൻഷ്യൽ സിനാപ്റ്റിക് കറൻ്റ് ലീക്കി ഇൻ്റഗ്രേഷൻ ആൻഡ് എക്‌സിറ്റേഷൻ (എൽഐഎഫ്) ന്യൂറോണുകളുടെ മെംബ്രൺ കപ്പാസിറ്ററിലൂടെ കുത്തിവയ്ക്കുന്നു, അവിടെ അത് ഒരു വോൾട്ടേജായി സംയോജിപ്പിച്ചിരിക്കുന്നു. മെംബ്രണിൻ്റെ ത്രെഷോൾഡ് വോൾട്ടേജ് (ഇൻവെർട്ടറിൻ്റെ സ്വിച്ചിംഗ് വോൾട്ടേജ്) മറികടക്കുകയാണെങ്കിൽ, ന്യൂറോണിൻ്റെ ഔട്ട്പുട്ട് ഭാഗം സജീവമാക്കി, ഒരു ഔട്ട്പുട്ട് സ്പൈക്ക് ഉണ്ടാക്കുന്നു. ഈ പൾസ് തിരികെ വന്ന് ന്യൂറോണിൻ്റെ മെംബ്രൺ കപ്പാസിറ്ററിനെ നിലത്തേക്ക് മാറ്റുകയും അത് ഡിസ്ചാർജ് ചെയ്യപ്പെടുകയും ചെയ്യുന്നു. ഈ സർക്യൂട്ട് പിന്നീട് ഒരു പൾസ് എക്സ്പാൻഡർ (ചിത്രം 3 എയിൽ കാണിച്ചിട്ടില്ല) ഉപയോഗിച്ച് അനുബന്ധമായി നൽകുന്നു, ഇത് LIF ന്യൂറോണിൻ്റെ ഔട്ട്പുട്ട് പൾസിനെ ടാർഗെറ്റ് പൾസ് വീതിയിലേക്ക് രൂപപ്പെടുത്തുന്നു. RRAM ഉപകരണത്തിൻ്റെ മുകളിലും താഴെയുമുള്ള ഇലക്‌ട്രോഡുകളിലേക്ക് വോൾട്ടേജ് പ്രയോഗിക്കാൻ അനുവദിക്കുന്ന മൾട്ടിപ്ലെക്‌സറുകളും ഓരോ ലൈനിലും നിർമ്മിച്ചിരിക്കുന്നു.
ഇലക്ട്രിക്കൽ ടെസ്റ്റിംഗിൽ അനലോഗ് സർക്യൂട്ടുകളുടെ ചലനാത്മക സ്വഭാവം വിശകലനം ചെയ്യുകയും റെക്കോർഡുചെയ്യുകയും ചെയ്യുന്നു, കൂടാതെ RRAM ഉപകരണങ്ങൾ പ്രോഗ്രാമിംഗും വായനയും. രണ്ട് ഘട്ടങ്ങളിലും പ്രത്യേക ഉപകരണങ്ങൾ ആവശ്യമാണ്, അവയെല്ലാം ഒരേ സമയം സെൻസർ ബോർഡുമായി ബന്ധിപ്പിച്ചിരിക്കുന്നു. ന്യൂറോമോർഫിക് സർക്യൂട്ടുകളിലെ RRAM ഉപകരണങ്ങളിലേക്കുള്ള പ്രവേശനം ഒരു മൾട്ടിപ്ലക്‌സർ (MUX) വഴി ബാഹ്യ ഉപകരണങ്ങളിൽ നിന്ന് നടപ്പിലാക്കുന്നു. MUX 1T1R സെല്ലിനെ അത് ഉൾപ്പെടുന്ന സർക്യൂട്ടറിയുടെ ബാക്കി ഭാഗങ്ങളിൽ നിന്ന് വേർതിരിക്കുന്നു, ഇത് ഉപകരണത്തെ വായിക്കാനും/അല്ലെങ്കിൽ പ്രോഗ്രാം ചെയ്യാനും അനുവദിക്കുന്നു. RRAM ഉപകരണങ്ങൾ പ്രോഗ്രാം ചെയ്യുന്നതിനും വായിക്കുന്നതിനും, Arduino മൈക്രോകൺട്രോളറുമായി സംയോജിച്ച് ഒരു Keithley 4200 SCS മെഷീൻ ഉപയോഗിക്കുന്നു: ആദ്യത്തേത് കൃത്യമായ പൾസ് ജനറേഷനും നിലവിലെ വായനയ്ക്കും, രണ്ടാമത്തേത് മെമ്മറി അറേയിലെ വ്യക്തിഗത 1T1R ഘടകങ്ങളിലേക്ക് പെട്ടെന്ന് ആക്‌സസ് ചെയ്യാനും. RRAM ഉപകരണം രൂപപ്പെടുത്തുക എന്നതാണ് ആദ്യ പ്രവർത്തനം. സെല്ലുകൾ ഓരോന്നായി തിരഞ്ഞെടുത്ത് മുകളിലും താഴെയുമുള്ള ഇലക്ട്രോഡുകൾക്കിടയിൽ ഒരു പോസിറ്റീവ് വോൾട്ടേജ് പ്രയോഗിക്കുന്നു. ഈ സാഹചര്യത്തിൽ, സെലക്ടർ ട്രാൻസിസ്റ്ററിലേക്ക് അനുബന്ധ ഗേറ്റ് വോൾട്ടേജ് വിതരണം ചെയ്യുന്നതിനാൽ കറൻ്റ് പതിനായിരക്കണക്കിന് മൈക്രോആമ്പിയറുകളുടെ ക്രമത്തിൽ പരിമിതപ്പെടുത്തിയിരിക്കുന്നു. RRAM സെല്ലിന് യഥാക്രമം റീസെറ്റ്, സെറ്റ് പ്രവർത്തനങ്ങൾ ഉപയോഗിച്ച് താഴ്ന്ന ചാലക അവസ്ഥയ്ക്കും (എൽസിഎസ്) ഉയർന്ന ചാലക അവസ്ഥയ്ക്കും (എച്ച്സിഎസ്) ഇടയിൽ സൈക്കിൾ ചെയ്യാൻ കഴിയും. 1 μs ദൈർഘ്യമുള്ള ഒരു ചതുരാകൃതിയിലുള്ള വോൾട്ടേജ് പൾസും മുകളിലെ ഇലക്ട്രോഡിലേക്ക് 2.0-2.5 V പീക്ക് വോൾട്ടേജും 0.9-1.3 V വരെ പീക്ക് വോൾട്ടേജുള്ള സമാനമായ ആകൃതിയിലുള്ള ഒരു സമന്വയ പൾസും പ്രയോഗിച്ചാണ് SET പ്രവർത്തനം നടത്തുന്നത്. സെലക്ടർ ട്രാൻസിസ്റ്ററിൻ്റെ ഗേറ്റ്. ഈ മൂല്യങ്ങൾ 20-150 µs ഇടവേളകളിൽ RRAM ചാലകത മോഡുലേറ്റ് ചെയ്യാൻ അനുവദിക്കുന്നു. റീസെറ്റിനായി, ഗേറ്റ് വോൾട്ടേജ് 2.5-3.0 V പരിധിയിലായിരിക്കുമ്പോൾ സെല്ലിൻ്റെ താഴത്തെ ഇലക്‌ട്രോഡിൽ (ബിറ്റ് ലൈൻ) 1 µs വീതിയുള്ള, 3 V പീക്ക് പൾസ് പ്രയോഗിക്കുന്നു. അനലോഗ് സർക്യൂട്ടുകളുടെ ഇൻപുട്ടുകളും ഔട്ട്‌പുട്ടുകളും ഡൈനാമിക് സിഗ്നലുകളാണ്. . ഇൻപുട്ടിനായി, Tektronix AFG3011 സിഗ്നൽ ജനറേറ്ററുകളോടൊപ്പം ഞങ്ങൾ രണ്ട് HP 8110 പൾസ് ജനറേറ്ററുകൾ ഇൻ്റർലീവ് ചെയ്തു. ഇൻപുട്ട് പൾസിന് 1 µs വീതിയും 50 ns ൻ്റെ റൈസ്/ഫാൾ എഡ്ജും ഉണ്ട്. അനലോഗ് ഗ്ലിച്ച് അടിസ്ഥാനമാക്കിയുള്ള സർക്യൂട്ടുകളിൽ ഇത്തരത്തിലുള്ള പൾസ് ഒരു സാധാരണ തകരാറാണെന്ന് അനുമാനിക്കപ്പെടുന്നു. ഔട്ട്പുട്ട് സിഗ്നലിനെ സംബന്ധിച്ചിടത്തോളം, ടെലിഡൈൻ ലെക്രോയ് 1 ജിഗാഹെർട്സ് ഓസിലോസ്കോപ്പ് ഉപയോഗിച്ചാണ് ഔട്ട്പുട്ട് സിഗ്നൽ റെക്കോർഡ് ചെയ്തത്. സർക്യൂട്ട് ഡാറ്റയുടെ വിശകലനത്തിലും ഏറ്റെടുക്കലിലും ഒരു ഓസിലോസ്കോപ്പിൻ്റെ ഏറ്റെടുക്കൽ വേഗത പരിമിതപ്പെടുത്തുന്ന ഘടകമല്ലെന്ന് തെളിയിക്കപ്പെട്ടിട്ടുണ്ട്.
ന്യൂറോണുകളുടെയും സിനാപ്സുകളുടെയും സ്വഭാവം അനുകരിക്കാൻ അനലോഗ് ഇലക്ട്രോണിക്സിൻ്റെ ഡൈനാമിക്സ് ഉപയോഗിക്കുന്നത് കമ്പ്യൂട്ടേഷണൽ കാര്യക്ഷമത മെച്ചപ്പെടുത്തുന്നതിനുള്ള ഗംഭീരവും കാര്യക്ഷമവുമായ പരിഹാരമാണ്. ഈ കമ്പ്യൂട്ടേഷണൽ അടിവസ്ത്രത്തിൻ്റെ പോരായ്മ അത് ഓരോ സ്കീമിനും വ്യത്യസ്തമായിരിക്കും എന്നതാണ്. ന്യൂറോണുകളുടെയും സിനാപ്റ്റിക് സർക്യൂട്ടുകളുടെയും വേരിയബിളിറ്റി ഞങ്ങൾ കണക്കാക്കി (സപ്ലിമെൻ്ററി ചിത്രം 2a,b). വേരിയബിളിറ്റിയുടെ എല്ലാ പ്രകടനങ്ങളിലും, സമയ സ്ഥിരാങ്കങ്ങളുമായും ഇൻപുട്ട് നേട്ടങ്ങളുമായും ബന്ധപ്പെട്ടവ സിസ്റ്റം തലത്തിൽ ഏറ്റവും വലിയ സ്വാധീനം ചെലുത്തുന്നു. LIF ന്യൂറോണിൻ്റെയും DPI സിനാപ്‌സിൻ്റെയും സമയ സ്ഥിരത നിർണ്ണയിക്കുന്നത് ഒരു RC സർക്യൂട്ട് ആണ്, അവിടെ R ൻ്റെ മൂല്യം നിയന്ത്രിക്കുന്നത് ട്രാൻസിസ്റ്ററിൻ്റെ ഗേറ്റിൽ പ്രയോഗിക്കുന്ന ഒരു ബയസ് വോൾട്ടേജാണ് (ന്യൂറോണിനുള്ള Vlk ഉം സിനാപ്‌സിന് Vtau ഉം), ഇത് നിർണ്ണയിക്കുന്നു. ചോർച്ച നിരക്ക്. ഇൻപുട്ട് പൾസ് ഉത്തേജിപ്പിക്കപ്പെടുന്ന സിനാപ്റ്റിക്, ന്യൂറോണൽ മെംബ്രൺ കപ്പാസിറ്ററുകൾ എന്നിവയിൽ എത്തിച്ചേരുന്ന പീക്ക് വോൾട്ടേജാണ് ഇൻപുട്ട് നേട്ടം എന്ന് നിർവചിക്കപ്പെടുന്നു. ഇൻപുട്ട് കറൻ്റ് മോഡുലേറ്റ് ചെയ്യുന്ന മറ്റൊരു ബയസ് ട്രാൻസിസ്റ്ററാണ് ഇൻപുട്ട് നേട്ടം നിയന്ത്രിക്കുന്നത്. ചില ഇൻപുട്ട് നേട്ടവും സമയ സ്ഥിരമായ സ്ഥിതിവിവരക്കണക്കുകളും ശേഖരിക്കുന്നതിനായി ST മൈക്രോഇലക്‌ട്രോണിക്‌സിൻ്റെ 130nm പ്രക്രിയയിൽ കാലിബ്രേറ്റ് ചെയ്ത ഒരു മോണ്ടെ കാർലോ സിമുലേഷൻ നടത്തി. ഫലങ്ങൾ സപ്ലിമെൻ്ററി ചിത്രം 2 ൽ അവതരിപ്പിച്ചിരിക്കുന്നു, ഇവിടെ ഇൻപുട്ട് നേട്ടവും സമയ സ്ഥിരതയും ചോർച്ച നിരക്ക് നിയന്ത്രിക്കുന്ന ബയസ് വോൾട്ടേജിൻ്റെ പ്രവർത്തനമായി കണക്കാക്കുന്നു. ഗ്രീൻ മാർക്കറുകൾ ശരാശരിയിൽ നിന്ന് സമയ സ്ഥിരതയുടെ സ്റ്റാൻഡേർഡ് ഡീവിയേഷൻ കണക്കാക്കുന്നു. ന്യൂറോണുകൾക്കും സിനാപ്റ്റിക് സർക്യൂട്ടുകൾക്കും സപ്ലിമെൻ്ററി ചിത്രം സ്കീമിൽ കാണിച്ചിരിക്കുന്നതുപോലെ, 10-5-10-2 സെക്കൻ്റ് പരിധിയിൽ സമയ സ്ഥിരതകളുടെ വിശാലമായ ശ്രേണി പ്രകടിപ്പിക്കാൻ കഴിഞ്ഞു. ഇൻപുട്ട് ആംപ്ലിഫിക്കേഷൻ (സപ്ലിമെൻ്ററി ചിത്രം. 2e,d) ന്യൂറോണൽ, സിനാപ്സ് വേരിയബിലിറ്റി യഥാക്രമം 8% ഉം 3% ഉം ആയിരുന്നു. അത്തരമൊരു കുറവ് സാഹിത്യത്തിൽ നന്നായി രേഖപ്പെടുത്തിയിട്ടുണ്ട്: LIF63 ന്യൂറോണുകളുടെ ജനസംഖ്യ തമ്മിലുള്ള പൊരുത്തക്കേട് വിലയിരുത്തുന്നതിന് DYNAP ചിപ്പുകളുടെ നിരയിൽ വിവിധ അളവുകൾ നടത്തി. ബ്രെയിൻസ്കെയിൽ മിക്സഡ് സിഗ്നൽ ചിപ്പിലെ സിനാപ്സുകൾ അളക്കുകയും അവയുടെ പൊരുത്തക്കേടുകൾ വിശകലനം ചെയ്യുകയും സിസ്റ്റം-ലെവൽ വേരിയബിലിറ്റിയുടെ പ്രഭാവം കുറയ്ക്കുന്നതിന് ഒരു കാലിബ്രേഷൻ നടപടിക്രമം നിർദ്ദേശിക്കുകയും ചെയ്തു.
ന്യൂറോമോർഫിക് സർക്യൂട്ടുകളിലെ RRAM ൻ്റെ പ്രവർത്തനം രണ്ട് മടങ്ങാണ്: ആർക്കിടെക്ചർ ഡെഫനിഷൻ (ഔട്ട്പുട്ടുകളിലേക്കുള്ള റൂട്ടിംഗ് ഇൻപുട്ടുകൾ), സിനാപ്റ്റിക് വെയ്റ്റുകളുടെ നടപ്പാക്കൽ. മോഡൽ ചെയ്ത ന്യൂറോമോർഫിക് സർക്യൂട്ടുകളുടെ വേരിയബിലിറ്റിയുടെ പ്രശ്നം പരിഹരിക്കാൻ പിന്നീടുള്ള പ്രോപ്പർട്ടി ഉപയോഗിക്കാം. വിശകലനം ചെയ്യുന്ന സർക്യൂട്ട് ചില ആവശ്യകതകൾ നിറവേറ്റുന്നത് വരെ RRAM ഉപകരണം റീപ്രോഗ്രാം ചെയ്യുന്ന ഒരു ലളിതമായ കാലിബ്രേഷൻ നടപടിക്രമം ഞങ്ങൾ വികസിപ്പിച്ചിട്ടുണ്ട്. തന്നിരിക്കുന്ന ഇൻപുട്ടിനായി, ഔട്ട്‌പുട്ട് നിരീക്ഷിക്കുകയും ടാർഗെറ്റ് സ്വഭാവം കൈവരിക്കുന്നത് വരെ RRAM റീപ്രോഗ്രാം ചെയ്യുകയും ചെയ്യുന്നു. ക്ഷണികമായ ചാലക ഏറ്റക്കുറച്ചിലുകൾക്ക് (സപ്ലിമെൻ്ററി ഇൻഫർമേഷൻ) കാരണമാകുന്ന RRAM റിലാക്സേഷൻ്റെ പ്രശ്നം പരിഹരിക്കുന്നതിനായി പ്രോഗ്രാമിംഗ് പ്രവർത്തനങ്ങൾക്കിടയിൽ 5 സെക്കൻഡ് കാത്തിരിപ്പ് സമയം അവതരിപ്പിച്ചു. ന്യൂറോമോർഫിക് സർക്യൂട്ടിൻ്റെ ആവശ്യകതകൾക്കനുസരിച്ച് സിനാപ്റ്റിക് ഭാരം ക്രമീകരിക്കുകയോ കാലിബ്രേറ്റ് ചെയ്യുകയോ ചെയ്യുന്നു. ന്യൂറോമോർഫിക് പ്ലാറ്റ്‌ഫോമുകളുടെ രണ്ട് അടിസ്ഥാന സവിശേഷതകൾ, ഡിലേ ലൈനുകൾ, ഡയറക്ഷൻ ഇൻസെൻസിറ്റീവ് സിഡി എന്നിവയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന അധിക അൽഗോരിതങ്ങളിൽ [1, 2] കാലിബ്രേഷൻ നടപടിക്രമം സംഗ്രഹിച്ചിരിക്കുന്നു. കാലതാമസം വരയുള്ള ഒരു സർക്യൂട്ടിന്, ഒരു കാലതാമസം Δt ഉള്ള ഒരു ഔട്ട്‌പുട്ട് പൾസ് നൽകുക എന്നതാണ് ടാർഗെറ്റ് സ്വഭാവം. യഥാർത്ഥ സർക്യൂട്ട് കാലതാമസം ടാർഗെറ്റ് മൂല്യത്തേക്കാൾ കുറവാണെങ്കിൽ, G3-ൻ്റെ സിനാപ്റ്റിക് ഭാരം കുറയ്ക്കണം (G3 പുനഃസജ്ജമാക്കുകയും തുടർന്ന് കുറഞ്ഞ പൊരുത്തപ്പെടുന്ന നിലവിലെ Icc-ലേക്ക് സജ്ജീകരിക്കുകയും വേണം). നേരെമറിച്ച്, യഥാർത്ഥ കാലതാമസം ടാർഗെറ്റ് മൂല്യത്തേക്കാൾ കൂടുതലാണെങ്കിൽ, G3 ൻ്റെ ചാലകത വർദ്ധിപ്പിക്കേണ്ടതുണ്ട് (G3 ആദ്യം പുനഃസജ്ജമാക്കുകയും തുടർന്ന് ഉയർന്ന Icc മൂല്യത്തിലേക്ക് സജ്ജീകരിക്കുകയും വേണം). സർക്യൂട്ട് സൃഷ്ടിക്കുന്ന കാലതാമസം ടാർഗെറ്റ് മൂല്യവുമായി പൊരുത്തപ്പെടുന്നതുവരെ ഈ പ്രക്രിയ ആവർത്തിക്കുകയും കാലിബ്രേഷൻ പ്രക്രിയ നിർത്താൻ ഒരു ടോളറൻസ് സജ്ജമാക്കുകയും ചെയ്യുന്നു. ഓറിയൻ്റേഷൻ-ഇൻസെൻസിറ്റീവ് സിഡികൾക്കായി, രണ്ട് RRAM ഉപകരണങ്ങൾ, G1, G3 എന്നിവ കാലിബ്രേഷൻ പ്രക്രിയയിൽ ഉൾപ്പെടുന്നു. ഈ സർക്യൂട്ടിൽ രണ്ട് ഇൻപുട്ടുകൾ ഉണ്ട്, Vin0, Vin1, dt വൈകി. പൊരുത്തപ്പെടുന്ന പരിധിക്ക് [0,dtCD] താഴെയുള്ള കാലതാമസങ്ങളോട് മാത്രമേ സർക്യൂട്ട് പ്രതികരിക്കൂ. ഔട്ട്‌പുട്ട് പീക്ക് ഇല്ലെങ്കിലും ഇൻപുട്ട് പീക്ക് അടുത്താണെങ്കിൽ, ന്യൂറോണിനെ പരിധിയിലെത്താൻ സഹായിക്കുന്നതിന് രണ്ട് RRAM ഉപകരണങ്ങളും ബൂസ്റ്റ് ചെയ്യണം. നേരെമറിച്ച്, dtCD-യുടെ ടാർഗെറ്റ് പരിധി കവിയുന്ന കാലതാമസത്തോട് സർക്യൂട്ട് പ്രതികരിക്കുകയാണെങ്കിൽ, ചാലകത കുറയ്ക്കണം. ശരിയായ പെരുമാറ്റം ലഭിക്കുന്നതുവരെ നടപടിക്രമം ആവർത്തിക്കുക. റെഫറിലെ ബിൽറ്റ്-ഇൻ അനലോഗ് സർക്യൂട്ട് വഴി കംപ്ലയൻസ് കറൻ്റ് മോഡുലേറ്റ് ചെയ്യാൻ കഴിയും. 72.73. ഈ ബിൽറ്റ്-ഇൻ സർക്യൂട്ട് ഉപയോഗിച്ച്, സിസ്റ്റം കാലിബ്രേറ്റ് ചെയ്യുന്നതിനോ മറ്റൊരു ആപ്ലിക്കേഷനായി വീണ്ടും ഉപയോഗിക്കുന്നതിനോ അത്തരം നടപടിക്രമങ്ങൾ ഇടയ്ക്കിടെ നടത്താം.
ഒരു സാധാരണ 32-ബിറ്റ് മൈക്രോകൺട്രോളർ68-ൽ ഞങ്ങളുടെ ന്യൂറോമോർഫിക് സിഗ്നൽ പ്രോസസ്സിംഗ് സമീപനത്തിൻ്റെ വൈദ്യുതി ഉപഭോഗം ഞങ്ങൾ വിലയിരുത്തുന്നു. ഈ മൂല്യനിർണ്ണയത്തിൽ, ഒരു pMUT ട്രാൻസ്മിറ്ററും രണ്ട് pMUT റിസീവറുകളും ഉപയോഗിച്ച് ഈ പേപ്പറിലെ അതേ സജ്ജീകരണത്തോടെയാണ് ഞങ്ങൾ പ്രവർത്തിക്കുന്നത്. ഈ രീതി ഒരു ബാൻഡ്‌പാസ് ഫിൽട്ടർ ഉപയോഗിക്കുന്നു, തുടർന്ന് ഒരു എൻവലപ്പ് എക്‌സ്‌ട്രാക്ഷൻ സ്റ്റെപ്പ് (ടീഗർ-കൈസർ) ഉപയോഗിക്കുന്നു, ഒടുവിൽ ഫ്ലൈറ്റിൻ്റെ സമയം എക്‌സ്‌ട്രാക്‌റ്റുചെയ്യുന്നതിന് സിഗ്നലിൽ ഒരു ത്രെഷോൾഡിംഗ് ഓപ്പറേഷൻ പ്രയോഗിക്കുന്നു. ഐടിഡിയുടെ കണക്കുകൂട്ടലും കണ്ടെത്തൽ കോണുകളിലേക്കുള്ള പരിവർത്തനവും മൂല്യനിർണ്ണയത്തിൽ ഒഴിവാക്കിയിരിക്കുന്നു. 18 ഫ്ലോട്ടിംഗ് പോയിൻ്റ് പ്രവർത്തനങ്ങൾ ആവശ്യമുള്ള നാലാമത്തെ ഓർഡർ അനന്തമായ ഇംപൾസ് റെസ്‌പോൺസ് ഫിൽട്ടർ ഉപയോഗിച്ച് ഒരു ബാൻഡ് പാസ് ഫിൽട്ടർ നടപ്പിലാക്കുന്നത് ഞങ്ങൾ പരിഗണിക്കുന്നു. എൻവലപ്പ് എക്‌സ്‌ട്രാക്ഷൻ മൂന്ന് ഫ്ലോട്ടിംഗ് പോയിൻ്റ് ഓപ്പറേഷനുകൾ കൂടി ഉപയോഗിക്കുന്നു, അവസാന പ്രവർത്തനം ത്രെഷോൾഡ് സജ്ജീകരിക്കാൻ ഉപയോഗിക്കുന്നു. സിഗ്നൽ മുൻകൂട്ടി പ്രോസസ്സ് ചെയ്യുന്നതിന് മൊത്തം 22 ഫ്ലോട്ടിംഗ് പോയിൻ്റ് പ്രവർത്തനങ്ങൾ ആവശ്യമാണ്. ഓരോ 10 എംഎസിലും സൃഷ്ടിക്കപ്പെടുന്ന 111.9 kHz സൈൻ തരംഗരൂപത്തിൻ്റെ ഒരു ചെറിയ പൊട്ടിത്തെറിയാണ് പ്രക്ഷേപണം ചെയ്ത സിഗ്നൽ, അതിൻ്റെ ഫലമായി 100 Hz ൻ്റെ സ്ഥാനനിർണ്ണയ പ്രവർത്തന ആവൃത്തി ഉണ്ടാകുന്നു. Nyquist പാലിക്കാൻ ഞങ്ങൾ 250 kHz സാംപ്ലിംഗ് നിരക്കും 1 മീറ്റർ റേഞ്ച് ക്യാപ്‌ചർ ചെയ്യുന്നതിന് ഓരോ അളവുകൾക്കും 6 ms വിൻഡോയും ഉപയോഗിച്ചു. 1 മീറ്റർ അകലെയുള്ള ഒരു വസ്തുവിൻ്റെ ഫ്ലൈറ്റ് സമയമാണ് 6 മില്ലിസെക്കൻഡ് എന്നത് ശ്രദ്ധിക്കുക. ഇത് 0.5 MSPS-ൽ A/D പരിവർത്തനത്തിന് 180 µW വൈദ്യുതി ഉപഭോഗം നൽകുന്നു. സിഗ്നൽ പ്രീപ്രോസസിംഗ് 6.60 MIPS ആണ് (സെക്കൻഡിൽ നിർദ്ദേശങ്ങൾ), 0.75 mW ഉത്പാദിപ്പിക്കുന്നു. എന്നിരുന്നാലും, അൽഗോരിതം പ്രവർത്തിക്കാത്തപ്പോൾ മൈക്രോകൺട്രോളർ കുറഞ്ഞ പവർ മോഡ് 69-ലേക്ക് മാറിയേക്കാം. ഈ മോഡ് 10.8 μW സ്റ്റാറ്റിക് പവർ ഉപഭോഗവും 113 μs ഉം ഉണർത്തുന്ന സമയവും നൽകുന്നു. 84 മെഗാഹെർട്‌സിൻ്റെ ക്ലോക്ക് ഫ്രീക്വൻസിയിൽ, മൈക്രോകൺട്രോളർ ന്യൂറോമോർഫിക് അൽഗോരിതത്തിൻ്റെ എല്ലാ പ്രവർത്തനങ്ങളും 10 എംഎസിനുള്ളിൽ പൂർത്തിയാക്കുന്നു, കൂടാതെ അൽഗോരിതം 6.3% ഡ്യൂട്ടി സൈക്കിൾ കണക്കാക്കുന്നു, അങ്ങനെ കുറഞ്ഞ പവർ മോഡ് ഉപയോഗിക്കുന്നു. തത്ഫലമായുണ്ടാകുന്ന പവർ ഡിസ്പേഷൻ 244.7 μW ആണ്. ToF-ൽ നിന്നുള്ള ITD ഔട്ട്‌പുട്ടും ഡിറ്റക്ഷൻ ആംഗിളിലേക്കുള്ള പരിവർത്തനവും ഞങ്ങൾ ഒഴിവാക്കുന്നുവെന്നത് ശ്രദ്ധിക്കുക, അങ്ങനെ മൈക്രോകൺട്രോളറിൻ്റെ വൈദ്യുതി ഉപഭോഗം കുറച്ചുകാണുന്നു. ഇത് നിർദ്ദിഷ്ട സിസ്റ്റത്തിൻ്റെ ഊർജ്ജ കാര്യക്ഷമതയ്ക്ക് അധിക മൂല്യം നൽകുന്നു. ഒരു അധിക താരതമ്യ വ്യവസ്ഥ എന്ന നിലയിൽ, റഫറൻസിൽ നിർദ്ദേശിച്ചിരിക്കുന്ന ക്ലാസിക്കൽ ബീംഫോർമിംഗ് രീതികളുടെ വൈദ്യുതി ഉപഭോഗം ഞങ്ങൾ വിലയിരുത്തുന്നു. 1.8V വിതരണ വോൾട്ടേജിൽ അതേ മൈക്രോകൺട്രോളറിൽ 68 ഉൾച്ചേർക്കുമ്പോൾ 31.54. ബീംഫോർമിംഗിനായി ഡാറ്റ നേടുന്നതിന് തുല്യ അകലത്തിലുള്ള അഞ്ച് pMUT മെംബ്രണുകൾ ഉപയോഗിക്കുന്നു. പ്രോസസ്സിംഗിനെ സംബന്ധിച്ചിടത്തോളം, ഉപയോഗിച്ചിരിക്കുന്ന ബീംഫോർമിംഗ് രീതി കാലതാമസം സംഗ്രഹമാണ്. ഒരു ലെയ്‌നും റഫറൻസ് ലെയ്നും തമ്മിലുള്ള എത്തിച്ചേരുന്ന സമയങ്ങളിലെ പ്രതീക്ഷിക്കുന്ന വ്യത്യാസവുമായി പൊരുത്തപ്പെടുന്ന ലെയ്‌നുകളിൽ കാലതാമസം പ്രയോഗിക്കുന്നത് ഇതിൽ അടങ്ങിയിരിക്കുന്നു. സിഗ്നലുകൾ ഘട്ടത്തിലാണെങ്കിൽ, ഈ സിഗ്നലുകളുടെ ആകെത്തുക ഒരു സമയ ഷിഫ്റ്റിന് ശേഷം ഉയർന്ന ഊർജ്ജം ഉണ്ടായിരിക്കും. അവ ഘട്ടത്തിന് പുറത്താണെങ്കിൽ, വിനാശകരമായ ഇടപെടൽ അവരുടെ തുകയുടെ ഊർജ്ജത്തെ പരിമിതപ്പെടുത്തും. ഒരു ബന്ധത്തിൽ. അത്തിപ്പഴത്തിൽ. 31, സാമ്പിളുകളുടെ ഒരു പൂർണ്ണസംഖ്യ ഉപയോഗിച്ച് ഡാറ്റ സമയമാറ്റം ചെയ്യുന്നതിന് 2 MHz സാമ്പിൾ നിരക്ക് തിരഞ്ഞെടുത്തു. 250 kHz ൻ്റെ ഒരു പരുക്കൻ സാമ്പിൾ നിരക്ക് നിലനിർത്തുകയും ഫ്രാക്ഷണൽ കാലതാമസം സമന്വയിപ്പിക്കുന്നതിന് ഒരു ഫിനൈറ്റ് ഇംപൾസ് റെസ്‌പോൺസ് (FIR) ഫിൽട്ടർ ഉപയോഗിക്കുകയും ചെയ്യുക എന്നതാണ് കൂടുതൽ മിതമായ സമീപനം. ഓരോ ചാനലും ഓരോ ദിശയിലും 16 ടാപ്പുകളുള്ള ഒരു എഫ്ഐആർ ഫിൽട്ടർ ഉപയോഗിച്ച് സംയോജിപ്പിച്ചിരിക്കുന്നതിനാൽ, ബീംഫോർമിംഗ് അൽഗോരിതത്തിൻ്റെ സങ്കീർണ്ണത പ്രധാനമായും നിർണ്ണയിക്കുന്നത് സമയ ഷിഫ്റ്റ് അനുസരിച്ചാണെന്ന് ഞങ്ങൾ അനുമാനിക്കും. ഈ പ്രവർത്തനത്തിന് ആവശ്യമായ MIPS-ൻ്റെ എണ്ണം കണക്കാക്കാൻ, 1 മീറ്റർ, 5 ചാനലുകൾ, 11 ബീംഫോർമിംഗ് ദിശകൾ (10° ഘട്ടങ്ങളിൽ പരിധി +/- 50°) ക്യാപ്‌ചർ ചെയ്യുന്നതിന് ഓരോ അളവെടുപ്പിനും 6ms എന്ന വിൻഡോ ഞങ്ങൾ പരിഗണിക്കുന്നു. സെക്കൻഡിൽ 75 അളവുകൾ മൈക്രോകൺട്രോളറിനെ അതിൻ്റെ പരമാവധി 100 എംഐപിഎസിലേക്ക് തള്ളിവിട്ടു. ലിങ്ക്. 68, ഓൺബോർഡ് എഡിസി സംഭാവന ചേർത്തതിന് ശേഷം മൊത്തം 11.71 മെഗാവാട്ട് പവർ ഡിസ്പേഷനായി 11.26 മെഗാവാട്ട് വൈദ്യുതി വിതരണം ചെയ്യപ്പെടുന്നു.
ഈ പഠനത്തിൻ്റെ ഫലങ്ങളെ പിന്തുണയ്ക്കുന്ന ഡാറ്റ ന്യായമായ അഭ്യർത്ഥന പ്രകാരം ബന്ധപ്പെട്ട എഴുത്തുകാരനായ FM-ൽ നിന്ന് ലഭ്യമാണ്.
ഇൻഡിവേരി, ജി ഇൻഡിവേരി, ജിIndiveri G., Sandamirskaya Y. ന്യൂറോമോർഫിക് ഏജൻ്റുകളിൽ സിഗ്നൽ പ്രോസസ്സിംഗിനുള്ള സ്ഥലത്തിൻ്റെയും സമയത്തിൻ്റെയും പ്രാധാന്യം: പരിസ്ഥിതിയുമായി ഇടപഴകുന്ന താഴ്ന്ന-പവർ സ്വയംഭരണ ഏജൻ്റുമാരെ വികസിപ്പിക്കുന്നതിനുള്ള വെല്ലുവിളി. ഇൻഡിവേരി, ജി. & സന്ദമിർസ്കയ, വൈ.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。 ഇൻഡിവേരി, ജി. & സന്ദമിർസ്കയ, വൈ.Indiveri G., Sandamirskaya Y. ന്യൂറോമോർഫിക് ഏജൻ്റുകളിൽ സിഗ്നൽ പ്രോസസ്സിംഗിനുള്ള സ്ഥലത്തിൻ്റെയും സമയത്തിൻ്റെയും പ്രാധാന്യം: പരിസ്ഥിതിയുമായി ഇടപഴകുന്ന താഴ്ന്ന-പവർ സ്വയംഭരണ ഏജൻ്റുമാരെ വികസിപ്പിക്കുന്നതിനുള്ള വെല്ലുവിളി.IEEE സിഗ്നൽ പ്രോസസ്സിംഗ്. ജേണൽ 36, 16–28 (2019).
തോർപ്പ്, എസ്ജെ പീക്ക് അറൈവൽ ടൈം: ഒരു കാര്യക്ഷമമായ ന്യൂറൽ നെറ്റ്‌വർക്ക് കോഡിംഗ് സ്കീം. Eckmiller, R., Hartmann, G. & Hauske, G. (eds). Eckmiller, R., Hartmann, G. & Hauske, G. (eds).Eckmiller, R., Hartmann, G. and Hauske, G. (eds.).Eckmiller, R., Hartmann, G., Hauske, G. (eds.). ന്യൂറൽ സിസ്റ്റങ്ങളിലും കമ്പ്യൂട്ടറുകളിലും സമാന്തര പ്രോസസ്സിംഗ് 91-94 (നോർത്ത്-ഹോളണ്ട് എൽസെവിയർ, 1990).
Levy, WB & Calvert, VG കമ്മ്യൂണിക്കേഷൻ മനുഷ്യ കോർട്ടക്സിൽ കണക്കുകൂട്ടുന്നതിനേക്കാൾ 35 മടങ്ങ് കൂടുതൽ ഊർജ്ജം ഉപയോഗിക്കുന്നു, എന്നാൽ സിനാപ്സ് നമ്പർ പ്രവചിക്കാൻ രണ്ട് ചെലവുകളും ആവശ്യമാണ്. Levy, WB & Calvert, VG കമ്മ്യൂണിക്കേഷൻ മനുഷ്യ കോർട്ടക്സിൽ കണക്കുകൂട്ടുന്നതിനേക്കാൾ 35 മടങ്ങ് കൂടുതൽ ഊർജ്ജം ഉപയോഗിക്കുന്നു, എന്നാൽ സിനാപ്സ് നമ്പർ പ്രവചിക്കാൻ രണ്ട് ചെലവുകളും ആവശ്യമാണ്.ലെവി, ഡബ്ല്യുബി, കാൽവർട്ട്, ഡബ്ല്യുജി കമ്മ്യൂണിക്കേഷൻ എന്നിവ മനുഷ്യ കോർട്ടക്സിൽ കണക്കുകൂട്ടുന്നതിനേക്കാൾ 35 മടങ്ങ് കൂടുതൽ ഊർജ്ജം ഉപയോഗിക്കുന്നു, എന്നാൽ സിനാപ്സുകളുടെ എണ്ണം പ്രവചിക്കാൻ രണ്ട് ചെലവുകളും ആവശ്യമാണ്. Levy, WB & Calvert, VG കമ്മ്യൂണിക്കേഷൻ 消耗的能量是人类皮层计算的35 ലെവി, WB & Calvert, VG കമ്മ്യൂണിക്കേഷൻലെവി, ഡബ്ല്യുബി, കാൽവർട്ട്, ഡബ്ല്യുജി കമ്മ്യൂണിക്കേഷൻ മനുഷ്യ കോർട്ടക്സിൽ കണക്കുകൂട്ടുന്നതിനേക്കാൾ 35 മടങ്ങ് കൂടുതൽ ഊർജ്ജം ഉപയോഗിക്കുന്നു, എന്നാൽ രണ്ട് ചെലവുകൾക്കും സിനാപ്സുകളുടെ എണ്ണം പ്രവചിക്കേണ്ടതുണ്ട്.പ്രക്രിയ. നാഷണൽ അക്കാദമി ഓഫ് സയൻസ്. ശാസ്ത്രം. യുഎസ് 118, https://doi.org/10.1073/pnas.2008173118 (2021).
ഡാൽഗാറ്റി, ടി., വിയാനെല്ലോ, ഇ., ഡി സാൽവോ, ബി. & കാസസ്, ജെ. പ്രാണികളാൽ പ്രചോദിതമായ ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ്. ഡാൽഗാറ്റി, ടി., വിയാനെല്ലോ, ഇ., ഡി സാൽവോ, ബി. & കാസസ്, ജെ. പ്രാണികളാൽ പ്രചോദിതമായ ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ്.ദൽഗതി, ടി., വിയാനെല്ലോ, ഇ., ഡിസാൽവോ, ബി. ആൻഡ് കാസസ്, ജെ. പ്രാണികളാൽ പ്രചോദിതമായ ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ്.ഡൽഗതി ടി., വിയാനെല്ലോ ഇ., ഡിസാൽവോ ബി., കാസസ് ജെ. പ്രാണികളാൽ പ്രചോദിതമായ ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ്. നിലവിലുള്ളത്. അഭിപ്രായം. പ്രാണികളുടെ ശാസ്ത്രം. 30, 59–66 (2018).
റോയ്, കെ., ജയ്‌സ്വാൾ, എ. & പാണ്ട, പി. ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗിനൊപ്പം സ്പൈക്ക് അധിഷ്ഠിത മെഷീൻ ഇൻ്റലിജൻസിലേക്ക്. റോയ്, കെ., ജയ്‌സ്വാൾ, എ. & പാണ്ട, പി. ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗിനൊപ്പം സ്പൈക്ക് അധിഷ്ഠിത മെഷീൻ ഇൻ്റലിജൻസിലേക്ക്. റോയ്, കെ., ജയ്‌സ്വാൾ, എ. & പാണ്ട, പി. ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗിനൊപ്പം സ്പൈക്ക്-ബേസ്ഡ് മെഷീൻ ഇൻ്റലിജൻസ്.റോയ് കെ, ജയ്സ്വാൾ എ, പാണ്ട പി. ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ് ഉപയോഗിച്ച് പൾസ് അടിസ്ഥാനമാക്കിയുള്ള ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്. നേച്ചർ 575, 607–617 (2019).
ഇൻഡിവേരി, ജി. & ലിയു, എസ്.-സി. ഇൻഡിവേരി, ജി. & ലിയു, എസ്.-സി.ഇൻഡിവേരി, ജി. ആൻഡ് ലിയു, എസ്.-കെ. ഇൻഡിവേരി, ജി. & ലിയു, എസ്.-സി. ഇൻഡിവേരി, ജി. & ലിയു, എസ്.-സി.ഇൻഡിവേരി, ജി. ആൻഡ് ലിയു, എസ്.-കെ.ന്യൂറോമോർഫിക് സിസ്റ്റങ്ങളിൽ മെമ്മറിയും വിവര പ്രോസസ്സിംഗും. പ്രക്രിയ. IEEE 103, 1379–1397 (2015).
അകോപ്യൻ എഫ്. et al. ട്രൂനോർത്ത്: 65 മെഗാവാട്ട് 1 ദശലക്ഷം ന്യൂറോൺ പ്രോഗ്രാമബിൾ സിനാപ്റ്റിക് ചിപ്പിനുള്ള രൂപകല്പനയും ടൂൾകിറ്റും. IEEE ഇടപാടുകൾ. ഇൻ്റഗ്രേറ്റഡ് സർക്യൂട്ട് സിസ്റ്റങ്ങളുടെ കമ്പ്യൂട്ടർ ഡിസൈൻ. 34, 1537–1557 (2015).
സ്കീമൽ, ജെ. തുടങ്ങിയവർ. ലൈവ് ഡെമോ: പ്ലേറ്റ് സ്കെയിലിൽ ബ്രെയിൻസ്കെയിൽസ് ന്യൂറോമോർഫിക് സിസ്റ്റത്തിൻ്റെ സ്കെയിൽ ഡൗൺ പതിപ്പ്. 2012 ഐഇഇഇ ഇൻ്റർനാഷണൽ സിമ്പോസിയം ഓൺ സർക്യൂട്ടുകളും സിസ്റ്റങ്ങളും (ISCAS), (IEEE എഡി.) 702–702 (2012).
മൊറാഡി, എസ്., ക്വിയാവോ, എൻ., സ്റ്റെഫാനിനി, എഫ്. & ഇൻഡിവേരി, ജി. ഡൈനാമിക് ന്യൂറോമോർഫിക് അസിൻക്രണസ് പ്രോസസറുകൾക്ക് (DYNAPs) വൈവിധ്യമാർന്ന മെമ്മറി ഘടനകളുള്ള ഒരു സ്കേലബിൾ മൾട്ടികോർ ആർക്കിടെക്ചർ. മൊറാഡി, എസ്., ക്വിയാവോ, എൻ., സ്റ്റെഫാനിനി, എഫ്. & ഇൻഡിവേരി, ജി. ഡൈനാമിക് ന്യൂറോമോർഫിക് അസിൻക്രണസ് പ്രോസസറുകൾക്ക് (DYNAPs) വൈവിധ്യമാർന്ന മെമ്മറി ഘടനകളുള്ള ഒരു സ്കേലബിൾ മൾട്ടികോർ ആർക്കിടെക്ചർ.മൊറാഡി എസ്., ക്വിയാവോ എൻ., സ്റ്റെഫാനിനി എഫ്., ഇൻഡിവിരി ജി. ഡൈനാമിക് ന്യൂറോമോർഫിക് അസിൻക്രണസ് പ്രോസസറുകൾക്ക് (ഡിവൈഎൻഎപി) വൈവിധ്യമാർന്ന മെമ്മറി ഘടനകളുള്ള ഒരു സ്കേലബിൾ മൾട്ടികോർ ആർക്കിടെക്ചർ. മൊറാഡി, എസ്.、ക്യാവോ, എൻ.、സ്റ്റെഫാനിനി, എഫ്. & ഇൻഡിവേരി, ജി.的异构内存结构。 മൊറാഡി, S.、Qiao, N.、Stefanini, F. & Indiveri, G. ഡൈനാമിക് ന്യൂറൽ പ്രോസസ്സിംഗിനായി (DYNAP) സവിശേഷമായ മെമ്മറി ഘടനയുള്ള ഒരു തരം വികസിപ്പിക്കാവുന്ന മൾട്ടി-കോർ ആർക്കിടെക്ചർ.മൊറാഡി എസ്., ക്വിയാവോ എൻ., സ്റ്റെഫാനിനി എഫ്., ഇൻഡിവിരി ജി. ഡൈനാമിക് ന്യൂറോമോർഫിക് അസിൻക്രണസ് പ്രോസസറുകൾക്ക് (ഡിവൈഎൻഎപി) വൈവിധ്യമാർന്ന മെമ്മറി ഘടനകളുള്ള ഒരു സ്കേലബിൾ മൾട്ടികോർ ആർക്കിടെക്ചർ.ബയോമെഡിക്കൽ സയൻസിലെ IEEE ഇടപാടുകൾ. വൈദ്യുത സംവിധാനം. 12, 106–122 (2018).
ഡേവിസ്, എം. തുടങ്ങിയവർ. ലോഹി: ഉൾച്ചേർത്ത പഠനത്തോടുകൂടിയ ഒരു ന്യൂറോമോർഫിക് മൾട്ടി-കോർ പ്രൊസസർ. IEEE മൈക്രോ 38, 82–99 (2018).
Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpinNaker project. Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpinNaker project.Ferber SB, Galluppi F., Temple S., Plana LA SpiNNaker പദ്ധതി.Ferber SB, Galluppi F., Temple S., Plana LA SpiNNaker പദ്ധതി. പ്രക്രിയ. IEEE 102, 652–665 (2014).
ലിയു, എസ്.-കെ. & ഡെൽബ്രക്ക്, ടി. ന്യൂറോമോർഫിക് സെൻസറി സിസ്റ്റങ്ങൾ. & ഡെൽബ്രക്ക്, ടി. ന്യൂറോമോർഫിക് സെൻസറി സിസ്റ്റങ്ങൾ.ഡെൽബ്രൂക്ക് ടി. ന്യൂറോമോർഫിക് സെൻസറി സിസ്റ്റങ്ങളും. & ഡെൽബ്രക്ക്, T. 神经形态感觉系统。 & ഡെൽബ്രക്ക്, ടി.ഡെൽബ്രൂക്ക് ടി. ന്യൂറോമോർഫിക് സെൻസറി സിസ്റ്റം.നിലവിലുള്ളത്. അഭിപ്രായം. ന്യൂറോബയോളജി. 20, 288–295 (2010).
ചോപ്പ്, ടി. തുടങ്ങിയവർ. സംയോജിത ശബ്‌ദ ഉറവിട പ്രാദേശികവൽക്കരണത്തിനും കൂട്ടിയിടി ഒഴിവാക്കുന്നതിനുമുള്ള ന്യൂറോമോർഫിക് സെൻസറി ഇൻ്റഗ്രേഷൻ. 2019-ൽ ബയോമെഡിക്കൽ സർക്യൂട്ടുകളും സിസ്റ്റങ്ങളും (BioCAS) സംബന്ധിച്ച IEEE കോൺഫറൻസിൽ, (IEEE എഡ്.) 1–4 (2019).
Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. ഒരു സ്പൈക്ക് അടിസ്ഥാനമാക്കിയുള്ള ന്യൂറോമോർഫിക് ആർക്കിടെക്ചർ ഓഫ് സ്റ്റീരിയോ വിഷൻ. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. ഒരു സ്പൈക്ക് അടിസ്ഥാനമാക്കിയുള്ള ന്യൂറോമോർഫിക് ആർക്കിടെക്ചർ ഓഫ് സ്റ്റീരിയോ വിഷൻ.Risi N, Aymar A, Donati E, Solinas S, Indiveri G. സ്പൈക്ക് അധിഷ്ഠിത ന്യൂറോമോർഫിക് സ്റ്റീരിയോവിഷൻ ആർക്കിടെക്ചർ. 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。 റിസി, എൻ., ഐമർ, എ., ഡൊനാറ്റി, ഇ., സോളിനാസ്, എസ്. & ഇൻഡിവേരി, ജി.Risi N, Aimar A, Donati E, Solinas S, Indiveri G. സ്റ്റീരിയോ ദർശനത്തിനായി സ്പൈക്ക് അടിസ്ഥാനമാക്കിയുള്ള ന്യൂറോമോർഫിക് ആർക്കിടെക്ചർ.മുന്നിൽ. ന്യൂറോബോട്ടിക്സ് 14, 93 (2020).
Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. ഇവൻ്റ് അടിസ്ഥാനമാക്കിയുള്ള ന്യൂറോമോർഫിക് സ്റ്റീരിയോ വിഷൻ സിസ്റ്റങ്ങൾക്കായുള്ള 3D പെർസെപ്ഷൻ്റെ ഒരു സ്പൈക്കിംഗ് ന്യൂറൽ നെറ്റ്‌വർക്ക് മോഡൽ. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. ഇവൻ്റ് അടിസ്ഥാനമാക്കിയുള്ള ന്യൂറോമോർഫിക് സ്റ്റീരിയോ വിഷൻ സിസ്റ്റങ്ങൾക്കായുള്ള 3D പെർസെപ്ഷൻ്റെ ഒരു സ്പൈക്കിംഗ് ന്യൂറൽ നെറ്റ്‌വർക്ക് മോഡൽ.ഓസ്വാൾഡ്, M., Ieng, S.-H., Benosman, R., and Indiveri, G. ഇവൻ്റ് ബേസ്ഡ് ന്യൂറോമോർഫിക് സ്റ്റീരിയോ വിഷൻ സിസ്റ്റങ്ങൾക്കായുള്ള 3D പൾസ്ഡ് ന്യൂറൽ നെറ്റ്‌വർക്ക് പെർസെപ്ഷൻ മോഡൽ. ഓസ്വാൾഡ്, M., Ieng, S.-H., ബെനോസ്മാൻ, R. & Indiveri, G. ഓസ്വാൾഡ്, എം., ഐഎങ്, എസ്.-എച്ച്., ബെനോസ്മാൻ, ആർ. & ഇൻഡിവേരി, ജി. 3ഡിപെർസെപ്ഷൻ 脉冲神经网络模型。ഓസ്വാൾഡ്, M., Ieng, S.-H., Benosman, R., and Indiveri, G. ഒരു ഇവൻ്റ് ബേസ്ഡ് ന്യൂറോമോർഫിക് സ്റ്റീരിയോ വിഷൻ സിസ്റ്റത്തിനായുള്ള സ്പൈക്ക്ഡ് 3D പെർസെപ്ഷൻ ന്യൂറൽ നെറ്റ്‌വർക്ക് മോഡൽ.ശാസ്ത്രം. റിപ്പോർട്ട് 7, 1–11 (2017).
ഡൽഗാട്ടി, ടി. തുടങ്ങിയവർ. പ്രാണികളാൽ പ്രചോദിതമായ അടിസ്ഥാന ചലന കണ്ടെത്തലിൽ റെസിസ്റ്റീവ് മെമ്മറിയും പൊട്ടിത്തെറിച്ച ന്യൂറൽ നെറ്റ്‌വർക്കുകളും ഉൾപ്പെടുന്നു. ബയോണിക് ബയോഹൈബ്രിഡ് സിസ്റ്റം. 10928, 115–128 (2018).
ഡി ആഞ്ചലോ, ജി. തുടങ്ങിയവർ. ടെമ്പറൽ ഡിഫറൻഷ്യൽ കോഡിംഗ് ഉപയോഗിച്ച് ഇവൻ്റ് അടിസ്ഥാനമാക്കിയുള്ള എക്സെൻട്രിക് മോഷൻ കണ്ടെത്തൽ. മുന്നിൽ. ന്യൂറോളജി. 14, 451 (2020).