Мэдээ

Бодит өгөгдөл боловсруулах програмууд нь авсаархан, хоцрогдол багатай, бага хүчин чадалтай тооцоолох системийг шаарддаг. Үйл явдалд тулгуурласан тооцоолох чадвар бүхий нэмэлт металл-оксид-хагас дамжуулагч эрлийз дурсамжийн нейроморф архитектурууд нь ийм ажлуудад хамгийн тохиромжтой техник хангамжийн суурийг бүрдүүлдэг. Ийм системийн бүрэн чадавхийг харуулахын тулд бид бодит ертөнцийн объектыг нутагшуулах програмуудад зориулсан мэдрэгч боловсруулах цогц шийдлийг санал болгож, туршилтаар харуулж байна. Шар шувууны мэдрэлийн анатомийн судалгаанаас санаа аван бид орчин үеийн пьезоэлектрик микромеханик хувиргагч хувиргагчийг тооцооллын графикт суурилсан нейроморф эсэргүүцэх санах ойтой хослуулсан, био санаачилсан, үйл явдалд тулгуурласан объектын нутагшуулах системийг бүтээсэн. Бид санах ойд суурилсан эсэргүүцэлтэй давхцах детектор, саатлын шугамын хэлхээ, бүрэн тохируулах боломжтой хэт авианы хувиргагчийг багтаасан зохион бүтээсэн системийн хэмжилтийг харуулж байна. Бид эдгээр туршилтын үр дүнг системийн түвшинд симуляцийг тохируулахад ашигладаг. Дараа нь эдгээр загварчлалыг объектын нутагшуулах загварын өнцгийн нарийвчлал болон эрчим хүчний үр ашгийг үнэлэхэд ашигладаг. Үр дүн нь бидний арга барил нь ижил ажлыг гүйцэтгэдэг микроконтроллеруудаас хэд хэдэн удаа илүү эрчим хүчний хэмнэлттэй байж болохыг харуулж байна.
Бидний өдөр тутмын амьдралд туслахын тулд суурилуулсан төхөөрөмж, системүүдийн тоо асар хурдацтай нэмэгдэж буй хаа сайгүй тархсан тооцоолох эрин үе рүү бид орж байна. Эдгээр системүүд тасралтгүй ажиллаж, олон мэдрэгчээс цуглуулсан өгөгдлийг бодит цаг хугацаанд тайлбарлаж сурахын зэрэгцээ аль болох бага эрчим хүч зарцуулж, ангилах эсвэл таних даалгаврын үр дүнд хоёртын гаралт гаргах төлөвтэй байна. Энэ зорилгод хүрэхийн тулд шаардлагатай хамгийн чухал алхамуудын нэг бол дуу чимээ ихтэй, ихэвчлэн бүрэн бус мэдрэхүйн мэдээллээс хэрэгтэй, авсаархан мэдээллийг гаргаж авах явдал юм. Уламжлалт инженерчлэлийн аргууд нь мэдрэгчийн дохиог тогтмол, өндөр хурдаар түүвэрлэн, ашигтай оролт байхгүй байсан ч их хэмжээний өгөгдөл үүсгэдэг. Үүнээс гадна эдгээр аргууд нь (ихэвчлэн дуу чимээ ихтэй) оролтын өгөгдлийг урьдчилан боловсруулахын тулд дижитал дохио боловсруулах нарийн төвөгтэй техникийг ашигладаг. Үүний оронд биологи нь эрчим хүчний хэмнэлттэй, асинхрон, үйл явдалд тулгуурласан хандлагуудыг ашиглан чимээ шуугиантай мэдрэхүйн өгөгдлийг боловсруулах өөр шийдлүүдийг санал болгодог.2,3. Нейроморфик тооцоолол нь уламжлалт дохио боловсруулах аргуудтай харьцуулахад эрчим хүч, санах ойн шаардлагын хувьд тооцооллын зардлыг бууруулахын тулд биологийн системээс санаа авдаг4,5,6. Саяхан импульсийн мэдрэлийн сүлжээг (TrueNorth7, BrainScaleS8, DYNAP-SE9, Loihi10, Spinnaker11) хэрэгжүүлдэг тархинд суурилсан ерөнхий зориулалтын шинэлэг системүүдийг харуулсан. Эдгээр процессорууд нь машин сурах, кортикал хэлхээний загварчлалын бага чадалтай, хоцролт багатай шийдлүүдийг өгдөг. Эрчим хүчний үр ашгийг бүрэн ашиглахын тулд эдгээр нейроморф процессорууд үйл явдалд тулгуурласан мэдрэгчтэй шууд холбогдсон байх ёстой12,13. Гэсэн хэдий ч өнөөдөр үйл явдалд тулгуурласан өгөгдлийг шууд өгдөг хэдхэн мэдрэгчтэй төхөөрөмж байдаг. Үүний тод жишээ бол хөдөлгөөнийг хянах, илрүүлэх зэрэг харааны хэрэглээнд зориулагдсан динамик харааны мэдрэгч (DVS) 14,15,16,17 цахиурын чихний дун18, сонсголын дохиог боловсруулахад зориулагдсан нейроморф сонсголын мэдрэгч (NAS)19, үнэрлэх мэдрэгч20 болон хүрэлцэх олон жишээ21,22 юм. . бүтэц мэдрэгч.
Энэ нийтлэлд бид объектын нутагшуулахад хэрэглэгдэх үйл явдалд тулгуурласан сонсголын процессын шинэчилсэн системийг танилцуулж байна. Энд бид анх удаагаа орчин үеийн пьезоэлектрик микромашинаар хийгдсэн хэт авианы хувиргагчийг (pMUT) нейроморф эсэргүүцэх санах ой (RRAM) дээр суурилсан тооцооллын графиктай холбосноор олж авсан объектын нутагшуулах төгсгөлийн системийг тайлбарлав. RRAM ашигладаг санах ойн тооцооллын архитектурууд нь эрчим хүчний хэрэглээг багасгах ирээдүйтэй шийдэл юм23,24,25,26,27,28,29. Тэдний төрөлхийн тогтворгүй байдал нь мэдээлэл хадгалах эсвэл шинэчлэхэд идэвхтэй эрчим хүчний зарцуулалт шаарддаггүй нь нейроморф тооцооллын асинхрон, үйл явдалд тулгуурласан шинж чанартай төгс зохицдог тул систем ажиллахгүй байх үед бараг цахилгаан зарцуулдаггүй. Пьезоэлектрик микромашинаар хийсэн хэт авианы хувиргагч (pMUTs) нь дамжуулагч, хүлээн авагчийн үүрэг гүйцэтгэх чадвартай, хямд, жижигрүүлсэн цахиурт суурилсан хэт авианы хувиргагч юм30,31,32,33,34. Суурилуулсан мэдрэгчээр хүлээн авсан дохиог боловсруулахын тулд бид шар шувууны мэдрэлийн анатоми35,36,37-аас санаа авсан. Амбаар шар шувуу Тито альба нь маш үр дүнтэй сонсголын нутагшуулах системийн ачаар шөнийн цагаар ан хийх гайхалтай чадвараараа алдартай. Олзны байршлыг тооцоолохын тулд амбаар шар шувууны нутагшуулах систем нь олзны дууны долгион шар шувууны чих эсвэл дууны рецептор бүрт хүрэх үед нислэгийн цагийг (ToF) кодчилдог. Чихний хоорондох зайг харгалзан хоёр ToF хэмжилтийн зөрүү (Interaural Time Difference, ITD) нь байны азимутын байрлалыг аналитик аргаар тооцоолох боломжтой болгодог. Хэдийгээр биологийн системүүд нь алгебрийн тэгшитгэлийг шийдвэрлэхэд тохиромжгүй боловч нутагшуулах асуудлыг маш үр дүнтэй шийдэж чаддаг. Шар шувууны мэдрэлийн систем нь байрлал тогтоох асуудлыг шийдэхийн тулд тооцооллын график болгон зохион байгуулалттай давхцах детектор (CD) 35 мэдрэлийн эсийг (өөрөөр хэлбэл, нийлсэн өдөөх төгсгөл хүртэл доошоо тархдаг үүсгэлтийн хоорондох түр зуурын хамаарлыг илрүүлэх чадвартай нейронууд) 38,39 ашигладаг.
Өмнөх судалгаагаар амбаар шар шувууны доод колликулус (сонсголын бор гадар)-аас өдөөгдсөн нэмэлт металл-оксид-хагас дамжуулагч (CMOS) техник хангамж болон RRAM-д суурилсан нейроморф техник хангамж нь ITD13, 40, 41, 42, 43, 44, 45, 46. Гэсэн хэдий ч, the сонсголын дохиог нейроморф тооцооллын графиктай холбодог бүрэн нейроморф системийн чадамжийг хараахан нотлоогүй байна. Гол асуудал бол аналог CMOS хэлхээний төрөлхийн хувьсах чанар бөгөөд энэ нь тохирох илрүүлэх нарийвчлалд нөлөөлдөг. Саяхан ITD47 тооцооллын өөр тоон хэрэгжилтийг харуулсан. Энэ нийтлэлд бид аналог хэлхээн дэх хувьсах чадварыг эсэргүүцэхийн тулд RRAM-ийн дамжуулалтын утгыг тогтворгүй байдлаар өөрчлөх чадварыг ашиглахыг санал болгож байна. Бид 111.9 кГц давтамжтай ажилладаг нэг pMUT дамжуулагч мембран, амбаар шувууны чихийг дуурайдаг хоёр pMUT хүлээн авагч мембран (мэдрэгч) болон нэг . Бид локалчлалын системийг турших, түүний өнцгийн нарийвчлалыг үнэлэхийн тулд pMUT илрүүлэх систем болон RRAM-д суурилсан ITD тооцооллын графикийг туршилтаар тодорхойлсон.
Бид өөрсдийн аргыг ердийн цацраг үүсгэх эсвэл нейроморфик аргуудыг ашиглан ижил локалчлалын ажлыг гүйцэтгэдэг микроконтроллер дээрх дижитал хэрэгжүүлэлт, мөн лавлагаанд санал болгож буй ITD тооцооллын талбарт програмчлагдсан хаалганы массив (FPGA)-тай харьцуулж үздэг. 47. Энэхүү харьцуулалт нь санал болгож буй RRAM-д суурилсан аналог нейроморф системийн өрсөлдөх чадварын чадлын үр ашгийг онцолж байна.
Объектыг үнэн зөв, үр дүнтэй нутагшуулах системийн хамгийн гайхалтай жишээнүүдийн нэгийг амбаар шар шувуунаас олж болно35,37,48. Үдшийн бүрий, үүр цайх үед амбаар шар шувуу (Тито Альба) үндсэндээ идэвхгүй сонсох чадварт тулгуурлан үлийн цагаан оготно, хулгана зэрэг жижиг олзыг идэвхтэй хайж байдаг. Эдгээр сонсголын мэргэжилтнүүд 1а-р зурагт үзүүлсэн шиг олзны сонсголын дохиог гайхалтай нарийвчлалтайгаар (ойролцоогоор 2°)35 нутагшуулж чаддаг. Амбар шар шувуу нь дууны эх үүсвэрээс хоёр чих хүртэлх нислэгийн ирж буй цаг хугацааны (ITD) зөрүүгээс азимут (хэвтээ) хавтгай дахь дууны эх үүсвэрийн байршлыг тодорхойлдог. ITD тооцооллын механизмыг Жеффресс49,50 санал болгосон бөгөөд энэ нь мэдрэлийн геометр дээр тулгуурладаг бөгөөд аксон, саатлын шугамын үүрэг гүйцэтгэдэг нейроны мэдрэлийн утас, тооцооллын системд зохион байгуулагдсан давхцал илрүүлэгч мэдрэлийн эсүүд гэсэн хоёр үндсэн бүрэлдэхүүн хэсгийг шаарддаг. 1б-р зурагт үзүүлсэн график. Дуу нь азимутаас хамааралтай цаг хугацааны саатал (ITD) бүхий чихэнд хүрдэг. Дараа нь дууг чих бүрт баяжуулалтын загвар болгон хувиргадаг. Зүүн ба баруун чихний тэнхлэгүүд нь саатлын шугам болж, CD мэдрэлийн эсүүд дээр нийлдэг. Онолын хувьд, таарсан нейронуудын массив дахь зөвхөн нэг нейрон нь нэг удаад оролтыг хүлээн авах болно (саатал яг арилдаг) ба хамгийн их гал асаах болно (хөрш зэргэлдээх эсүүд ч бас гал асаах боловч бага давтамжтайгаар). Тодорхой нейроныг идэвхжүүлснээр ITD-ийг өнцөг болгон хувиргахгүйгээр орон зай дахь байны байрлалыг кодлодог. Энэ ойлголтыг Зураг 1в-д нэгтгэн харуулав: жишээлбэл, баруун чихний оролтын дохио зүүн чихний замаас илүү урт замыг туулах үед дуу чимээ баруун талаас гарч байгаа бол ITD-ийн тоог нөхөх, жишээлбэл, нейрон 2 таарах үед. Өөрөөр хэлбэл, CD бүр нь аксоны саатлаас болж тодорхой ITD-д (мөн оновчтой саатал гэж нэрлэдэг) хариу үйлдэл үзүүлдэг. Тиймээс тархи нь цаг хугацааны мэдээллийг орон зайн мэдээлэл болгон хувиргадаг. Энэ механизмын анатомийн нотолгоо олдсон37,51. Фазын түгжигдсэн макронуклеусын мэдрэлийн эсүүд ирж буй дуу чимээний талаарх түр зуурын мэдээллийг хадгалдаг: нэрнээс нь харахад тэд дохионы тодорхой үе шатанд ажилладаг. Жеффрессийн загварын давхцлын детекторын нейроныг ламинар цөмөөс олж болно. Тэд аксонууд нь саатлын шугамын үүрэг гүйцэтгэдэг макронуклеар мэдрэлийн эсүүдээс мэдээлэл авдаг. Сааталын шугамаар өгсөн саатлын хэмжээг аксоны урт, түүнчлэн дамжуулалтын хурдыг өөрчилдөг миелинжилтийн өөр загвараар тайлбарлаж болно. Шар шувууны сонсголын системээс санаа аван бид объектуудыг нутагшуулах биомиметик системийг бүтээсэн. Хоёр чихийг хоёр pMUT хүлээн авагчаар төлөөлдөг. Дууны эх үүсвэр нь тэдгээрийн хооронд байрлах pMUT дамжуулагч (Зураг 1а) бөгөөд тооцооллын график нь RRAM-д суурилсан CD хэлхээний сүлжээгээр (Зураг 1б, ногоон), оролт нь саатсан CD нейроны үүргийг гүйцэтгэдэг. хэлхээгээр дамжуулан саатлын шугамууд (цэнхэр) биологийн эсрэг талын аксон шиг ажилладаг. Санал болгож буй мэдрэхүйн систем нь сонсголын систем нь 1-8 кГц давтамжтай ажилладаг шар шувууны давтамжаас ялгаатай боловч энэ ажилд ойролцоогоор 117 кГц давтамжтай pMUT мэдрэгчийг ашигладаг. Хэт авианы хувиргагчийг сонгохдоо техникийн болон оновчлолын шалгуурын дагуу авч үздэг. Нэгдүгээрт, хүлээн авах зурвасын өргөнийг нэг давтамжаар хязгаарлах нь хэмжилтийн нарийвчлалыг сайжруулж, боловсруулалтын дараах үе шатыг хялбаршуулдаг. Нэмж дурдахад, хэт авиан шинжилгээний давуу тал нь ялгарч буй импульс нь сонсогдохгүй тул сонсголын хүрээ нь ~20-20 кГц байдаг тул хүмүүст саад болохгүй.
амбаар шар шувуу байнаасаа дууны долгион хүлээн авдаг бөгөөд энэ тохиолдолд олзыг хөдөлгөдөг. Дууны долгионы нислэгийн цаг (ToF) нь чих бүрт өөр өөр байдаг (олз нь шууд шар шувууны өмнө байхгүй бол). Тасархай зураас нь дууны долгион амбаарын чихэнд хүрэх замыг харуулж байна. Олзыг хоёр акустик замын хоорондох уртын зөрүү болон холбогдох цаг хугацааны зөрүү (ITD) дээр үндэслэн хэвтээ хавтгайд нарийн тодорхойлж болно (зүүн талын зураг, 74-р хуудас, зохиогчийн эрх 2002, Мэдрэл судлалын нийгэмлэг). Манай системд pMUT дамжуулагч (хар хөх) нь зорилтот цэгээс үсрэх дууны долгион үүсгэдэг. Туссан хэт авианы долгионыг хоёр pMUT хүлээн авагч (цайвар ногоон) хүлээн авч, нейроморфик процессор (баруун талд) боловсруулдаг. b Шар шувууны чихэнд орж ирж буй дуу чимээг эхлээд том цөмд (NM) фазын түгжигдсэн цочрол хэлбэрээр кодлодог, дараа нь давхаргын цөм дэх таарч тохирох детектор нейронуудын геометрийн зохион байгуулалттай сүлжээг ашигладаг болохыг тодорхойлсон ITD (Жеффресс) тооцооллын загвар. Боловсруулж байна (Нидерланд) (зүүн талд). Сааталын шугам болон давхцал детекторын нейроныг хослуулсан neuroITD тооцооллын графикийн зураг, шар шувууны биосенсорын системийг RRAM дээр суурилсан нейроморф хэлхээг ашиглан загварчилж болно (баруун талд). c Жеффрессийн үндсэн механизмын бүдүүвч нь ToF-ийн ялгаанаас шалтгаалан хоёр чих өөр өөр цаг үед дууны өдөөлтийг хүлээн авч, хоёр үзүүрээс детектор руу аксон илгээдэг. Аксонууд нь давхцах детекторын (CD) нейронуудын нэг хэсэг бөгөөд тус бүр нь цаг хугацааны хүчтэй хамааралтай оролтуудад сонгомол байдлаар хариу үйлдэл үзүүлдэг. Үүний үр дүнд зөвхөн оролт нь хамгийн бага цагийн зөрүүтэй ирдэг CD-үүд хамгийн их догдолдог (ITD яг нөхөн төлсөн). Дараа нь CD нь байны өнцгийн байрлалыг кодлох болно.
Пьезоэлектрик микромеханик хэт авианы хувиргагч нь өргөтгөх боломжтой хэт авианы хувиргагч бөгөөд дэвшилтэт CMOS технологитой нэгтгэгдэх боломжтой31,32,33,52 ба уламжлалт эзэлхүүн хувиргагч53-аас бага анхны хүчдэл, цахилгаан зарцуулалттай. Бидний ажилд мембраны диаметр нь 880 мкм, резонансын давтамж нь 110-117 кГц-ийн мужид тархсан байдаг (Зураг 2a, дэлгэрэнгүйг Арга хэсгээс үзнэ үү). Арван туршилтын төхөөрөмжийн багцад чанарын дундаж хүчин зүйл 50 орчим байсан (31-р ишлэл). Технологи нь үйлдвэрлэлийн төлөвшилд хүрсэн бөгөөд дангаараа био сүнслэг нөлөөгүй. Төрөл бүрийн pMUT киноны мэдээллийг нэгтгэх нь сайн мэддэг арга бөгөөд жишээлбэл, цацраг үүсгэх аргыг ашиглан өнцгийн мэдээллийг pMUT-ээс авч болно31,54. Гэсэн хэдий ч өнцгийн мэдээллийг задлахад шаардагдах дохионы боловсруулалт нь бага чадлын хэмжилтэд тохиромжгүй байдаг. Санал болгож буй систем нь нейроморф өгөгдлийг урьдчилан боловсруулах pMUT хэлхээг Жеффрессийн загвараас сэдэвлэсэн RRAM-д суурилсан нейроморф тооцоолох графиктай хослуулсан бөгөөд эрчим хүчний хэмнэлттэй, нөөцийн хязгаарлагдмал техник хангамжийн өөр шийдлийг бий болгодог. Бид хоёр хүлээн авагч мембраны хүлээн авсан өөр өөр ToF дууг ашиглахын тулд хоёр pMUT мэдрэгчийг ойролцоогоор 10 см зайд байрлуулсан туршилт хийсэн. Дамжуулагчийн үүрэг гүйцэтгэдэг нэг pMUT нь хүлээн авагчдын хооронд байрладаг. Зорилтот нь pMUT төхөөрөмжийн урд талд D зайд байрлах 12 см өргөн PVC хавтан байв (Зураг 2b). Хүлээн авагч нь тухайн объектоос ойсон дуу чимээг бүртгэж, дууны долгион өнгөрөх үед аль болох хариу үйлдэл үзүүлдэг. D зай ба θ өнцгөөр тодорхойлогдсон объектын байрлалыг өөрчлөх замаар туршилтыг давтан хийнэ. Холбоосоос санаа авсан. 55-т бид нейроморф тооцооллын график оруулахын тулд ойсон долгионыг оргил болгон хувиргахын тулд pMUT түүхий дохиог нейроморфийн урьдчилсан боловсруулалтыг санал болгож байна. Оргил далайцтай харгалзах ToF-ийг хоёр суваг тус бүрээс гаргаж аваад, тус бүрийн оргилуудын тодорхой цагийг кодчилдог. Зураг дээр. 2c нь pMUT мэдрэгчийг RRAM-д суурилсан тооцооллын графиктай холбоход шаардлагатай хэлхээг харуулж байна: хоёр pMUT хүлээн авагч бүрийн хувьд түүхий дохиог гөлгөр болгохын тулд туузан дамжуулалтаар шүүж, засч, дараа нь гоожиж буй интегратор руу даван туулах горимд дамжуулдаг. динамик босго (зураг 2d) нь гаралтын үйл явдал (баяжуулалт) болон галлах (LIF) нейрон үүсгэдэг: гаралтын баяжуулалтын хугацаа нь илрүүлсэн нислэгийн цагийг кодлодог. LIF босго нь pMUT-ийн хариу урвалын эсрэг тохируулагдсан бөгөөд ингэснээр төхөөрөмжөөс төхөөрөмж хүртэлх pMUT-ийн хэлбэлзлийг бууруулдаг. Энэ аргын тусламжтайгаар дууны долгионыг бүхэлд нь санах ойд хадгалж, дараа нь боловсруулахын оронд бид эсэргүүцлийн санах ойн тооцооллын графикийн оролтыг бүрдүүлдэг дууны долгионы ToF-д тохирох оргилыг үүсгэдэг. Баяжуулалтыг хойшлуулах шугам руу шууд илгээж, нейроморфик тооцооллын график дахь таарч илрүүлэх модулиудтай зэрэгцүүлэн байрлуулна. Тэдгээрийг транзисторуудын хаалга руу илгээдэг тул нэмэлт өсгөлтийн хэлхээ шаардлагагүй (дэлгэрэнгүйг Нэмэлт зураг 4-ээс үзнэ үү). pMUT-ийн өгсөн локалчлалын өнцгийн нарийвчлал болон санал болгож буй дохио боловсруулах аргыг үнэлэхийн тулд объектын зай ба өнцөг өөр өөр байсан тул бид ITD-ийг (өөрөөр хэлбэл хоёр хүлээн авагчийн үүсгэсэн оргил үйл явдлын хоорондох хугацааны зөрүү) хэмжсэн. Дараа нь ITD-ийн шинжилгээг өнцгөөр хөрвүүлсэн (Аргачлалыг үзнэ үү) ба объектын байрлалын эсрэг зурсан: хэмжсэн ITD дахь тодорхойгүй байдал нь объект руу хүрэх зай, өнцөг нэмэгдэх тусам нэмэгддэг (Зураг 2e,f). Гол асуудал бол pMUT-ийн хариу үйлдэл дэх оргил ба дуу чимээний харьцаа (PNR) юм. Объект хол байх тусам акустик дохио багасч, улмаар PNR-ийг бууруулдаг (Зураг 2f, ногоон шугам). PNR-ийн бууралт нь ITD-ийн тооцооллын тодорхой бус байдлыг нэмэгдүүлэхэд хүргэдэг бөгөөд ингэснээр нутагшуулах нарийвчлалыг нэмэгдүүлдэг (Зураг 2f, цэнхэр шугам). Дамжуулагчаас 50 см-ийн зайд байгаа объектын хувьд системийн өнцгийн нарийвчлал нь ойролцоогоор 10 ° байна. Мэдрэгчийн шинж чанараас үүдэлтэй энэхүү хязгаарлалтыг сайжруулж болно. Жишээлбэл, ялгаруулагчийн илгээсэн даралтыг нэмэгдүүлж, улмаар pMUT мембраныг жолоодох хүчдэлийг нэмэгдүүлэх боломжтой. Дамжуулсан дохиог өсгөх өөр нэг шийдэл бол олон дамжуулагчийг холбох явдал юм 56. Эдгээр шийдлүүд нь эрчим хүчний зардлыг нэмэгдүүлэх зардлаар илрүүлэх хүрээг нэмэгдүүлэх болно. Хүлээн авагч тал дээр нэмэлт сайжруулалт хийж болно. pMUT-ийн хүлээн авагчийн дуу чимээний давхаргыг pMUT болон эхний шатны өсгөгчийн хоорондох холболтыг сайжруулснаар мэдэгдэхүйц бууруулж болох бөгөөд энэ нь одоогоор утсан холболт болон RJ45 кабелиар хийгддэг.
a 1.5 мм-ийн давирхайгаар нэгтгэсэн 880 μм-ийн зургаан мембран бүхий pMUT болорын зураг. b Хэмжилтийн тохиргооны диаграмм. Зорилтот нь азимутын байрлал θ ба D зайд байрладаг. pMUT дамжуулагч нь 117.6 кГц давтамжтай дохиог үүсгэн байнаасаа ухарч, нислэгийн өөр өөр хугацаатай (ToF) хоёр pMUT хүлээн авагчид хүрдэг. Энэ ялгаа нь сонсгол хоорондын цагийн зөрүү (ITD) гэж тодорхойлогддог бөгөөд объектын байрлалыг кодлодог бөгөөд хүлээн авагчийн хоёр мэдрэгчийн хамгийн их хариу үйлдлийг тооцоолох замаар тооцоолж болно. c Түүхий pMUT дохиог баяжуулалтын дараалал болгон хувиргах урьдчилсан боловсруулалтын үе шатуудын схем (өөрөөр хэлбэл нейроморф тооцооллын графикт оруулах). pMUT мэдрэгч болон нейроморф тооцооллын графикуудыг зохион бүтээж, туршиж үзсэн бөгөөд нейроморфийн урьдчилсан боловсруулалт нь программ хангамжийн симуляц дээр суурилдаг. d Сигнал хүлээн авсны дараа pMUT мембраны хариу үйлдэл, түүнийг баяжуулалтын муж болгон хувиргах. e Туршилтын локалчлалын өнцгийн нарийвчлал нь объектын өнцөг (Θ) ба зорилтот объект хүртэлх зай (D). ITD олборлох арга нь ойролцоогоор 4 ° C-ийн хамгийн бага өнцгийн нарийвчлалыг шаарддаг. f Өнцгийн нарийвчлал (цэнхэр шугам) ба Θ = 0-ийн хувьд объектын зайтай харгалзах оргил ба дуу чимээний харьцаа (ногоон шугам).
Эсэргүүцэх санах ой нь мэдээллийг дэгдэмхий бус дамжуулагч төлөвт хадгалдаг. Аргын үндсэн зарчим нь материалыг атомын түвшинд өөрчлөхөд түүний цахилгаан дамжуулах чанар өөрчлөгддөг57. Энд бид дээд ба доод титан ба титан нитридын электродуудын хооронд хавчуулагдсан 5 нм гафнийн давхар ислийн давхаргаас бүрдэх исэлд суурилсан эсэргүүцэх санах ойг ашигладаг. RRAM төхөөрөмжүүдийн дамжуулалтыг электродуудын хоорондох хүчилтөрөгчийн сул орон зайн дамжуулагч утас үүсгэдэг гүйдэл/хүчдэлийн долгионы хэлбэрийг ашиглан өөрчилж болно. Бид ийм төхөөрөмжийг58 стандарт 130 нм CMOS процесст нэгтгэж, давхцал илрүүлэгч болон саатлын шугамын хэлхээг хэрэгжүүлдэг дахин тохируулж болох нейроморф хэлхээг бий болгосон (Зураг 3a). Төхөөрөмжийн тогтворгүй, аналог шинж чанар нь нейроморфийн хэлхээний үйл явдлаас үүдэлтэй шинж чанартай хослуулан цахилгаан зарцуулалтыг багасгадаг. Хэлхээ нь шуурхай асаах/унтраах функцтэй: энэ нь асаасны дараа шууд ажилладаг бөгөөд энэ нь хэлхээ сул байх үед хүчийг бүрэн унтраах боломжийг олгодог. Санал болгож буй схемийн үндсэн барилгын блокуудыг Зураг дээр үзүүлэв. 3б. Энэ нь жигнэсэн гүйдлийг авч, дифференциал хос интеграторын (DPI) 59 нийтлэг синапс руу шахаж, эцэст нь интеграл болон синапс руу оруулдаг синаптик жинг кодлодог нэг резистортой нэг транзистор (1T1R) N зэрэгцээ бүтэцтэй. гоожих. идэвхжүүлсэн (LIF) нейрон 60 (дэлгэрэнгүйг "Арга"-аас үзнэ үү). Оролтын өсөлтийг 1T1R бүтцийн хаалган дээр хэдэн зуун наносекундын дарааллаар үргэлжлэх хүчдэлийн импульсийн дараалал хэлбэрээр хийдэг. Эсэргүүцэх санах ойг Vbottom газардуулгатай үед Vtop-д гаднаас эерэг лавлагаа хийснээр өндөр дамжуулагч төлөвт (HCS) байрлуулж, Vtop-г газардуулсан үед Vbottom-д эерэг хүчдэл өгч бага дамжуулагч төлөвт (LCS) дахин тохируулж болно. HCS-ийн дундаж утгыг цуврал транзисторын хаалганы эх үүсвэрийн хүчдэлээр SET (ICC) -ийн програмчлалын гүйдлийг (нийцэх) хязгаарлах замаар хянаж болно (Зураг 3c). Хэлхээн дэх RRAM-ийн үүрэг нь хоёр талтай: оролтын импульсийг чиглүүлж, жинлэнэ.
Ногоон өнгөөр ​​сонгогч транзистор (650 нм өргөн) бүхий 130 нм CMOS технологид нэгдсэн цэнхэр HfO2 1T1R RRAM төхөөрөмжийн сканнердсан электрон микроскоп (SEM) зураг. b Санал болгож буй нейроморф схемийн үндсэн барилгын блокууд. Оролтын хүчдэлийн импульс (оргилууд) Vin0 ба Vin1 нь одоогийн Iweight-ийг зарцуулдаг бөгөөд энэ нь 1T1R бүтцийн G0 ба G1 дамжуулалтын төлөвтэй пропорциональ байна. Энэ гүйдэл нь DPI синапсуудад тарьж, LIF мэдрэлийн эсүүдийг өдөөдөг. RRAM G0 ба G1 нь HCS болон LCS-д тус тус суурилагдсан. c Дамжуулалтын түвшинг үр дүнтэй хянадаг ICC гүйдлийн тохируулгын функц болох 16К RRAM төхөөрөмжүүдийн бүлэгт хуримтлагдсан дамжуулалтын нягтын функц. d (a) дахь хэлхээний хэмжилтүүд нь G1 (LCS-д) нь Vin1 (ногоон)-ийн оролтыг үр дүнтэй блоклодог бөгөөд үнэхээр гаралтын нейроны мембраны хүчдэл зөвхөн Vin0-ийн цэнхэр оролтод хариу үйлдэл үзүүлдэг болохыг харуулж байна. RRAM нь хэлхээний холболтыг үр дүнтэй тодорхойлдог. e Vin0 хүчдэлийн импульсийг хэрэглэсний дараа G0 дамжуулалтын утгын мембраны хүчдэлд үзүүлэх нөлөөллийг харуулсан хэлхээний хэмжилт. Дамжуулах чадвар их байх тусам хариу үйлдэл нь илүү хүчтэй болно: RRAM төхөөрөмж нь оролт гаралтын холболтын жинг хэрэгжүүлдэг. Хэмжилтийг хэлхээнд хийсэн бөгөөд RRAM-ийн давхар функц, оролтын импульсийн чиглүүлэлт, жинг харуулсан.
Нэгдүгээрт, дамжуулалтын хоёр үндсэн төлөв (HCS ба LCS) байдаг тул RRAM нь LCS эсвэл HCS төлөвт байх үед оролтын импульсыг хааж эсвэл алдаж болно. Үүний үр дүнд RRAM нь хэлхээний холболтыг үр дүнтэй тодорхойлдог. Энэ нь архитектурыг дахин тохируулах боломжтой байх үндэс суурь юм. Үүнийг харуулахын тулд бид 3б-р зурагт хэлхээний блокийн зохиомол хэлхээний хэрэгжилтийг тайлбарлах болно. G0-д тохирох RRAM нь HCS-д програмчлагдсан бөгөөд хоёр дахь RRAM G1 нь LCS-д програмчлагдсан. Оролтын импульсийг Vin0 болон Vin1-д хэрэглэнэ. Оролтын импульсийн хоёр дарааллын нөлөөг осциллограф ашиглан нейроны мембраны хүчдэл ба гаралтын дохиог цуглуулах замаар гаралтын нейронуудад шинжилэв. Зөвхөн HCS төхөөрөмж (G0) нь мембраны хурцадмал байдлыг өдөөх мэдрэлийн импульстэй холбогдсон үед туршилт амжилттай болсон. Цэнхэр импульсийн цуваа нь мембраны конденсатор дээр мембраны хүчдэлийг бий болгоход хүргэдэг бол ногоон импульсийн цуваа нь мембраны хүчдэлийг тогтмол байлгадаг Зураг 3d-д харуулав.
RRAM-ийн хоёр дахь чухал үүрэг бол холболтын жинг хэрэгжүүлэх явдал юм. RRAM-ийн аналог дамжуулалтын тохируулгыг ашиглан оролт/гаралтын холболтыг зохих хэмжээгээр жинлэж болно. Хоёрдахь туршилтаар G0 төхөөрөмжийг HCS-ийн янз бүрийн түвшинд програмчилж, оролтын импульсийг VIn0 оролтод ашигласан. Оролтын импульс нь төхөөрөмжөөс гүйдэл (Iweight) татдаг бөгөөд энэ нь дамжуулалт ба харгалзах боломжит Vtop - Vbot уналттай пропорциональ байна. Дараа нь энэ жинтэй гүйдлийг DPI синапсууд болон LIF гаралтын нейронууд руу оруулна. Гаралтын нейронуудын мембраны хүчдэлийг осциллограф ашиглан тэмдэглэж, 3d зурагт үзүүлэв. Нэг оролтын импульсийн хариуд нейроны мембраны хүчдэлийн оргил нь эсэргүүцэл санах ойн дамжуулалттай пропорциональ байдаг нь RRAM-ийг синаптик жингийн програмчлагдсан элемент болгон ашиглаж болохыг харуулж байна. Эдгээр хоёр урьдчилсан туршилт нь санал болгож буй RRAM-д суурилсан нейроморф платформ нь Жеффрессийн үндсэн механизмын үндсэн элементүүд болох саатлын шугам ба давхцлын детекторын хэлхээг хэрэгжүүлэх чадвартай болохыг харуулж байна. Хэлхээний платформ нь 3б-р зурагт үзүүлсэн блокууд зэрэг дараалсан блокуудыг давхарлан давхарлаж, тэдгээрийн хаалгыг нийтлэг оролтын шугамтай холбох замаар бүтээгдсэн. Бид хоёр оролт хүлээн авдаг хоёр гаралтын нейроноос бүрдэх нейроморф платформыг зохион бүтээж, бүтээж, туршсан (Зураг 4a). Хэлхээний диаграммыг Зураг 4б-д үзүүлэв. Дээд талын 2 × 2 RRAM матриц нь оролтын импульсийг хоёр гаралтын нейрон руу чиглүүлэх боломжийг олгодог бол доод 2 × 2 матриц нь хоёр нейроны (N0, N1) давтагдах холболтыг зөвшөөрдөг. Зураг 4c-e-д туршилтын хэмжилтээр үзүүлсэн шиг энэ платформыг саатлын шугамын тохиргоо болон хоёр өөр давхцал илрүүлэгч функцээр ашиглаж болохыг бид харуулж байна.
0 ба 1 гэсэн хоёр оролтыг хүлээн авсан N0 ба N1 хоёр гаралтын нейроны үүсгэсэн хэлхээний диаграм. Массивын дээд дөрвөн төхөөрөмж нь оролтоос гаралт хүртэлх синаптик холболтыг, доод дөрвөн нүд нь нейрон хоорондын давтагдах холболтыг тодорхойлдог. Өнгөт RRAM нь баруун талд байгаа HCS-д тохируулагдсан төхөөрөмжүүдийг төлөөлдөг: HCS-д байгаа төхөөрөмжүүд нь холболтыг зөвшөөрч, жинг илэрхийлдэг бол LCS-ийн төхөөрөмжүүд нь оролтын импульсийг хааж, гаралтын холболтыг идэвхгүй болгодог. b Цэнхэр өнгөөр ​​тодруулсан найман RRAM модуль бүхий хэлхээний диаграм (a). c DPI синапс ба LIF нейронуудын динамикийг ашиглан саатлын шугамууд үүсдэг. Ногоон RRAM нь оролтын саатал Δt-ийн дараа гаралтад алдаа гаргах чадвартай байх хангалттай өндөр дамжуулалтыг тохируулсан. d Чиглэл мэдрэмтгий бус CD-ээр цаг хугацаанаас хамааралтай дохиог илрүүлэх схемийн зураг. Гаралтын нейрон 1, N1 нь 0 ба 1 оролтууд дээр богино хугацааны сааталтайгаар ажилладаг. e Чиглэл мэдрэмтгий CD хэлхээ, 1-р оролт 0-д ойртож, 0-ийн дараа орох үед ирдэг хэлхээ. Хэлхээний гаралтыг 1-р нейроноор (N1) төлөөлдөг.
Саатлын шугам (Зураг 4в) нь DPI синапс ба LIF нейронуудын динамик үйлдлийг ашиглан Tdel-ийг хойшлуулах замаар Vin1-ээс Vout1 хүртэлх оролтын огцом өсөлтийг хуулбарладаг. Зөвхөн Vin1 ба Vout1-д холбогдсон G3 RRAM нь HCS-д програмчлагдсан, бусад RRAM-ууд нь LCS-д програмчлагдсан. Оролтын импульс бүр нь гаралтын нейроны мембраны хүчдэлийг босго хэмжээнд хүрч, хоцрогдсон гаралтын импульс үүсгэхийн тулд хангалттай хэмжээгээр нэмэгдүүлэхийн тулд G3 төхөөрөмжийг 92.6 мкс-ээр програмчлагдсан. Tdel-ийн саатал нь синаптик ба мэдрэлийн цаг хугацааны тогтмолуудаар тодорхойлогддог. Тохиолдлын детекторууд нь түр зуурын хамааралтай боловч орон зайн хувьд тархсан оролтын дохиог илрүүлдэг. Чиглэл мэдрэмтгий бус CD нь нийтлэг гаралтын нейрон руу нийлдэг бие даасан оролтууд дээр тулгуурладаг (Зураг 4d). Vin0 ба Vin1-ийг Vout1, G2 ба G4-тэй холбосон хоёр RRAM нь өндөр дамжуулалтанд зориулагдсан болно. Vin0 ба Vin1 дээр өргөлтүүд нэгэн зэрэг ирснээр N1 нейроны мембраны хүчдэл гаралтын огцом өсөлтийг үүсгэх босго хэмжээнээс дээш нэмэгддэг. Хэрэв хоёр оролт нь цаг хугацааны хувьд хэт хол байвал эхний оролтоор хуримтлагдсан мембраны хүчдэлийн цэнэг задрах хугацаатай байж, мембраны потенциал N1 ​​босго утгад хүрэхээс сэргийлнэ. G1 ба G2 нь ойролцоогоор 65 мкс-ийн хугацаанд програмчлагдсан бөгөөд энэ нь нэг оролтын өсөлт нь мембраны хүчдэлийг хангалттай өсгөж, гаралтын өсөлт үүсгэхгүй байхыг баталгаажуулдаг. Орон зай, цаг хугацаанд тархсан үйл явдлуудын хоорондын давхцлыг илрүүлэх нь оптик урсгалд суурилсан саад тотгороос зайлсхийх, дууны эх үүсвэрийг нутагшуулах гэх мэт өргөн хүрээний мэдрэгчтэй ажилд хэрэглэгддэг үндсэн үйл ажиллагаа юм. Иймээс чиглэл мэдрэмтгий болон мэдрэмжгүй CD-г тооцоолох нь харааны болон аудио локалчлалын системийг бий болгох үндсэн барилгын материал юм. Цагийн тогтмолуудын шинж чанараас харахад (Нэмэлт 2-р зургийг үз) санал болгож буй хэлхээ нь цаг хугацааны хуваарийн дөрвөн дарааллын тохиромжтой мужийг хэрэгжүүлдэг. Тиймээс энэ нь харааны болон дууны системийн шаардлагыг нэгэн зэрэг хангаж чадна. Чиглэл мэдрэмтгий CD нь импульсийн ирэх орон зайн дараалалд мэдрэмтгий хэлхээ юм: баруунаас зүүн тийш, эсрэгээр. Энэ нь Drosophila харааны системийн хөдөлгөөн илрүүлэх үндсэн сүлжээний үндсэн барилгын блок бөгөөд хөдөлгөөний чиглэлийг тооцоолох, мөргөлдөөнийг илрүүлэхэд ашиглагддаг62. Чиглэлд мэдрэмтгий CD-д хүрэхийн тулд хоёр оролтыг хоёр өөр нейрон руу (N0, N1) чиглүүлэх шаардлагатай бөгөөд тэдгээрийн хооронд чиглэлтэй холболтыг бий болгох шаардлагатай (Зураг 4e). Эхний оролтыг хүлээн авах үед NO нь мембран дээрх хүчдэлийг босго утгаас дээш өсгөж, хүчдэлийг илгээж хариу үйлдэл үзүүлдэг. Энэ гаралтын үйл явдал нь эргээд ногоон өнгөөр ​​тодруулсан чиглэлтэй холболтын ачаар N1-г асаана. Хэрэв Vin1 оролтын үйл явдал ирж, мембраны хүчдэл нь өндөр хэвээр байхад N1-ийг идэвхжүүлдэг бол N1 нь хоёр оролтын хооронд таарч байгааг илтгэх гаралтын үйл явдлыг үүсгэдэг. Чиглэлийн холболтууд нь 0 оролтын дараа 1 оролт ирсэн тохиолдолд л N1 гаралтыг гаргах боломжийг олгодог. G0, G3, G7 нь тус бүр 73.5 μS, 67.3 μS, 40.2 μS-ээр програмчлагдсан бөгөөд Vin0 оролтын нэг удаагийн өсөлт нь саатал үүсгэдэг. гаралтын огцом өсөлт, харин N1-ийн мембраны потенциал хоёулаа оролттой үед л босго хэмжээнд хүрдэг тэсрэлтүүд синхрончлолд ирдэг. .
Хувьсах байдал нь загварчлагдсан нейроморф системүүдийн төгс бус байдлын эх үүсвэр юм63,64,65. Энэ нь мэдрэлийн эсүүд болон синапсуудын нэг төрлийн бус зан төлөвт хүргэдэг. Ийм сул талуудын жишээнд 30% (дундаж стандарт хазайлт) орцын ашиг, тогтмол хугацаа, галд тэсвэртэй хугацааны хэлбэлзэл орно (Аргачлалыг үзнэ үү). Хоёр мэдрэлийн эсээс бүрдэх чиг баримжаа мэдрэмтгий CD гэх мэт олон мэдрэлийн хэлхээг хооронд нь холбосон үед энэ асуудал илүү тод илэрдэг. Зөв ажиллахын тулд хоёр мэдрэлийн эсийн ашиг ба задралын тогтмолууд аль болох ижил байх ёстой. Жишээлбэл, оролтын өсөлтийн ихээхэн ялгаа нь нэг нейрон нь оролтын импульст хэт их хариу үйлдэл үзүүлэхэд нөгөө нейрон бараг хариу үйлдэл үзүүлэхгүй байхад хүргэдэг. Зураг дээр. Зураг 5а-д санамсаргүй байдлаар сонгогдсон мэдрэлийн эсүүд ижил оролтын импульсийн үед өөр өөр хариу үйлдэл үзүүлж байгааг харуулж байна. Энэ мэдрэлийн хэлбэлзэл нь жишээлбэл, чиглэл мэдрэмтгий CD-ийн үйл ажиллагаатай холбоотой юм. Зурагт үзүүлсэн схемд. 5b, c, 1-р нейроны оролтын олз нь 0-ийн нейроныхоос хамаагүй өндөр байна. Тиймээс 0-д нейрон нь босгонд хүрэхийн тулд гурван оролтын импульс (1-ийн оронд) шаарддаг бөгөөд хүлээгдэж буйчлан нейрон 1-д хоёр оролтын үйл явдал хэрэгтэй. Баяжуулалтын хугацаанаас хамааралтай биомиметик уян хатан чанарыг (STDP) хэрэгжүүлэх нь нарийн бус, удаашралтай мэдрэлийн болон синаптик хэлхээний системийн гүйцэтгэлд үзүүлэх нөлөөллийг бууруулах боломжтой арга юм43. Энд бид эсэргүүцэлтэй санах ойн хуванцар зан үйлийг мэдрэлийн оролтыг сайжруулах, нейроморф хэлхээний хувьсах нөлөөг бууруулах хэрэгсэл болгон ашиглахыг санал болгож байна. Зурагт үзүүлсэн шиг. 4e, RRAM синаптик масстай холбоотой дамжуулалтын түвшин нь харгалзах мэдрэлийн мембраны хүчдэлийн хариу урвалыг үр дүнтэй зохицуулсан. Бид давтагдах RRAM програмчлалын стратегийг ашигладаг. Өгөгдсөн оролтын хувьд хэлхээний зорилтот үйлдлийг олж авах хүртэл синаптик жингийн дамжуулалтын утгыг дахин програмчилна (Аргачлалыг үзнэ үү).
a Санамсаргүй байдлаар сонгосон есөн бие даасан мэдрэлийн эсийн ижил оролтын импульсийн хариу урвалын туршилтын хэмжилт. Хариулт нь популяцид харилцан адилгүй бөгөөд оролтын ашиг болон хугацааны тогтмол байдалд нөлөөлдөг. б Чиглэлд мэдрэмтгий CD-д нөлөөлдөг нейроны хувьсах чадварт мэдрэлийн эсүүдийн нөлөөллийн туршилтын хэмжилт. Чиглэлд мэдрэмтгий CD гаралтын хоёр мэдрэлийн эс нь нейроноос нейроны харилцан адилгүй байдлаас шалтгаалан оролтын өдөөлтөд өөр өөр хариу үйлдэл үзүүлдэг. Нейрон 0 нь нейроны 1-ээс бага оролтын олзтой тул гаралтын огцом өсөлтийг үүсгэхийн тулд гурван оролтын импульс (1-ийн оронд) авдаг. Хүлээгдэж байгаачлан нейрон 1 нь хоёр оролтын үйл явдлаар босгонд хүрдэг. Хэрэв 1-р оролт нь 0-н нейрон шатсаны дараа Δt = 50 μс ирвэл Δt нь нейроны 1-ийн хугацааны тогтмолоос (ойролцоогоор 22 μс) их байх тул CD чимээгүй байна. c нь Δt = 20 μс-ээр багасдаг тул 1-р нейроны асаалт өндөр хэвээр байх үед оролт 1 дээд цэгтээ хүрч, хоёр оролтын үйл явдлыг нэгэн зэрэг илрүүлэхэд хүргэдэг.
ITD тооцооны баганад ашиглагдсан хоёр элемент нь саатлын шугам ба чиглэлийн мэдрэмжгүй CD юм. Хоёр хэлхээ хоёулаа объектын байршлын сайн гүйцэтгэлийг хангахын тулд нарийн тохируулга шаарддаг. Сааталын шугам нь оролтын оргилын нарийн саатсан хувилбарыг хүргэх ёстой (Зураг 6a), оролт нь зорилтот илрүүлэх хязгаарт багтах үед л CD-г идэвхжүүлэх ёстой. Хойшлуулсан шугамын хувьд оролтын холболтуудын синаптик жинг (Зураг 4а-д G3) зорилтот саатлыг олж авах хүртэл дахин программчилсан. Хөтөлбөрийг зогсоохын тулд зорилтот саатлын эргэн тойронд хүлцэл тогтооно: хүлцэл бага байх тусам саатлын шугамыг амжилттай тогтооход хэцүү болно. Зураг дээр. Зураг 6б нь саатлын шугамын шалгалт тохируулгын үйл явцын үр дүнг харуулж байна: санал болгож буй схем нь дизайны схемд шаардагдах бүх саатлыг (10-аас 300 мкс хүртэл) яг таг хангаж чадна гэдгийг харж болно. Шалгалт тохируулгын давталтын хамгийн их тоо нь шалгалт тохируулгын үйл явцын чанарт нөлөөлдөг: 200 давталт нь алдааг 5% -иас бага болгож бууруулна. Нэг тохируулгын давталт нь RRAM үүрийг тохируулах/дахин тохируулах үйлдэлтэй тохирч байна. Тааруулах процесс нь CD модулийн ойрын үйл явдлыг шуурхай илрүүлэх нарийвчлалыг сайжруулахад чухал ач холбогдолтой. 95%-иас дээш (Зураг 6в-ийн цэнхэр шугам) жинхэнэ эерэг хувь (өөрөөр хэлбэл зохих гэж тодорхойлсон үйл явдлын хурд) хүрэхийн тулд арван шалгалт тохируулга хийсэн. Гэсэн хэдий ч тааруулах үйл явц нь хуурамч эерэг үйл явдлуудад нөлөөлөөгүй (өөрөөр хэлбэл хамааралтай гэж буруу тодорхойлсон үйл явдлын давтамж). Биологийн системд хурдацтай идэвхждэг замуудын цаг хугацааны хязгаарлалтыг даван туулах өөр нэг арга бол илүүдэл юм (өөрөөр хэлбэл өгөгдсөн функцийг гүйцэтгэхийн тулд ижил объектын олон хуулбарыг ашигладаг). Биологи66-аас санаа аван бид худал эерэг нөлөөллийг багасгахын тулд CD модуль бүрт хэд хэдэн CD хэлхээг хоцрогдсон хоёр шугамын хооронд байрлуулсан. Зурагт үзүүлсэн шиг. 6c (ногоон шугам), CD модуль бүрт гурван CD элемент байрлуулах нь хуурамч дохиоллын түвшинг 10-2-оос бага болгож бууруулна.
a Мэдрэлийн өөрчлөлтийн саатлын шугамын хэлхээнд үзүүлэх нөлөө. b Харгалзах LIF мэдрэлийн эсүүд болон DPI синапсуудын цагийн тогтмолуудыг том утгуудаар тохируулснаар саатлын шугамын хэлхээг их хэмжээний саатал болгон томруулж болно. RRAM тохируулгын процедурын давталтын тоог нэмэгдүүлснээр зорилтот саатлын нарийвчлалыг мэдэгдэхүйц сайжруулах боломжтой болсон: 200 давталт нь алдааг 5% -иас бага болгож бууруулсан. Нэг давталт нь RRAM нүдэн дээрх SET/RESET үйлдэлтэй тохирч байна. Жеффресс загварт багтсан CD модул бүрийг системийн доголдолд илүү уян хатан байлгах үүднээс N зэрэгцээ CD элементийг ашиглан хэрэгжүүлж болно. d RRAM тохируулгын дахин давталт нь жинхэнэ эерэг хурдыг (цэнхэр шугам) нэмэгдүүлдэг бол худал эерэг хувь нь давталтын тооноос хамааралгүй (ногоон шугам). Илүү олон CD элементүүдийг зэрэгцүүлэн байрлуулах нь CD модулийн таарч байгаа эсэхийг буруу илрүүлэхээс сэргийлнэ.
Одоо бид нейроморф тооцооллын графикийг бүрдүүлдэг pMUT мэдрэгч, CD, саатлын шугамын хэлхээний акустик шинж чанарын хэмжилтийг ашиглан Зураг 2-т үзүүлсэн объектын төгсгөлийн нэгдсэн локалчлалын системийн гүйцэтгэл, эрчим хүчний зарцуулалтыг үнэлж байна. Жеффрессийн загвар (Зураг 1а). Нейроморфик тооцооллын графикийн хувьд CD модулиудын тоо их байх тусам өнцгийн нягтрал сайтай байхаас гадна системийн энерги өндөр байх болно (Зураг 7а). Бие даасан бүрэлдэхүүн хэсгүүдийн нарийвчлалыг (pMUT мэдрэгч, нейрон ба синаптик хэлхээ) бүхэл системийн нарийвчлалтай харьцуулах замаар буулт хийж болно. Хойшлуулсан шугамын нарийвчлал нь загварчилсан синапс ба нейронуудын цаг хугацааны тогтмолуудаар хязгаарлагддаг бөгөөд энэ нь бидний схемд 10 мкс-ээс хэтэрсэн бөгөөд энэ нь 4 ° өнцгийн нарийвчлалтай тохирч байна (Аргачлалыг үзнэ үү). CMOS технологи бүхий илүү дэвшилтэт зангилаанууд нь бага хугацааны тогтмолуудтай мэдрэлийн болон синаптик хэлхээг зохион бүтээх боломжийг олгодог бөгөөд ингэснээр саатлын шугамын элементүүдийн нарийвчлал өндөр болно. Гэсэн хэдий ч манай системд өнцгийн байрлалыг тооцоолохдоо алдаа pMUT-ийн нарийвчлалыг хязгаарладаг, өөрөөр хэлбэл 10 ° (Зураг 7a-ийн цэнхэр хэвтээ шугам). Бид CD модулиудын тоог 40-д тохируулсан бөгөөд энэ нь ойролцоогоор 4 ° өнцгийн нарийвчлалтай, өөрөөр хэлбэл тооцооллын графикийн өнцгийн нарийвчлалтай тохирч байна (Зураг 7а дахь цайвар цэнхэр хэвтээ шугам). Системийн түвшинд энэ нь мэдрэгчийн системийн өмнө 50 см-ийн зайд байрлах объектын хувьд 4 ° нарийвчлалтай, 10 ° нарийвчлалыг өгдөг. Энэ утгыг лавлагаа дээр дурдсан нейроморф дууны нутагшуулах системтэй харьцуулж болно. 67. Санал болгож буй системийг орчин үеийн байдалтай харьцуулсан харьцуулалтыг Нэмэлт Хүснэгт 1-ээс харж болно. Нэмэлт pMUT нэмэх, акустик дохионы түвшинг нэмэгдүүлэх, цахим дуу чимээг багасгах нь локалчлалын нарийвчлалыг сайжруулах боломжтой арга зам юм. ) 9.7 гэж тооцож байна. nz. 55. Тооцооллын график дээр 40 CD нэгж өгснөөр SPICE симуляци нь нэг үйлдэлд ногдох энергийг (өөрөөр хэлбэл объектын байршлын энерги) 21.6 нЖ гэж тооцоолсон. Нейроморф систем нь зөвхөн оролтын үйл явдал ирэхэд, өөрөөр хэлбэл акустик долгион нь ямар ч pMUT хүлээн авагчид хүрч, илрүүлэх босгыг давах үед идэвхждэг, эс тэгвээс энэ нь идэвхгүй хэвээр байна. Энэ нь оролтын дохио байхгүй үед шаардлагагүй эрчим хүчний хэрэглээнээс зайлсхийх болно. 100 Гц давтамжтай нутагшуулах үйлдлүүдийн давтамж, нэг үйлдэлд 300 мкс идэвхжүүлэх хугацааг (хамгийн их боломжит ITD) авч үзвэл нейроморф тооцооллын графикийн эрчим хүчний хэрэглээ 61.7 нВт байна. pMUT хүлээн авагч бүрт нейроморфийн урьдчилсан боловсруулалт хийснээр бүхэл системийн эрчим хүчний хэрэглээ 81.6 нВт хүрдэг. Санал болгож буй нейроморф аргын эрчим хүчний үр ашгийг ердийн техник хангамжтай харьцуулахад ойлгохын тулд бид энэ тоог нейроморф эсвэл уламжлалт цацраг үүсгэх ур чадварыг ашиглан орчин үеийн бага чадлын микроконтроллер дээр ижил ажлыг гүйцэтгэхэд шаардагдах энергитэй харьцуулсан. Нейроморфик арга нь аналог-тоон хувиргагч (ADC) үе шатыг авч үздэг бөгөөд дараа нь туузан дамжуулагч шүүлтүүр ба дугтуйг олборлох үе шат (Тегер-Кайзерын арга) юм. Эцэст нь ToF-ийг гаргаж авахын тулд босго үйлдлийг гүйцэтгэдэг. Хэмжилт бүрт нэг удаа тохиолддог тул бид ToF-д суурилсан ITD-ийн тооцоо болон тооцоолсон өнцгийн байрлал руу хөрвүүлэхийг орхигдуулсан (Аргачлалыг үзнэ үү). Хоёр суваг (pMUT хүлээн авагч) дээр 250 кГц-ийн дээж авах хурд, 18 зурвасын шүүлтүүрийн ажиллагаа, 3 дугтуй олборлох ажиллагаа, нэг дээжинд 1 босго ажиллагаа гэж үзвэл нийт цахилгаан зарцуулалтыг 245 микроватт гэж тооцно. Энэ нь микроконтроллерийн бага чадлын горимыг69 ашигладаг бөгөөд энэ нь алгоритмууд ажиллахгүй байгаа үед асдаг бөгөөд энэ нь эрчим хүчний зарцуулалтыг 10.8 мкВт хүртэл бууруулдаг. Лавлагаанд санал болгож буй цацраг үүсгэх дохио боловсруулах шийдлийн эрчим хүчний хэрэглээ. 31, 5 pMUT хүлээн авагч ба 11 цацраг нь азимутын хавтгайд [-50°, +50°] жигд тархсан нь 11.71 мВт байна (дэлгэрэнгүйг Арга хэсгээс үзнэ үү). Нэмж дурдахад бид FPGA47-д суурилсан Цаг хугацааны зөрүү кодлогчийн (TDE) 1.5 мВт-аар тооцоолсон цахилгааны зарцуулалтыг объектыг нутагшуулах Жеффрессийн загварыг орлуулахаар мэдээлж байна. Эдгээр тооцоонд үндэслэн санал болгож буй нейроморфик арга нь объектыг нутагшуулах үйл ажиллагаанд зориулсан сонгодог цацраг үүсгэх аргыг ашигладаг микроконтроллертой харьцуулахад эрчим хүчний хэрэглээг таван шатлалаар бууруулдаг. Сонгодог микроконтроллер дээр дохио боловсруулах нейроморф аргыг нэвтрүүлэх нь эрчим хүчний хэрэглээг ойролцоогоор хоёр баллын дарааллаар бууруулдаг. Санал болгож буй системийн үр нөлөөг санах ойн тооцоолол хийх чадвартай асинхрон эсэргүүцэл-санах ойн аналог хэлхээний хослол, дохиог хүлээн авахад шаардагдах аналог-тоон хувиргалт байхгүй байгаатай холбон тайлбарлаж болно.
a CD модулиудын тооноос хамаарч нутагшуулах ажиллагааны өнцгийн нягтрал (цэнхэр) ба эрчим хүчний зарцуулалт (ногоон). Хар хөх өнгийн хэвтээ баар нь PMUT-ийн өнцгийн нарийвчлалыг, цайвар цэнхэр хэвтээ баар нь нейроморф тооцооллын графикийн өнцгийн нарийвчлалыг илэрхийлнэ. b Санал болгож буй системийн эрчим хүчний зарцуулалт ба цаг хугацааны зөрүү кодлогч (TDE)47 FPGA-ийн хэлэлцсэн хоёр микроконтроллерийн хэрэгжилт болон дижитал хэрэгжилттэй харьцуулалт.
Зорилтот нутагшуулах системийн эрчим хүчний хэрэглээг багасгахын тулд бид зорилтот объектын байрлалыг бодитоор тооцоолохын тулд суурилуулсан мэдрэгчээр үүсгэгдсэн дохионы мэдээллийг боловсруулдаг, үйл явдалд суурилсан RRAM-д суурилсан үр ашигтай, нейроморф хэлхээг зохион бүтээж, боловсруулж, хэрэгжүүлсэн. цаг. . Уламжлалт боловсруулалтын аргууд нь илрүүлсэн дохиог тасралтгүй түүвэрлэн, ашигтай мэдээллийг гаргаж авах тооцоолол хийдэг бол санал болгож буй нейроморф шийдэл нь хэрэгцээтэй мэдээлэл ирэхэд асинхрон байдлаар тооцоолол хийж, системийн эрчим хүчний үр ашгийг таван шатлалаар нэмэгдүүлнэ. Нэмж дурдахад бид RRAM дээр суурилсан нейроморфик хэлхээний уян хатан чанарыг онцлон тэмдэглэв. RRAM-ийн дамжуулалтыг тогтворгүй байдлаар (хуванцар) өөрчлөх чадвар нь хэт бага чадлын аналог DPI-ийн синаптик болон мэдрэлийн хэлхээний төрөлхийн хувьсах чадварыг нөхдөг. Энэ нь RRAM дээр суурилсан хэлхээг олон талт, хүчирхэг болгодог. Бидний зорилго бол дохионоос нарийн төвөгтэй функцууд эсвэл хэв маягийг гаргаж авах биш, харин бодит цаг хугацаанд объектуудыг нутагшуулах явдал юм. Манай систем нь дохиог үр дүнтэй шахаж, шаардлагатай үед илүү төвөгтэй шийдвэр гаргахын тулд цаашдын боловсруулалтын алхам руу илгээдэг. Локалчлалын хэрэглээний хүрээнд бидний нейроморфийн урьдчилсан боловсруулалтын алхам нь объектын байршлын талаархи мэдээллийг өгөх боломжтой. Энэ мэдээллийг жишээлбэл, хөдөлгөөнийг илрүүлэх эсвэл дохио зангаа танихад ашиглаж болно. pMUT гэх мэт хэт бага чадлын мэдрэгчийг хэт бага чадлын электрон төхөөрөмжтэй хослуулах нь чухал гэдгийг бид онцолж байна. Үүний тулд нейроморфик арга барил нь гол үүрэг гүйцэтгэсэн тул Жеффрессийн загвар гэх мэт биологийн онгодтой тооцооллын аргуудын шинэ хэлхээний хэрэгжилтийг боловсруулахад хүргэсэн. Мэдрэгчийг нэгтгэх хэрэглээний хүрээнд манай системийг үйл явдалд суурилсан хэд хэдэн мэдрэгчтэй хослуулж, илүү нарийвчлалтай мэдээлэл авах боломжтой. Шар шувуу харанхуйд олз олохдоо гарамгай боловч маш сайн хараатай бөгөөд олзоо барихаасаа өмнө сонсголын болон харааны хосолсон хайлт хийдэг70. Тодорхой сонсголын мэдрэлийн эсүүд асах үед шар шувуу харааны хайлтаа аль чиглэлд эхлүүлэхээ тодорхойлохын тулд шаардлагатай мэдээллийг хүлээн авдаг бөгөөд ингэснээр харааны үзэгдлийн багахан хэсэгт анхаарлаа төвлөрүүлдэг. Ирээдүйн бие даасан агентуудыг хөгжүүлэхийн тулд харааны мэдрэгч (DVS камер) болон санал болгож буй сонсох мэдрэгчийг (pMUT дээр суурилсан) хослуулан судлах хэрэгтэй.
pMUT мэдрэгч нь ойролцоогоор 10 см-ийн зайтай хоёр хүлээн авагчтай ПХБ дээр байрладаг ба дамжуулагч нь хүлээн авагчдын хооронд байрладаг. Энэхүү ажилд мембран бүр нь 200 нм зузаантай молибдений (Mo) гурван давхаргын хооронд хавчуулагдсан, 200 нм зузаантай давхаргаар бүрсэн 800 нм зузаантай пьезоэлектрик хөнгөн цагаан нитридын (AlN) хоёр давхаргаас бүрдсэн дүүжин биморф бүтэц юм. лавлагаанд тайлбарласны дагуу дээд идэвхгүй SiN давхарга. 71. Дотор болон гадна электродууд нь молибдений доод ба дээд давхаргад наалддаг бол дунд молибдений электрод нь хээ хийгээгүй бөгөөд газардуулга болгон ашигладаг бөгөөд үр дүнд нь дөрвөн хос электрод бүхий мембран үүсдэг.
Энэхүү архитектур нь мембраны нийтлэг хэв гажилтыг ашиглах боломжийг олгодог бөгөөд ингэснээр дамжуулах, хүлээн авах мэдрэмжийг сайжруулдаг. Ийм pMUT нь ялгаруулагчийн хувьд ихэвчлэн 700 нм/В-ийн өдөөх мэдрэмжийг харуулдаг бөгөөд 270 Па/В-ын гадаргуугийн даралтыг хангадаг. Хүлээн авагчийн хувьд нэг pMUT хальс нь 15 nA/Pa богино залгааны мэдрэмжийг харуулдаг бөгөөд энэ нь AlN-ийн пьезоэлектрик коэффициенттэй шууд хамааралтай байдаг. AlN давхарга дахь хүчдэлийн техникийн хэлбэлзэл нь резонансын давтамжийн өөрчлөлтөд хүргэдэг бөгөөд үүнийг pMUT-д тогтмол гүйдлийн хэвийлтийг хэрэглэх замаар нөхөж болно. Тогтмол гүйдлийн мэдрэмжийг 0.5 кГц/В-д хэмжсэн. Акустик шинж чанарыг тодорхойлохын тулд pMUT-ийн өмнө микрофон ашигладаг.
Цуурай импульсийг хэмжихийн тулд бид pMUT-ийн өмнө 50 см2 талбайтай тэгш өнцөгт хавтанг байрлуулж, ялгарах дууны долгионыг тусгав. Хавтан хоорондын зай ба pMUT хавтгайтай харьцуулахад өнцгийг хоёуланг нь тусгай эзэмшигч ашиглан хянадаг. Tectronix CPX400DP хүчдэлийн эх үүсвэр нь гурван pMUT мембраныг хазайлгаж, резонансын давтамжийг 111.9 кГц31 болгон тохируулдаг бол дамжуулагчид нь резонансын давтамж (111.9 кГц) болон 0.01 ажлын мөчлөгт тохируулсан Tectronix AFG 3102 импульсийн генератороор удирддаг. pMUT хүлээн авагч бүрийн дөрвөн гаралтын портоос уншсан гүйдлийг тусгай дифференциал гүйдэл ба хүчдэлийн архитектур ашиглан хүчдэл болгон хувиргаж, үүссэн дохиог Spektrum өгөгдөл цуглуулах системээр дижитал хэлбэрт оруулдаг. Илрүүлэх хязгаар нь янз бүрийн нөхцөлд pMUT дохиог олж авах замаар тодорхойлогддог: бид ойлгогчийг өөр өөр зайд [30, 40, 50, 60, 80, 100] см-ээр шилжүүлж, pMUT тулгуурын өнцгийг өөрчилсөн ([0, 20, 40] o ) Зураг 2б-д харгалзах өнцгийн байрлалаас хамааран ITD-ийн түр зуурын илрүүлэлтийн нарийвчлалыг градусаар харуулав.
Энэ нийтлэлд хоёр өөр бэлэн RRAM хэлхээг ашигладаг. Эхнийх нь нэг транзистор, нэг резистор бүхий 1T1R тохиргоонд 16,384 (16,000) төхөөрөмж (128 × 128 төхөөрөмж) бүхий массив юм. Хоёр дахь чип нь 4а-р зурагт үзүүлсэн нейроморф платформ юм. RRAM эс нь TiN/HfO2/Ti/TiN стект суулгагдсан 5 нм зузаантай HfO2 хальснаас бүрдэнэ. RRAM стек нь стандарт 130 нм CMOS процессын арын шугамд (BEOL) нэгдсэн. RRAM дээр суурилсан нейроморф хэлхээ нь RRAM төхөөрөмжүүд нь уламжлалт CMOS технологитой зэрэгцэн оршдог бүх аналог электрон системүүдийн дизайны сорилт юм. Ялангуяа RRAM төхөөрөмжийн дамжуулалтын төлөвийг уншиж, системийн функцын хувьсагч болгон ашиглах ёстой. Үүний тулд оролтын импульс хүлээн авах үед төхөөрөмжөөс гүйдлийг уншиж, дифференциал хос интегратор (DPI) синапсын хариуг жинлэхийн тулд энэ гүйдлийг ашигладаг хэлхээг зохион бүтээж, бүтээж, туршиж үзсэн. Энэ хэлхээг Зураг 3а-д үзүүлсэн бөгөөд энэ нь Зураг 4а дахь нейроморф платформын үндсэн барилгын блокуудыг төлөөлдөг. Оролтын импульс нь 1T1R төхөөрөмжийн хаалгыг идэвхжүүлж, төхөөрөмжийн дамжуулалт G (Iweight = G(Vtop – Vx)) пропорциональ RRAM-аар дамжих гүйдлийг өдөөдөг. Ашиглалтын өсгөгчийн (op-amp) хэлхээний урвуу оролт нь тогтмол гүйдлийн хэвийсэн хүчдэлийн Vtop байна. Оп-амп-ийн сөрөг хариу нь M1-ээс тэнцүү гүйдэл өгөх замаар Vx = Vtop-ыг хангана. Төхөөрөмжөөс олж авсан одоогийн жинг DPI синапс руу оруулна. Хүчтэй гүйдэл нь илүү их деполяризацид хүргэдэг тул RRAM дамжуулалт нь синаптик жинг үр дүнтэй хэрэгжүүлдэг. Энэхүү экспоненциал синаптик гүйдлийг Leaky Integration and Excitation (LIF) мэдрэлийн эсүүдийн мембран конденсатороор дамжуулж, хүчдэл болгон нэгтгэдэг. Хэрэв мембраны босго хүчдэл (инвертерийн шилжих хүчдэл) давсан бол нейроны гаралтын хэсэг идэвхжиж, гаралтын огцом өсөлтийг үүсгэдэг. Энэ импульс буцаж ирж, нейроны мембраны конденсаторыг газар руу шилжүүлж, цэнэггүй болоход хүргэдэг. Дараа нь энэ хэлхээг импульсийн тэлэгчээр (зураг 3а-д үзүүлээгүй) нэмэлт болгож, LIF нейроны гаралтын импульсийг зорилтот импульсийн өргөнд тохируулна. Мультиплексоруудыг шугам бүрт суурилуулсан бөгөөд RRAM төхөөрөмжийн дээд ба доод электродуудад хүчдэл өгөх боломжийг олгодог.
Цахилгааны туршилт нь аналог хэлхээний динамик төлөв байдалд дүн шинжилгээ хийх, бүртгэх, мөн RRAM төхөөрөмжүүдийг програмчлах, унших зэрэг орно. Хоёр алхам хоёуланд нь тусгай хэрэгсэл шаарддаг бөгөөд тэдгээр нь бүгд мэдрэгчийн самбарт нэгэн зэрэг холбогдсон байдаг. Нейроморф хэлхээний RRAM төхөөрөмжид хандах хандалтыг гадны хэрэгслээс мультиплексор (MUX) ашиглан гүйцэтгэдэг. MUX нь 1T1R нүдийг бусад хэлхээнээс нь салгаж, төхөөрөмжийг унших ба/эсвэл програмчлах боломжийг олгодог. RRAM төхөөрөмжүүдийг програмчлах, уншихын тулд Keithley 4200 SCS машиныг Arduino микроконтроллертой хамт ашигладаг: эхнийх нь импульс болон гүйдлийг зөв уншихад, хоёр дахь нь санах ойн массив дахь бие даасан 1T1R элементүүдэд хурдан нэвтрэхэд зориулагдсан. Эхний үйлдэл нь RRAM төхөөрөмжийг үүсгэх явдал юм. Эсүүдийг нэг нэгээр нь сонгож, дээд ба доод электродуудын хооронд эерэг хүчдэлийг хэрэглэнэ. Энэ тохиолдолд гүйдэл нь сонгогч транзистор руу харгалзах хаалганы хүчдэлийг нийлүүлснээс болж хэдэн арван микроамперийн дарааллаар хязгаарлагддаг. Дараа нь RRAM үүр нь RESET болон SET үйлдлүүдийг ашиглан бага дамжуулагч төлөв (LCS) ба өндөр дамжуулагч төлөв (HCS) хооронд эргэлдэж болно. SET үйлдлийг дээд электродод 1 мкс үргэлжлэх хугацаатай, 2.0-2.5 В-ийн оргил хүчдэлтэй тэгш өнцөгт хүчдэлийн импульс, 0.9-1.3 В-ийн оргил хүчдэлтэй ижил төстэй хэлбэрийн синхрончлолын импульс өгөх замаар гүйцэтгэнэ. сонгогч транзисторын хаалга. Эдгээр утгууд нь RRAM дамжуулалтыг 20-150 мкс интервалаар өөрчлөх боломжийг олгодог. RESET-ийн хувьд хаалганы хүчдэл 2.5-3.0 В-ийн хязгаарт байх үед үүрний доод электрод (бит шугам) дээр 1 мкс өргөн, 3 В оргил импульс өгнө. Аналог хэлхээний оролт гаралт нь динамик дохио юм. . Оролтын хувьд бид хоёр HP 8110 импульсийн генераторыг Tektronix AFG3011 дохио үүсгэгчтэй холбосон. Оролтын импульсийн өргөн нь 1 мкс, өсөх/унах ирмэг нь 50 нс байна. Энэ төрлийн импульс нь аналог доголдолд суурилсан хэлхээн дэх ердийн доголдол гэж үздэг. Гаралтын дохионы хувьд гаралтын дохиог Teledyne LeCroy 1 GHz осциллограф ашиглан бүртгэсэн. Осциллографын олж авах хурд нь хэлхээний өгөгдөлд дүн шинжилгээ хийх, олж авахад хязгаарлах хүчин зүйл биш болох нь батлагдсан.
Аналог электроникийн динамикийг нейрон ба синапсуудын зан төлөвийг дуурайлган дуурайлган ашиглах нь тооцооллын үр ашгийг дээшлүүлэх гоёмсог бөгөөд үр дүнтэй шийдэл юм. Тооцооллын суурь давхаргын сул тал нь схемээс хамаарч өөр өөр байх болно. Бид мэдрэлийн эсүүд болон синаптик хэлхээний хувьсах чадварыг хэмжсэн (Нэмэлт зураг 2a,b). Хувьсах байдлын бүх илрэлүүдээс цаг хугацааны тогтмол болон оролтын олзтой холбоотой нь системийн түвшинд хамгийн их нөлөө үзүүлдэг. LIF нейрон ба DPI синапсуудын цагийн тогтмолыг RC хэлхээгээр тодорхойлдог бөгөөд R-ийн утгыг транзисторын хаалганд (нейроны хувьд Vlk, синапсын хувьд Vtau) өгсөн хэвийсэн хүчдэлээр удирддаг. гоожих түвшин. Оролтын олз нь оролтын импульсээр өдөөгдсөн синаптик ба мэдрэлийн мембраны конденсаторуудын хүрсэн оргил хүчдэлээр тодорхойлогддог. Оролтын олз нь оролтын гүйдлийг зохицуулдаг өөр хэвийсэн транзистороор хянагддаг. Зарим оролтын ашиг болон цаг хугацааны тогтмол статистикийг цуглуулахын тулд ST Microelectronics-ийн 130 нм процесс дээр тохируулсан Монте Карло симуляцийг хийсэн. Үр дүнг Нэмэлт Зураг 2-т үзүүлэв, үүнд оролтын ашиг ба цаг хугацааны тогтмолыг нэвчилтийн хурдыг хянадаг хэвийсэн хүчдэлийн функцээр тодорхойлно. Ногоон тэмдэглэгээ нь цаг хугацааны тогтмолын дундажаас стандарт хазайлтыг хэмждэг. Нэмэлт зурагт үзүүлсэн шиг мэдрэлийн эсүүд болон синаптик хэлхээнүүд нь 10-5-10-2 секундын хүрээнд өргөн хүрээний цаг хугацааны тогтмолыг илэрхийлэх боломжтой байв. Нейрон ба синапсын хэлбэлзлийн оролтын олшруулалт (Нэмэлт зураг 2e,d) тус тус ойролцоогоор 8% ба 3% байв. Ийм дутагдлыг уран зохиолд сайн баримтжуулсан байдаг: LIF63 мэдрэлийн эсийн популяци хоорондын үл нийцэх байдлыг үнэлэхийн тулд DYNAP чипийн массив дээр янз бүрийн хэмжилт хийсэн. BrainScale холимог дохионы чип дэх синапсуудыг хэмжиж, тэдгээрийн үл нийцэлд дүн шинжилгээ хийж, системийн түвшний хэлбэлзлийн нөлөөг багасгахын тулд тохируулгын процедурыг санал болгосон64.
Нейроморфийн хэлхээн дэх RRAM-ийн үүрэг нь хоёр талтай: архитектурын тодорхойлолт (оролтыг гаралт руу чиглүүлэх) ба синаптик жинг хэрэгжүүлэх. Сүүлчийн шинж чанарыг загварчлагдсан нейроморф хэлхээний хувьсах байдлын асуудлыг шийдвэрлэхэд ашиглаж болно. Шинжилгээ хийж буй хэлхээ нь тодорхой шаардлагад нийцэх хүртэл RRAM төхөөрөмжийг дахин програмчлахтай холбоотой энгийн шалгалт тохируулгын процедурыг бид боловсруулсан. Өгөгдсөн оролтын хувьд гаралтыг хянаж, зорилтот үйлдэлд хүрэх хүртэл RRAM-г дахин програмчилна. Түр зуурын дамжуулалтын хэлбэлзэлд хүргэдэг RRAM сулрах асуудлыг шийдэхийн тулд програмчлалын үйлдлүүдийн хооронд 5 секундын хүлээх хугацааг нэвтрүүлсэн (Нэмэлт мэдээлэл). Синаптик жинг загварчилж буй нейроморфийн хэлхээний шаардлагын дагуу тохируулж эсвэл тохируулдаг. Шалгалт тохируулгын процедурыг нейроморф платформын хоёр үндсэн шинж чанар, саатлын шугам, чиглэлийн мэдрэмжгүй CD дээр төвлөрсөн нэмэлт алгоритмууд [1, 2]-д нэгтгэн харуулав. Хойшлын шугамтай хэлхээний хувьд зорилтот үйлдэл нь Δt саатал бүхий гаралтын импульс өгөх явдал юм. Хэрэв хэлхээний бодит саатал нь зорилтот утгаас бага байвал G3-ийн синаптик жинг багасгах хэрэгтэй (G3-г дахин тохируулж, дараа нь Icc-д тохирох гүйдэл багатай байх ёстой). Эсрэгээр, хэрэв бодит саатал нь зорилтот утгаас их байвал G3-ийн дамжуулалтыг нэмэгдүүлэх шаардлагатай (G3-ийг эхлээд дахин тохируулж, дараа нь илүү өндөр Icc утгыг тохируулах шаардлагатай). Хэлхээний үүсгэсэн саатал зорилтот утгатай таарч, тохируулгын процессыг зогсоох хүлцэл тохируулах хүртэл энэ процесс давтагдана. Чиглэлийг мэдэрдэггүй CD-ийн хувьд тохируулгын процесст G1 ба G3 гэсэн хоёр RRAM төхөөрөмж оролцдог. Энэ хэлхээ нь Vin0 ба Vin1 гэсэн хоёр оролттой бөгөөд dt-ээр саатсан. Хэлхээ нь зөвхөн [0,dtCD] тохирох мужаас доогуур сааталд хариу өгөх ёстой. Хэрэв гаралтын оргил байхгүй, харин оролтын оргил нь ойрхон байвал мэдрэлийн эсийг босгонд хүрэхэд туслахын тулд RRAM төхөөрөмжийг хоёуланг нь нэмэгдүүлэх хэрэгтэй. Эсрэгээр, хэрэв хэлхээ нь dtCD-ийн зорилтот мужаас хэтэрсэн сааталд хариу үйлдэл үзүүлбэл дамжуулалтыг багасгах шаардлагатай. Зөв зан үйлийг олж авах хүртэл үйл явцыг давтана. Дагаж мөрдөх гүйдлийг лавлагаа дахь суурилуулсан аналог хэлхээгээр өөрчилж болно. 72.73. Энэхүү суурилуулсан хэлхээний тусламжтайгаар системийг тохируулах эсвэл өөр хэрэглээнд дахин ашиглахын тулд ийм процедурыг үе үе хийж болно.
Бид 32 битийн стандарт микроконтроллер68 дээр нейроморф дохио боловсруулах аргын эрчим хүчний хэрэглээг үнэлдэг. Энэ үнэлгээнд бид нэг pMUT дамжуулагч болон хоёр pMUT хүлээн авагчтай энэ баримт бичигт дурдсантай ижил тохиргоогоор ажиллана гэж үзэж байна. Энэ арга нь туузан дамжуулагч шүүлтүүрийг ашигладаг бөгөөд дараа нь дугтуйг задлах алхам (Тэгер-Кайзер) хийгддэг бөгөөд эцэст нь нислэгийн цагийг гаргаж авахын тулд дохионд босго тогтоох ажиллагааг ашигладаг. Үнэлгээнд ITD-ийн тооцоо болон түүнийг илрүүлэх өнцөг болгон хувиргах асуудлыг орхигдуулсан болно. Бид 18 хөвөгч цэгийн үйлдэл шаарддаг 4-р эрэмбийн хязгааргүй импульсийн хариу шүүлтүүрийг ашиглан зурвас дамжуулалтын шүүлтүүрийн хэрэгжилтийг авч үзье. Дугтуйг задлах нь өөр гурван хөвөгч цэгийн үйлдлийг ашигладаг бөгөөд сүүлчийн үйлдлийг босго тогтооход ашигладаг. Дохиог урьдчилан боловсруулахад нийт 22 хөвөгч цэгийн үйлдэл шаардлагатай. Дамжуулсан дохио нь 10 мс тутамд үүсгэгддэг 111.9 кГц-ийн синус долгионы хэлбэрийн богино тэсрэлт бөгөөд 100 Гц-ийн байршлын давтамжийг тогтооно. Бид Nyquist-ийг дагаж мөрдөхийн тулд 250 кГц-ийн түүвэрлэлтийн хурдыг ашигласан бөгөөд 1 метрийн зайг авахын тулд хэмжилт бүрт 6 мс цонх ашигласан. 6 миллисекунд нь 1 метрийн зайд байгаа объектын нислэгийн хугацаа гэдгийг анхаарна уу. Энэ нь 0.5 MSPS дээр A/D хувиргахад 180 мкВт-ын эрчим хүчний хэрэглээг хангадаг. Дохионы урьдчилсан боловсруулалт нь 6.60 MIPS (секундэд заавар) бөгөөд 0.75 мВт үүсгэдэг. Гэхдээ алгоритм ажиллахгүй байгаа үед микроконтроллер бага чадлын горимд 69 шилжиж болно. Энэ горим нь 10.8 мкВт статик эрчим хүчний зарцуулалт, 113 μс сэрээх хугацаа өгдөг. 84 МГц цагийн давтамжийг харгалзан микроконтроллер нь нейроморф алгоритмын бүх үйлдлийг 10 мс-ийн дотор гүйцэтгэдэг бөгөөд алгоритм нь 6.3% -ийн ажлын мөчлөгийг тооцоолж, бага чадлын горимыг ашигладаг. Үүний үр дүнд эрчим хүчний алдагдал 244.7 мкВт байна. Бид ToF-аас ITD гаралт болон илрүүлэх өнцөг рүү хөрвүүлэхийг орхигдуулсан тул микроконтроллерийн эрчим хүчний зарцуулалтыг дутуу үнэлдэг болохыг анхаарна уу. Энэ нь санал болгож буй системийн эрчим хүчний үр ашгийн нэмэлт үнэ цэнийг бий болгодог. Харьцуулах нэмэлт нөхцөл болгон бид лавлагаанд санал болгосон цацраг үүсгэх сонгодог аргуудын эрчим хүчний хэрэглээг үнэлдэг. 1.8V тэжээлийн хүчдэлтэй ижил микроконтроллер68-д суулгасан үед 31.54. Таван тэгш зайтай pMUT мембраныг цацраг үүсгэх өгөгдлийг олж авахад ашигладаг. Боловсруулалтын хувьд цацраг үүсгэх арга нь саатлын нийлбэр юм. Энэ нь зүгээр л нэг эгнээ болон жишиг эгнээний хоорондох ирэх цагийн хүлээгдэж буй зөрүүтэй тохирч буй эгнээнд саатал тавихаас бүрдэнэ. Хэрэв дохионууд үе шатанд байгаа бол эдгээр дохионы нийлбэр нь цагийн шилжилтийн дараа өндөр энергитэй байх болно. Хэрэв тэдгээр нь фазаас гарсан бол сүйтгэгч хөндлөнгийн оролцоо нь тэдний нийлбэрийн энергийг хязгаарлах болно. харилцаанд. Зураг дээр. 31-д заасны дагуу өгөгдлийг бүхэл тооны дээжээр шилжүүлэхийн тулд 2 МГц-ийн түүвэрлэлтийн хурдыг сонгосон. Илүү даруухан арга бол 250 кГц-ийн бүдүүн түүврийн хурдыг хадгалах ба бутархай саатлыг нэгтгэхийн тулд Төгсгөлийн импульсийн хариу (FIR) шүүлтүүрийг ашиглах явдал юм. Суваг бүр нь чиглэл бүрт 16 цорго бүхий FIR шүүлтүүрээр эргэлддэг тул цацраг үүсгэх алгоритмын нарийн төвөгтэй байдал нь голчлон цагийн шилжилтээр тодорхойлогддог гэж бид таамаглах болно. Энэ үйлдэлд шаардагдах MIPS-ийн тоог тооцоолохын тулд бид 1 метр, 5 суваг, 11 цацраг үүсгэх чиглэлийг (10 ° алхамаар +/- 50 ° хүрээтэй) авахын тулд хэмжилт бүрт 6ms-ийн цонхыг авч үздэг. Секундэд 75 хэмжилт хийх нь микроконтроллерыг хамгийн ихдээ 100 MIPS-д хүргэсэн. Холбоос. 68, ADC-ийн хувь нэмрийг нэмсний дараа нийт 11.71 мВт эрчим хүчний алдагдалд 11.26 мВт эрчим хүч зарцуулсан.
Энэхүү судалгааны үр дүнг дэмжсэн мэдээллийг зохих хүсэлтийн дагуу холбогдох зохиогч FM-ээс авах боломжтой.
Indiveri, G. & Sandamirskaya, Y. Нейроморфик агентуудад дохио боловсруулахад орон зай, цаг хугацааны ач холбогдол: Хүрээлэн буй орчинтой харьцдаг бага чадалтай, бие даасан агентуудыг хөгжүүлэх сорилт. Indiveri, G. & Sandamirskaya, Y. Нейроморфик агентуудад дохио боловсруулахад орон зай, цаг хугацааны ач холбогдол: Хүрээлэн буй орчинтой харьцдаг бага чадалтай, бие даасан агентуудыг хөгжүүлэх сорилт.Индивери Г. ба Сандамирская Ю. Нейроморфик агентуудад дохио боловсруулах орон зай, цаг хугацааны ач холбогдол: хүрээлэн буй орчинтой харьцах бага чадалтай бие даасан агентуудыг хөгжүүлэх сорилт. Индивери, Г. & Сандамирская, Ю.空间和时间对于神经形态代理中信号处理的重要性：开发与环境交互的低功耗、自主代理的挑战。 Индивери, Г. & Сандамирская, Ю.Индивери Г. ба Сандамирская Ю. Нейроморфик агентуудад дохио боловсруулах орон зай, цаг хугацааны ач холбогдол: хүрээлэн буй орчинтой харьцах бага чадалтай бие даасан агентуудыг хөгжүүлэх сорилт.IEEE дохио боловсруулах. Сэтгүүл 36, 16–28 (2019).
Торп, СЖ оргилд хүрэх цаг: Мэдрэлийн сүлжээний үр дүнтэй кодчлолын схем. 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.). Мэдрэлийн систем ба компьютерт зэрэгцээ боловсруулалт 91-94 (Хойд Голланд Элсевиер, 1990).
Levy, WB & Calvert, VG Communication нь хүний ​​бор гадаргын тооцоололоос 35 дахин их энерги зарцуулдаг боловч синапсийн тоог урьдчилан таамаглахад хоёуланд нь шаардлагатай байдаг. Levy, WB & Calvert, VG Communication нь хүний ​​бор гадаргын тооцоололоос 35 дахин их энерги зарцуулдаг боловч синапсийн тоог урьдчилан таамаглахад хоёуланд нь шаардлагатай байдаг.Levy, WB болон Calvert, WG Communication нь хүний ​​бор гадаргын тооцоололоос 35 дахин их энерги зарцуулдаг боловч синапсуудын тоог урьдчилан таамаглахад хоёуланд нь шаардлагатай байдаг. 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成本都需要预成都需要预成流流量是人类皮层计算的35 Levy, WB & Calvert, VG CommunicationLevy, WB болон Calvert, WG Communication нь хүний ​​бор гадаргын тооцоололоос 35 дахин их эрчим хүч зарцуулдаг боловч хоёуланд нь синапсуудын тоог урьдчилан таамаглах шаардлагатай байдаг.үйл явц. Үндэсний Шинжлэх Ухааны Академи. шинжлэх ухаан. АНУ 118, https://doi.org/10.1073/pnas.2008173118 (2021).
Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Insect-sspired neuromorphic computing. Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Insect-sspired neuromorphic computing.Dalgati, T., Vianello, E., DeSalvo, B. and Casas, J. Insect-sspired neuromorphic computing.Далгати Т., Вианелло Э., ДеСалво Б., Касас Ж. Шавжнаас өдөөгдсөн нейроморфик тооцоолол. Одоогийн. Үзэл бодол. Шавжны шинжлэх ухаан. 30, 59–66 (2018).
Roy, K., Jaiswal, A. & Panda, P. Towards spike-based machine intelligence with neuromorphic computing. Roy, K., Jaiswal, A. & Panda, P. Towards spike-based machine intelligence with neuromorphic computing. Roy, K., Jaiswal, A. & Panda, P. Towards Spike-based Machine Intelligence with Neuromorphic Computing.Roy K, Jaiswal A, Panda P. Neuromorphic computing ашиглан импульс дээр суурилсан хиймэл оюун ухаан. Байгаль 575, 607–617 (2019).
Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. болон Liu, S.-K. Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. болон Liu, S.-K.Нейроморф систем дэх санах ой, мэдээлэл боловсруулах. үйл явц. IEEE 103, 1379–1397 (2015).
Akopyan F. et al. Truenorth: 65 мВт-ын хүчин чадалтай 1 сая нейроны программчлагдах синаптик чипийн загвар ба багаж хэрэгсэл. IEEE гүйлгээ. Нэгдсэн хэлхээний системийн компьютерийн дизайн. 34, 1537–1557 (2015).
Schemmel, J. et al. Шууд демо: хавтан масштабтай BrainScaleS нейроморф системийн жижигрүүлсэн хувилбар. 2012 IEEE International Symposium on Circuits and Systems (ISCAS), (IEEE хэвлэл) 702–702 (2012).
Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. Динамик нейроморф асинхрон процессоруудад (DYNAPs) зориулсан гетероген санах ойн бүтэц бүхий өргөтгөх боломжтой олон цөмт архитектур. Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. Динамик нейроморф асинхрон процессоруудад (DYNAPs) зориулсан гетероген санах ойн бүтэц бүхий өргөтгөх боломжтой олон цөмт архитектур.Moradi S., Qiao N., Stefanini F. and Indiviri G. Динамик нейроморф асинхрон процессоруудад (DYNAP) зориулсан янз бүрийн санах ойн бүтэцтэй, өргөтгөх боломжтой олон цөмт архитектур. Моради, С.、Чяо, Н.、Стефанини, Ф. & Индивери, Г. 一种可扩展的多核架构，具有用于动态神经彂态(YP)弨彂态弨弨的异构内存结构。 Моради, С.、Qiao, N.、Stefanini, F. & Indiveri, G. Динамик мэдрэлийн боловсруулалт хийх (DYNAP) өвөрмөц санах ойн бүтэцтэй, өргөтгөх боломжтой олон цөмт архитектурын нэг төрөл.Moradi S., Qiao N., Stefanini F. and Indiviri G. Динамик нейроморф асинхрон процессоруудад (DYNAP) зориулсан янз бүрийн санах ойн бүтэцтэй, өргөтгөх боломжтой олон цөмт архитектур.Биоанагаахын шинжлэх ухааны IEEE гүйлгээ. цахилгаан систем. 12, 106–122 (2018).
Davis, M. et al. Лоихи: суулгагдсан сургалт бүхий нейроморф олон цөмт процессор. IEEE Micro 38, 82–99 (2018).
Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker төсөл. Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker төсөл.Ferber SB, Galluppi F., Temple S. болон Plana LA SpiNNaker төсөл.Ferber SB, Galluppi F., Temple S. болон Plana LA SpiNNaker төсөл. үйл явц. IEEE 102, 652–665 (2014).
Лю, С.-К. & Delbruck, T. Neuromorphic мэдрэхүйн систем. & Delbruck, T. Neuromorphic мэдрэхүйн систем.болон Delbrück T. Neuromorphic мэдрэхүйн систем. & Delbruck, T. 神经形态感觉系统。 & Делбрук, Т.болон Delbrück T. Neuromorphic мэдрэхүйн систем.Одоогийн. Үзэл бодол. Нейробиологи. 20, 288–295 (2010).
Chope, T. et al. Дууны эх үүсвэрийг нутагшуулах, мөргөлдөөнөөс зайлсхийхэд зориулагдсан нейроморф мэдрэхүйн интеграцчилал. 2019 онд IEEE-ийн биоанагаах ухааны хэлхээ ба системүүдийн бага хуралд (BioCAS), (IEEE Ed.) 1–4 (2019).
Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. Стерео харааны баяжуулалтад суурилсан нейроморфик архитектур. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. Стерео харааны баяжуулалтад суурилсан нейроморфик архитектур.Риси Н, Аймар А, Донати Е, Солинас С, Индивери Г. Баяжуулалтанд суурилсан нейроморфик стереовизний архитектур. Риси, Н., Аймар, А., Донати, Э., Солинас, С. & Индивери, Г. 一种基于脉冲的立体视觉神经形态结构。 Риси, Н., Аймар, А., Донати, Э., Солинас, С. & Индивери, Г.Risi N, Aimar A, Donati E, Solinas S, Indiveri G. Стерео харааны хувьд Spike дээр суурилсан нейроморфик архитектур.урд. Нейроботик 14, 93 (2020).
Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Үйл явдалд суурилсан нейроморф стерео харааны системд зориулсан 3Dperception-ийн огцом мэдрэлийн сүлжээний загвар. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Үйл явдалд суурилсан нейроморф стерео харааны системд зориулсан 3Dperception-ийн огцом мэдрэлийн сүлжээний загвар.Oswald, M., Ieng, S.-H., Benosman, R., and Indiveri, G. A 3D Pulsed Neural Network Perception Model for Event-based Neuromorphic Stereo Vision Systems. Освальд, М., Иенг, С.-Х., Беносман, Р. & Индивери, Г. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. 3Dperception 脉冲神经网络模型。Oswald, M., Ieng, S.-H., Benosman, R., and Indiveri, G. Spiked 3Dperception мэдрэлийн сүлжээний загвар нь үйл явдалд суурилсан нейроморфик стерео харааны систем.шинжлэх ухаан. Тайлан 7, 1–11 (2017).
Далгаты, Т. Шавжнаас өдөөгдсөн үндсэн хөдөлгөөн мэдрэгч нь эсэргүүцэх санах ой болон тэсрэлт мэдрэлийн сүлжээг агуулдаг. Бионик биогибрид систем. 10928, 115–128 (2018).
D'Angelo, G. et al. Цаг хугацааны дифференциал кодчилол ашиглан үйл явдалд суурилсан хазгай хөдөлгөөнийг илрүүлэх. урд. Мэдрэл судлал. 14, 451 (2020).