පුවත්

තථ්‍ය-ලෝක දත්ත සැකසුම් යෙදුම් සඳහා සංයුක්ත, අඩු ප්‍රමාද, අඩු බල පරිගණක පද්ධති අවශ්‍ය වේ. සිදුවීම් මත පදනම් වූ පරිගණන හැකියාවන් සමඟින්, අනුපූරක ලෝහ-ඔක්සයිඩ්-අර්ධ සන්නායක දෙමුහුන් මතක නියුරෝමෝෆික් ගෘහ නිර්මාණ ශිල්පය එවැනි කාර්යයන් සඳහා කදිම දෘඪාංග පදනමක් සපයයි. එවැනි පද්ධතිවල සම්පූර්ණ විභවය විදහා දැක්වීමට, අපි සැබෑ ලෝකයේ වස්තු දේශීයකරණ යෙදුම් සඳහා පුළුල් සංවේදක සැකසුම් විසඳුමක් යෝජනා කර පර්යේෂණාත්මකව නිරූපණය කරන්නෙමු. Barn owl neuroanatomy වෙතින් ආශ්වාදයක් ලබා ගනිමින්, අපි ජෛව ආශ්‍රිත, සිදුවීම් මත පදනම් වූ වස්තු දේශීයකරණ පද්ධතියක් සංවර්ධනය කර ඇති අතර එය අති නවීන piezoelectric ක්ෂුද්‍ර යාන්ත්‍රික පරිවර්තක පරිවර්තකයක් පරිගණක ප්‍රස්ථාර මත පදනම් වූ neuromorphic ප්‍රතිරෝධක මතකය සමඟ ඒකාබද්ධ කරයි. අපි මතකය මත පදනම් වූ ප්‍රතිරෝධී අහඹු අනාවරකයක්, ප්‍රමාද රේඛා පරිපථයක් සහ සම්පූර්ණයෙන්ම අභිරුචිකරණය කළ හැකි අතිධ්වනික පරිවර්තකයක් ඇතුළත් වන ගොතන ලද පද්ධතියක මිනුම් පෙන්වමු. පද්ධති මට්ටමින් සමාකරණ ක්‍රමාංකනය කිරීමට අපි මෙම පර්යේෂණාත්මක ප්‍රතිඵල භාවිතා කරමු. වස්තු ප්‍රාදේශීයකරණ ආකෘතියේ කෝණික විභේදනය සහ බලශක්ති කාර්යක්ෂමතාවය ඇගයීමට මෙම සමාකරණ පසුව භාවිතා වේ. ප්‍රතිඵලවලින් පෙන්නුම් කරන්නේ අපගේ ප්‍රවේශය එකම කාර්යයක් ඉටු කරන ක්ෂුද්‍ර පාලකයන්ට වඩා බලශක්ති කාර්යක්ෂම විශාලත්වයේ ඇණවුම් කිහිපයක් විය හැකි බවයි.
අපගේ එදිනෙදා ජීවිතයේදී අපට උපකාර කිරීම සඳහා යොදවා ඇති උපාංග සහ පද්ධති සංඛ්‍යාව ඝාතීය ලෙස වර්ධනය වන සර්වසම්පූර්ණ පරිගණක යුගයකට අපි පිවිසෙමින් සිටිමු. මෙම පද්ධති අඛණ්ඩව ක්‍රියාත්මක වන අතර, හැකිතාක් අඩු බලයක් පරිභෝජනය කරන අතර, ඒවා තත්‍ය කාලීනව බහු සංවේදක වලින් රැස් කරන දත්ත අර්ථ නිරූපණය කිරීමට ඉගෙන ගන්නා අතර වර්ගීකරණයේ හෝ හඳුනාගැනීමේ කාර්යයේ ප්‍රතිඵලයක් ලෙස ද්විමය ප්‍රතිදානය නිපදවයි. මෙම ඉලක්කය සාක්ෂාත් කර ගැනීම සඳහා අවශ්‍ය වඩාත් වැදගත් පියවරක් වන්නේ ඝෝෂාකාරී සහ බොහෝ විට අසම්පූර්ණ සංවේදී දත්ත වලින් ප්‍රයෝජනවත් සහ සංයුක්ත තොරතුරු උකහා ගැනීමයි. සාම්ප්‍රදායික ඉංජිනේරු ප්‍රවේශයන් සාමාන්‍යයෙන් නියැදි සංවේදක සංඥා නියත සහ ඉහළ වේගයකින්, ප්‍රයෝජනවත් යෙදවුම් නොමැති විට පවා විශාල දත්ත ප්‍රමාණයක් ජනනය කරයි. මීට අමතරව, මෙම ක්‍රම (බොහෝ විට ඝෝෂාකාරී) ආදාන දත්ත පෙර-සැකසීම සඳහා සංකීර්ණ ඩිජිටල් සංඥා සැකසුම් ක්‍රම භාවිතා කරයි. ඒ වෙනුවට, ජීව විද්‍යාව බලශක්ති-කාර්යක්ෂම, අසමමුහුර්ත, සිදුවීම් මත පදනම් වූ ප්‍රවේශයන් (කරල්) 2,3 භාවිතා කරමින් ඝෝෂාකාරී සංවේදී දත්ත සැකසීම සඳහා විකල්ප විසඳුම් ඉදිරිපත් කරයි. සාම්ප්‍රදායික සංඥා සැකසුම් ක්‍රම 4,5,6 හා සසඳන විට බලශක්ති සහ මතක අවශ්‍යතා අනුව ගණනය කිරීමේ පිරිවැය අඩු කිරීම සඳහා නියුරෝමෝෆික් පරිගණකකරණය ජීව විද්‍යාත්මක පද්ධති වලින් ආශ්වාදයක් ලබා ගනී. මෑතදී, ආවේග ස්නායු ජාල (TrueNorth7, BrainScaleS8, DYNAP-SE9, Loihi10, Spinnaker11) ක්‍රියාත්මක කරන නව්‍ය පොදු අරමුණු මොළය පදනම් කරගත් පද්ධති ප්‍රදර්ශනය කර ඇත. මෙම ප්‍රොසෙසර යන්ත්‍ර ඉගෙනීම සහ බාහික පරිපථ ආකෘති නිර්මාණය සඳහා අඩු බලයක්, අඩු ප්‍රමාද විසඳුම් සපයයි. ඔවුන්ගේ බලශක්ති කාර්යක්ෂමතාවය සම්පූර්ණයෙන් ප්‍රයෝජනයට ගැනීම සඳහා, මෙම neuromorphic ප්‍රොසෙසර සිදුවීම්-ධාවනය කරන සංවේදක12,13 වෙත සෘජුවම සම්බන්ධ කළ යුතුය. කෙසේ වෙතත්, අද ඇත්තේ සිදුවීම් මත පදනම් වූ දත්ත සෘජුවම සපයන ස්පර්ශ උපාංග කිහිපයක් පමණි. ප්‍රමුඛ උදාහරණ වන්නේ දර්ශන යෙදුම් සඳහා ගතික දෘශ්‍ය සංවේදක (DVS) ලුහුබැඳීම සහ චලන හඳුනාගැනීම වැනි 14,15,16,17 silicon cochlea18 සහ neuromorphic auditory sensors (NAS)19 ශ්‍රවණ සංඥා සැකසීම සඳහා, සුවඳ සංවේදක20 සහ බොහෝ උදාහරණ21,22. . වයනය සංවේදක.
මෙම ලිපියෙන්, අපි වස්තු ස්ථානගත කිරීම සඳහා යොදන ලද අලුතින් සංවර්ධනය කරන ලද සිදුවීම් මත පදනම් වූ ශ්‍රවණ සැකසුම් පද්ධතියක් ඉදිරිපත් කරමු. මෙහිදී, ප්‍රථම වතාවට, නියුරෝමෝෆික් ප්‍රතිරෝධක මතකය (RRAM) මත පදනම් වූ පරිගණක ප්‍රස්ථාරයක් සමඟ අති නවීන piezoelectric micromachined ultrasonic Transducer (pMUT) සම්බන්ධ කිරීමෙන් ලබාගත් වස්තු ප්‍රාදේශීයකරණය සඳහා අවසානය සිට අවසානය දක්වා පද්ධතියක් අපි විස්තර කරමු. RRAM භාවිතා කරන මතකයේ ඇති පරිගණක ගෘහ නිර්මාණ ශිල්පය බලශක්ති පරිභෝජනය අඩු කිරීම සඳහා හොඳ විසඳුමක් 23,24,25,26,27,28,29. ඒවායේ නෛසර්ගික නොවන අස්ථාවරත්වය-තොරතුරු ගබඩා කිරීමට හෝ යාවත්කාලීන කිරීමට සක්‍රීය බලශක්ති පරිභෝජනය අවශ්‍ය නොවේ - ස්නායු රූපී පරිගණනයේ අසමමුහුර්ත, සිදුවීම්-ධාවන ස්වභාවය සමඟ පරිපූර්ණව ගැලපේ, පද්ධතිය අක්‍රියව පවතින විට බලශක්ති පරිභෝජනයට ආසන්න ප්‍රතිඵලයක් නොවේ. Piezoelectric micromachined ultrasonic transducers (pMUTs) යනු මිල අඩු, කුඩා කළ සිලිකන් මත පදනම් වූ අතිධ්වනික පරිවර්තක සම්ප්‍රේෂක සහ ග්‍රාහක ලෙස ක්‍රියා කළ හැකි ය. ගොඩනඟන ලද සංවේදක මගින් ලැබෙන සංඥා සැකසීමට, අපි barn owl neuroanatomy35,36,37 වෙතින් ආශ්වාදයක් ලබා ගත්තෙමු. ආර් ඒන් බූවල්ලා ටයිටෝ ඇල්බා එහි කැපී පෙනෙන රාත්‍රී දඩයම් හැකියාවන් සඳහා ප්‍රසිද්ධ වී ඇත්තේ ඉතා කාර්යක්ෂම ශ්‍රවණ ප්‍රාදේශීයකරණ පද්ධතියකට ස්තුති වන්නටය. ගොදුර සිටින ස්ථානය ගණනය කිරීම සඳහා, බකමූණන්ගේ ප්‍රාදේශීයකරණ පද්ධතිය ගොදුරේ සිට එන ශබ්ද තරංග බකමූණාගේ එක් එක් කන් හෝ ශබ්ද ප්‍රතිග්‍රාහක වෙත ළඟා වන විට පියාසර කරන වේලාව (ToF) සංකේත කරයි. කන් අතර ඇති දුර අනුව, ToF මිණුම් දෙක අතර වෙනස (අන්තර්වායු කාල වෙනස, ITD) ඉලක්කයේ අශිමුත් පිහිටීම විශ්ලේෂණාත්මකව ගණනය කිරීමට හැකි වේ. වීජීය සමීකරණ විසඳීමට ජීව විද්‍යාත්මක පද්ධති දුර්වල ලෙස යෝග්‍ය වුවද, ඒවාට ප්‍රාදේශීයකරණ ගැටළු ඉතා ඵලදායී ලෙස විසඳා ගත හැක. බාන් බකමූණ ස්නායු පද්ධතිය ස්ථානගත කිරීමේ ගැටළු විසඳීම සඳහා සමපාත අනාවරක (CD) 35 නියුරෝන කට්ටලයක් භාවිතා කරයි (එනම්, අභිසාරී උත්තේජක අවසානය දක්වා පහළට පැතිරෙන කරල් අතර තාවකාලික සහසම්බන්ධතා හඳුනා ගැනීමට හැකි නියුරෝන)
ITD13, 40 භාවිතා කරමින් පිහිටීම ගණනය කිරීමේ කාර්යක්ෂම ක්‍රමයක් වන්නේ බකමූණන්ගේ බාල කොලිකුලස් ("ශ්‍රවණ බාහිකය") මගින් ආභාසය ලත් අනුපූරක ලෝහ-ඔක්සයිඩ්-අර්ධ සන්නායක (CMOS) දෘඩාංග සහ RRAM මත පදනම් වූ නියුරෝමෝෆික් දෘඩාංග බව පෙර පර්යේෂණ මගින් පෙන්වා දී ඇත. 42, 43, 44, 45, 46. කෙසේ වෙතත්, ශ්‍රවණ සංඥා ස්නායුරූපී පරිගණක ප්‍රස්ථාරවලට සම්බන්ධ කරන සම්පූර්ණ නියුරෝමෝෆික් පද්ධතිවල විභවය තවමත් ප්‍රදර්ශනය කර නොමැත. ප්‍රධාන ගැටළුව වන්නේ ඇනලොග් CMOS පරිපථවල ආවේණික විචල්‍යතාවයයි, එය තරඟ හඳුනාගැනීමේ නිරවද්‍යතාවයට බලපායි. මෑතකදී, ITD47 ඇස්තමේන්තු වල විකල්ප සංඛ්‍යාත්මක ක්‍රියාත්මක කිරීම් ප්‍රදර්ශනය කර ඇත. මෙම ලිපියේදී, ඇනලොග් පරිපථවල විචල්‍යතාවයට ප්‍රතිරෝධය දැක්වීම සඳහා වාෂ්පශීලී නොවන ආකාරයෙන් සන්නායක අගය වෙනස් කිරීමට RRAM හි හැකියාව භාවිතා කිරීමට අපි යෝජනා කරමු. අපි 111.9 kHz සංඛ්‍යාතයකින් ක්‍රියා කරන pMUT සම්ප්‍රේෂණ පටලයකින් සමන්විත පර්යේෂණාත්මක පද්ධතියක් ක්‍රියාත්මක කළෙමු, pMUT ග්‍රාහක පටල දෙකක් (සංවේදක) බූවල්ලා කන් අනුකරණය කරන අතර එකක් . අපගේ දේශීයකරණ පද්ධතිය පරීක්ෂා කිරීමට සහ එහි කෝණික විභේදනය ඇගයීමට අපි pMUT හඳුනාගැනීමේ පද්ධතිය සහ RRAM මත පදනම් වූ ITD පරිගණක ප්‍රස්තාරය පර්යේෂණාත්මකව සංලක්ෂිත කළෙමු.
අපි අපගේ ක්‍රමය සාම්ප්‍රදායික කදම්භ සැකසීම හෝ නියුරෝමෝෆික් ක්‍රම භාවිතා කරමින් එම ප්‍රාදේශීයකරණ කාර්යය ඉටු කරන ක්ෂුද්‍ර පාලකයක ඩිජිටල් ක්‍රියාත්මක කිරීමක් සමඟ සසඳන්නෙමු. 47. මෙම සංසන්දනය මගින් යෝජිත RRAM-පාදක ඇනලොග් නියුරෝමෝෆික් පද්ධතියේ තරඟකාරී බල කාර්යක්ෂමතාව ඉස්මතු කරයි.
නිවැරදි හා කාර්යක්ෂම වස්තු ප්‍රාදේශීයකරණ පද්ධතියක වඩාත්ම කැපී පෙනෙන උදාහරණ වලින් එකක් බාන් owl35,37,48 හි සොයාගත හැකිය. සවස් වන විට සහ අලුයම වන විට, ආර් ඒන් (ටයිටෝ ඇල්බා) මූලික වශයෙන් නිෂ්ක්‍රීය සවන්දීම මත රඳා පවතී, වොල්ස් හෝ මීයන් වැනි කුඩා ගොදුරක් සක්‍රීයව සොයයි. මෙම ශ්‍රවණ විශේෂඥයින්ට 1a හි පෙන්වා ඇති පරිදි, විස්මිත නිරවද්‍යතාවයකින් (2° පමණ)35 ගොදුරේ සිට ශ්‍රවණ සංඥා ස්ථානගත කළ හැක. බකමූණෝ ශබ්ද ප්‍රභවයේ සිට කන් දෙකට පියාසර කරන වේලාවේ (ITD) වෙනස අනුව අසිමුත් (තිරස්) තලයේ ශබ්ද ප්‍රභව පිහිටීම අනුමාන කරයි. ITD පරිගණක යාන්ත්‍රණය Jeffress49,50 විසින් යෝජනා කරන ලද අතර එය ස්නායු ජ්‍යාමිතිය මත රඳා පවතින අතර ප්‍රධාන කොටස් දෙකක් අවශ්‍ය වේ: axon, ප්‍රමාද රේඛාවක් ලෙස ක්‍රියා කරන නියුරෝන ස්නායු තන්තු සහ පරිගණක පද්ධතියකට සංවිධානය කරන ලද අහඹු අනාවරක නියුරෝන මාලාවක්. රූප සටහන 1b හි පෙන්වා ඇති පරිදි ප්රස්ථාරය. ඇසුමත් මත යැපෙන කාල ප්‍රමාදයක් (ITD) සමඟ ශබ්දය කනට ළඟා වේ. එවිට ශබ්දය එක් එක් කණෙහි ස්පයික් රටාවක් බවට පරිවර්තනය වේ. වම් සහ දකුණු කන් වල අක්ෂ ප්‍රමාද රේඛා ලෙස ක්‍රියා කරන අතර CD නියුරෝන මත අභිසාරී වේ. න්‍යායාත්මකව, ගැළපෙන නියුරෝන අරාවක එක් නියුරෝනයක් පමණක් වරකට ආදානය ලබා ගනී (ප්‍රමාදය හරියටම අවලංගු වන විට) සහ උපරිම ලෙස ගිනි ගනී (අසල්වැසි සෛල ද ගිනි ගනී, නමුත් අඩු සංඛ්‍යාතයකින්). ඇතැම් නියුරෝන සක්‍රිය කිරීම මඟින් ITD තවදුරටත් කෝණවලට පරිවර්තනය නොකර අභ්‍යවකාශයේ ඉලක්කයේ පිහිටීම කේතනය කරයි. මෙම සංකල්පය රූප සටහන 1c හි සාරාංශ කර ඇත: නිදසුනක් ලෙස, දකුණු කණෙන් ආදාන සංඥාව වම් කණෙන් මාර්ගයට වඩා දිගු මාර්ගයක් ගමන් කරන විට ශබ්දය දකුණු පසින් පැමිණෙන්නේ නම්, උදාහරණයක් ලෙස ITD ගණනට වන්දි ලබා දෙයි. නියුරෝන 2 ගැලපෙන විට. වෙනත් වචන වලින් කිවහොත්, එක් එක් සංයුක්ත තැටිය අක්ෂීය ප්‍රමාදය හේතුවෙන් යම් ITD (ප්‍රශස්ත ප්‍රමාදය ලෙසද හැඳින්වේ) වෙත ප්‍රතිචාර දක්වයි. මේ අනුව, මොළය තාවකාලික තොරතුරු අවකාශීය තොරතුරු බවට පරිවර්තනය කරයි. මෙම යාන්ත්‍රණය සඳහා ව්‍යුහ විද්‍යාත්මක සාක්ෂි 37,51 සොයාගෙන ඇත. අදියර-අගුලු දැමූ macronucleus නියුරෝන පැමිණෙන ශබ්ද පිළිබඳ තාවකාලික තොරතුරු ගබඩා කරයි: ඒවායේ නමට අනුව, ඒවා ඇතැම් සංඥා අවධීන්හිදී වෙඩි තබයි. ජෙෆ්රෙස් ආකෘතියේ අහඹු අනාවරක නියුරෝන ලැමිනර් හරය තුළ සොයාගත හැකිය. ඒවාට තොරතුරු ලැබෙන්නේ මැක්‍රෝ න්‍යෂ්ටික නියුරෝන වලින් වන අතර, ඒවායේ අක්ෂයන් ප්‍රමාද රේඛා ලෙස ක්‍රියා කරයි. ප්‍රමාද රේඛාව මඟින් ලබා දෙන ප්‍රමාදයේ ප්‍රමාණය අක්ෂයේ දිග මෙන්ම සන්නායක ප්‍රවේගය වෙනස් කරන තවත් මයිලිනේෂන් රටාවකින් පැහැදිලි කළ හැකිය. බකමූණාගේ ශ්‍රවණ පද්ධතියෙන් ආභාසය ලබමින්, අපි වස්තූන් ස්ථානගත කිරීම සඳහා ජෛව අනුකරණ පද්ධතියක් නිර්මාණය කර ඇත්තෙමු. කන් දෙක pMUT ග්‍රාහක දෙකකින් නිරූපණය කෙරේ. ශබ්ද ප්‍රභවය වන්නේ ඒවා අතර පිහිටා ඇති pMUT සම්ප්‍රේෂකයයි (රූපය 1a), සහ පරිගණක ප්‍රස්ථාරය සෑදී ඇත්තේ RRAM මත පදනම් වූ CD පරිපථ ජාලයකින් (රූපය 1b, කොළ), ආදාන ප්‍රමාද වන CD නියුරෝන වල භූමිකාව ඉටු කරයි. පරිපථය හරහා, ප්‍රමාද රේඛා (නිල්) ජීව විද්‍යාත්මක ප්‍රතිමූර්තියේ අක්සෝන මෙන් ක්‍රියා කරයි. යෝජිත සංවේදක පද්ධතිය 1-8 kHz පරාසය තුළ ක්‍රියා කරන බූවල්ලාගේ සංඛ්‍යාතයට වඩා මෙහෙයුම් සංඛ්‍යාතයෙන් වෙනස් වේ, නමුත් 117 kHz පමණ ක්‍රියාත්මක වන pMUT සංවේදක මෙම කාර්යයේදී භාවිතා වේ. අතිධ්වනික පරිවර්තකයක් තෝරාගැනීම තාක්ෂණික සහ ප්රශස්තිකරණ නිර්ණායක අනුව සැලකේ. පළමුව, ලැබෙන කලාප පළල තනි සංඛ්‍යාතයකට සීමා කිරීම මැනීමේ නිරවද්‍යතාවය ඉතා මැනවින් වැඩිදියුණු කරන අතර පසු සැකසුම් පියවර සරල කරයි. මීට අමතරව, අල්ට්රා සවුන්ඩ් හි ක්‍රියාකාරිත්වයේ වාසිය වන්නේ විමෝචනය වන ස්පන්දන ඇසෙන්නේ නැති නිසා මිනිසුන්ට බාධා නොකරන්න, මන්ද ඔවුන්ගේ ශ්‍රවණ පරාසය ~ 20-20 kHz වේ.
බකමූණන්ට ඉලක්කයකින් ශබ්ද තරංග ලැබේ, මේ අවස්ථාවේ දී ගොදුර චලනය කරයි. එක් එක් කණ සඳහා ශබ්ද තරංගයේ පියාසර කාලය (ToF) වෙනස් වේ (ගොදුර සෘජුවම බකමූණෙකු ඉදිරියෙහි නොමැති නම්). තිත් රේඛාවෙන් දැක්වෙන්නේ බකමූණාගේ කන් කරා ශබ්ද තරංග ගමන් කරන මාර්ගයයි. ධ්වනි මාර්ග දෙක අතර දිග වෙනස සහ ඊට අනුරූප අන්තර්ක්‍රියා කාල වෙනස (ITD) මත පදනම්ව ගොදුර නිවැරදිව තිරස් තලය තුළ ස්ථානගත කළ හැක (වමේ රූපය ref. 74, ප්‍රකාශන හිමිකම 2002, ස්නායු විද්‍යාව සඳහා සමාජය). අපගේ පද්ධතිය තුළ, pMUT සම්ප්‍රේෂකය (තද නිල්) ඉලක්කයෙන් ඉවතට පැන යන ශබ්ද තරංග ජනනය කරයි. පරාවර්තනය කරන ලද අල්ට්රා සවුන්ඩ් තරංග pMUT ග්රාහකයින් දෙකක් (ලා කොළ) මගින් ලබා ගන්නා අතර නියුරෝමෝර්ෆික් ප්රොසෙසරය (දකුණේ) මගින් සකසනු ලැබේ. b බූවල්ලාගේ කන්වලට ඇතුළු වන ශබ්ද පළමුව විශාල න්‍යෂ්ටියේ (NM) අදියර-අගුලු දැමූ කරල් ලෙස සංකේතනය කර පසුව ලැමිලර් න්‍යෂ්ටියේ ගැළපෙන අනාවරක නියුරෝනවල ජ්‍යාමිතිකව සැකසූ ජාලකයක් භාවිතා කරන ආකාරය විස්තර කරන ITD (Jeffress) පරිගණක ආකෘතියකි. සැකසුම් (නෙදර්ලන්තය) (වමේ). ප්‍රමාද රේඛා සහ අහඹු අනාවරක නියුරෝන ඒකාබද්ධ කරන neuroITD පරිගණක ප්‍රස්ථාරයක නිදර්ශනය, බූවල්ලා ජෛව සංවේදක පද්ධතිය RRAM මත පදනම් වූ නියුරෝමෝෆික් පරිපථ (දකුණ) භාවිතයෙන් ආකෘතිගත කළ හැක. c ප්‍රධාන ජෙෆ්‍රෙස් යාන්ත්‍රණයේ ක්‍රමානුකුලව, ToF හි වෙනස හේතුවෙන්, කන් දෙකට විවිධ අවස්ථා වලදී ශබ්ද උත්තේජක ලැබෙන අතර දෙපස සිට අනාවරකය වෙත අක්සෝන යවයි. අක්සෝන යනු අහඹු අනාවරක (CD) නියුරෝන මාලාවක කොටසකි, ඒ සෑම එකක්ම ප්‍රබල ලෙස කාල සහසම්බන්ධිත යෙදවුම් වලට තෝරා බේරා ප්‍රතිචාර දක්වයි. එහි ප්‍රතිඵලයක් වශයෙන්, උපරිම වශයෙන් උද්යෝගිමත් වන්නේ (ITD හරියටම වන්දි ගෙවනු ලැබේ) කුඩාම කාල වෙනස සහිත යෙදවුම් සහිත CD තැටි පමණි. CD එක මගින් ඉලක්කයේ කෝණික පිහිටීම කේතනය කරයි.
Piezoelectric micromechanical ultrasonic transducers යනු උසස් CMOS තාක්ෂණය31,32,33,52 සමඟ ඒකාබද්ධ කළ හැකි පරිමාණය කළ හැකි අතිධ්වනික පරිවර්තක වන අතර සම්ප්‍රදායික පරිමාමිතික පරිවර්තකයන්ට වඩා අඩු ආරම්භක වෝල්ටීයතාවයක් සහ බල පරිභෝජනයක් ඇත. අපගේ කාර්යයේදී, පටල විෂ්කම්භය 880 µm වන අතර, අනුනාද සංඛ්‍යාතය 110-117 kHz පරාසය තුළ බෙදා හැරේ (රූපය 2a, විස්තර සඳහා ක්‍රම බලන්න). පරීක්ෂණ උපාංග දහයක කණ්ඩායමක, සාමාන්‍ය තත්ත්ව සාධකය 50ක් පමණ විය (ref. 31). තාක්‍ෂණය කාර්මික පරිණතභාවයට පැමිණ ඇති අතර එය ජෛව ආශ්වාදයක් නොවේ. විවිධ pMUT චිත්‍රපටවල තොරතුරු ඒකාබද්ධ කිරීම ප්‍රකට ක්‍රමවේදයක් වන අතර, උදාහරණයක් ලෙස, beamforming ශිල්පීය ක්‍රම31,54 භාවිතා කරමින් pMUT වලින් කෝණ තොරතුරු ලබා ගත හැක. කෙසේ වෙතත්, කෝණ තොරතුරු උකහා ගැනීමට අවශ්‍ය සංඥා සැකසුම් අඩු බල මිනුම් සඳහා සුදුසු නොවේ. යෝජිත පද්ධතිය, ජෙෆ්‍රෙස් ආකෘතියෙන් (රූපය 2c) ආනුභාව ලත් RRAM මත පදනම් වූ නියුරෝමෝර්ෆික් පරිගණක ප්‍රස්ථාරයක් සමඟ pMUT නියුරෝමෝෆික් දත්ත පෙර සැකසුම් පරිපථය ඒකාබද්ධ කරයි, විකල්ප බලශක්ති කාර්යක්ෂම සහ සම්පත් සීමා සහිත දෘඩාංග විසඳුමක් සපයයි. ලැබෙන පටල දෙකට ලැබෙන විවිධ ToF ශබ්ද උපයෝගී කර ගැනීම සඳහා අපි pMUT සංවේදක දෙකක් ආසන්න වශයෙන් සෙන්ටිමීටර 10 ක් දුරින් තබා අත්හදා බැලීමක් සිදු කළෙමු. සම්ප්‍රේෂකයක් ලෙස ක්‍රියා කරන එක් pMUT ග්‍රාහකයන් අතර හිඳියි. ඉලක්කය වූයේ pMUT උපාංගය ඉදිරිපිට D දුරින් පිහිටා ඇති සෙන්ටිමීටර 12 ක් පළල PVC තහඩුවකි (රූපය 2b). ග්‍රාහකය වස්තුවෙන් පරාවර්තනය වන ශබ්දය වාර්තා කරන අතර ශබ්ද තරංගය ගමන් කිරීමේදී හැකිතාක් ප්‍රතික්‍රියා කරයි. දුර D සහ කෝණය θ මගින් තීරණය කරන ලද වස්තුවේ පිහිටීම වෙනස් කිරීමෙන් අත්හදා බැලීම නැවත සිදු කරන්න. සබැඳියකින් ආශ්වාදයක්. 55, අපි neuromorphic computational graph එකක් ආදානය කිරීමට පරාවර්තනය කරන ලද තරංග උච්ච බවට පරිවර්තනය කිරීම සඳහා pMUT අමු සංඥා වල neuromorphic පූර්ව-සැකසුම යෝජනා කරමු. උච්ච විස්තාරයට අනුරූප වන ToF එක් එක් නාලිකා දෙකෙන් උපුටා ගන්නා අතර තනි මුදුන් වල නියම වේලාව ලෙස කේතනය කෙරේ. අත්තික්කා මත. 2c මඟින් pMUT සංවේදකය RRAM මත පදනම් වූ පරිගණක ප්‍රස්ථාරයක් සමඟින් සම්බන්ධ කිරීමට අවශ්‍ය පරිපථය පෙන්වයි: එක් එක් pMUT ග්‍රාහකයන් දෙක සඳහා, raw signal එක band-pass ෆිල්ටර් කර සුමට, නිවැරදි කිරීමට, පසුව overcoming mode තුළ කාන්දු වන අනුකලනය වෙත යවනු ලැබේ. ගතික එළිපත්ත (රූපය 2d) මඟින් ප්‍රතිදාන සිදුවීමක් (ස්පයික්) සහ වෙඩි තැබීමේ (LIF) නියුරෝන නිර්මාණය කරයි: ප්‍රතිදාන ස්පයික් වේලාව හඳුනාගත් පියාසැරි කාලය සංකේත කරයි. LIF එළිපත්ත pMUT ප්‍රතිචාරයට එරෙහිව ක්‍රමාංකනය කර ඇති අතර එමඟින් උපාංගයෙන් උපාංගයට pMUT විචල්‍යතාවය අඩු කරයි. මෙම ප්‍රවේශය සමඟින්, සම්පූර්ණ ශබ්ද තරංගයම මතකයේ ගබඩා කර එය පසුව සකසනවා වෙනුවට, අපි හුදෙක් ශබ්ද තරංගයේ ToF ට අනුරූප වන උච්චයක් ජනනය කරමු, එය ප්‍රතිරෝධක මතක පරිගණක ප්‍රස්ථාරයට ආදානය සාදයි. කරල් සෘජුවම ප්‍රමාද රේඛා වෙත යවනු ලබන අතර නියුරෝමෝෆික් පරිගණක ප්‍රස්ථාරවල ගැලපීම් හඳුනාගැනීමේ මොඩියුල සමඟ සමාන්තරව ඇත. ඒවා ට්‍රාන්සිස්ටරවල ගේට්ටු වෙත යවන නිසා, අමතර විස්තාරණ පරිපථයක් අවශ්‍ය නොවේ (විස්තර සඳහා පරිපූරක Fig. 4 බලන්න). pMUT සහ යෝජිත සංඥා සැකසුම් ක්‍රමය මඟින් සපයන ප්‍රාදේශීයකරණ කෝණික නිරවද්‍යතාව ඇගයීම සඳහා, වස්තුවේ දුර සහ කෝණය වෙනස් වන විට අපි ITD (එනම් ග්‍රාහකයන් දෙකක් මඟින් උත්පාදනය කරන ලද උච්ච සිදුවීම් අතර කාල වෙනස) මැනිය. පසුව ITD විශ්ලේෂණය කෝණවලට පරිවර්තනය කරන ලදී (ක්‍රම බලන්න) සහ වස්තුවේ පිහිටීමට එරෙහිව සැලසුම් කරන ලදී: මනින ලද ITD හි අවිනිශ්චිතතාවය වස්තුවට ඇති දුර සහ කෝණය සමඟ වැඩි විය (රූපය 2e,f). ප්‍රධාන ගැටළුව වන්නේ pMUT ප්‍රතිචාරයේ උපරිම-ශබ්ද අනුපාතය (PNR) වේ. වස්තුව දුරින්, ධ්වනි සංඥාව අඩු වන අතර, එමගින් PNR අඩු කරයි (රූපය 2f, හරිත රේඛාව). PNR හි අඩුවීමක් ITD ඇස්තමේන්තුවේ අවිනිශ්චිතතාවයේ වැඩි වීමක් ඇති කරයි, එහි ප්‍රතිඵලයක් ලෙස ප්‍රාදේශීයකරණයේ නිරවද්‍යතාවය වැඩි වේ (රූපය 2f, නිල් රේඛාව). සම්ප්රේෂකයේ සිට සෙන්ටිමීටර 50 ක් දුරින් ඇති වස්තුවක් සඳහා, පද්ධතියේ කෝණික නිරවද්යතාව ආසන්න වශයෙන් 10 ° වේ. සංවේදකයේ ලක්ෂණ මගින් පනවන ලද මෙම සීමාව වැඩිදියුණු කළ හැක. උදාහරණයක් ලෙස, විමෝචකය මගින් එවන පීඩනය වැඩි කළ හැකි අතර, එමගින් pMUT පටලය ධාවනය කරන වෝල්ටීයතාවය වැඩි කරයි. සම්ප්‍රේෂණය කරන ලද සංඥාව විස්තාරණය කිරීම සඳහා තවත් විසඳුමක් වන්නේ බහු සම්ප්‍රේෂක සම්බන්ධ කිරීමයි 56. මෙම විසඳුම් මඟින් බලශක්ති පිරිවැය වැඩිවීමේ වියදමින් හඳුනාගැනීමේ පරාසය වැඩි කරනු ඇත. ලැබෙන පැත්තෙන් අමතර වැඩිදියුණු කිරීම් සිදු කළ හැකිය. දැනට වයර් සම්බන්ධතා සහ RJ45 කේබල් සමඟ සිදු කරනු ලබන pMUT සහ පළමු අදියර ඇම්ප්ලිෆයර් අතර සම්බන්ධතාවය වැඩිදියුණු කිරීමෙන් pMUT හි ග්‍රාහක ශබ්ද තට්ටුව සැලකිය යුතු ලෙස අඩු කළ හැකිය.
880 µm පටල හයක් සහිත pMUT ස්ඵටිකයක රූපයක් මිලිමීටර් 1.5 තාරයේදී ඒකාබද්ධ කර ඇත. b මිනුම් සැකසුමේ රූප සටහන. ඉලක්කය අසිමුත් ස්ථානයේ θ සහ දුරින් D. pMUT සම්ප්‍රේෂකය 117.6 kHz සංඥාවක් ජනනය කරන අතර එය ඉලක්කයෙන් ඉවතට පැන විවිධ පියාසැරි වේලාවන් (ToF) සමඟ pMUT ග්‍රාහක දෙකකට ළඟා වේ. අන්තර් ශ්‍රව්‍ය කාල වෙනස (ITD) ලෙස අර්ථ දක්වා ඇති මෙම වෙනස වස්තුවක පිහිටීම කේතනය කරන අතර ග්‍රාහක සංවේදක දෙකේ උපරිම ප්‍රතිචාරය ඇස්තමේන්තු කිරීමෙන් ඇස්තමේන්තු කළ හැක. c අමු pMUT සංඥා ස්පයික් අනුපිළිවෙලක් බවට පරිවර්තනය කිරීම සඳහා පූර්ව-සැකසුම් පියවරවල ක්‍රමානුකුලව (එනම් නියුරෝමෝෆික් පරිගණක ප්‍රස්ථාරයට ආදානය). pMUT සංවේදක සහ neuromorphic පරිගණක ප්‍රස්ථාර නිපදවා පරීක්ෂා කර ඇති අතර, neuromorphic පූර්ව සැකසුම් මෘදුකාංග අනුකරණය මත පදනම් වේ. d සංඥාවක් ලැබුණු පසු pMUT පටලයේ ප්‍රතිචාරය සහ එය ස්පයික් ඩොමේනයක් බවට පරිවර්තනය වීම. e වස්තු කෝණය (Θ) සහ ඉලක්ක වස්තුවට දුර (D) ශ්‍රිතයක් ලෙස පර්යේෂණාත්මක ප්‍රාදේශීයකරණය කෝණික නිරවද්‍යතාවය. ITD නිස්සාරණ ක්‍රමයට ආසන්න වශයෙන් 4°C අවම කෝණික විභේදනයක් අවශ්‍ය වේ. f කෝණික නිරවද්‍යතාවය (නිල් රේඛාව) සහ අනුරූප උච්ච-ශබ්ද අනුපාතය (හරිත රේඛාව) එදිරිව Θ = 0 සඳහා වස්තු දුර.
ප්රතිරෝධක මතකය වාෂ්පශීලී නොවන සන්නායක තත්වයක තොරතුරු ගබඩා කරයි. ක්‍රමයේ මූලික මූලධර්මය නම් පරමාණුක මට්ටමේ ද්‍රව්‍ය වෙනස් කිරීම එහි විද්‍යුත් සන්නායකතාවයේ වෙනසක් ඇති කරයි57. මෙහිදී අපි ඉහළ සහ පහළ ටයිටේනියම් සහ ටයිටේනියම් නයිට්‍රයිඩ් ඉලෙක්ට්‍රෝඩ අතර සැන්ඩ්විච් කර ඇති හැෆ්නියම් ඩයොක්සයිඩ් 5nm ස්ථරයකින් සමන්විත ඔක්සයිඩ් මත පදනම් වූ ප්‍රතිරෝධක මතකයක් භාවිතා කරමු. ඉලෙක්ට්‍රෝඩ අතර ඔක්සිජන් පුරප්පාඩුවල සන්නායක සූතිකා නිර්මාණය කරන හෝ බිඳ දමන ධාරා/වෝල්ටීයතා තරංග ආකෘතියක් යෙදීමෙන් RRAM උපාංගවල සන්නායකතාවය වෙනස් කළ හැක. අපි එවැනි උපාංග58 සම්මත 130 nm CMOS ක්‍රියාවලියකට සම-ඒකාබද්ධ කළේ අහඹු අනාවරකයක් සහ ප්‍රමාද රේඛා පරිපථයක් ක්‍රියාත්මක කරන ගොතන ලද ප්‍රතිසංවිධානය කළ හැකි ස්නායු රූපාකාර පරිපථයක් නිර්මාණය කිරීම සඳහා ය (රූපය 3a). උපාංගයේ වාෂ්පශීලී නොවන සහ ප්‍රතිසම ස්වභාවය, ස්නායු රූපාකාර පරිපථයේ සිද්ධි-ධාවන ස්වභාවය සමඟ ඒකාබද්ධ වී බලශක්ති පරිභෝජනය අවම කරයි. පරිපථයට ක්ෂණික සක්‍රිය / අක්‍රිය ශ්‍රිතයක් ඇත: එය ක්‍රියාත්මක වූ වහාම ක්‍රියාත්මක වන අතර, පරිපථය අක්‍රිය වූ විට බලය සම්පූර්ණයෙන්ම අක්‍රිය කිරීමට ඉඩ සලසයි. යෝජිත යෝජනා ක්රමයේ ප්රධාන ගොඩනැඟිලි කොටස් රූපයේ දැක්වේ. 3b. එය N සමාන්තර තනි-ප්‍රතිරෝධක තනි ට්‍රාන්සිස්ටර (1T1R) ව්‍යුහයන්ගෙන් සමන්විත වන අතර එමඟින් බර ධාරා ගන්නා උපාගමික බර සංකේතනය කර, අවකල යුගල අනුකලනයක (DPI) 59 පොදු උපාගමයට එන්නත් කර, අවසානයේ අනුකලනය සමඟ උපාගමයට එන්නත් කරයි. කාන්දු වීම. සක්‍රිය (LIF) නියුරෝන 60 (විස්තර සඳහා ක්‍රම බලන්න). නැනෝ තත්පර සිය ගණනක අනුපිළිවෙල මත කාලසීමාවක් සහිත වෝල්ටීයතා ස්පන්දන අනුපිළිවෙලක ස්වරූපයෙන් 1T1R ව්‍යුහයේ ගේට්ටුවට ආදාන සර්ජස් යොදනු ලැබේ. Vbottom භූගත වූ විට Vtop වෙත බාහිර ධන සඳහනක් යෙදීමෙන් ප්‍රතිරෝධක මතකය ඉහළ සන්නායක තත්ත්‍වයක (HCS) තැබිය හැකි අතර Vtop භූගත කළ විට Vbottom වෙත ධන වෝල්ටීයතාවක් යෙදීමෙන් අඩු සන්නායක තත්ත්‍වයකට (LCS) නැවත සැකසිය හැක. HCS හි සාමාන්‍ය අගය SET (ICC) හි ක්‍රමලේඛන ධාරාව (අනුකූලතාවය) ශ්‍රේණි ට්‍රාන්සිස්ටරයේ ද්වාර ප්‍රභව වෝල්ටීයතාවයෙන් සීමා කිරීමෙන් පාලනය කළ හැක (රූපය 3c). පරිපථයේ RRAM හි ක්‍රියාකාරීත්වය ද්විත්ව වේ: ඒවා ආදාන ස්පන්දන මෙහෙයවීම සහ බර කරයි.
නිල් HfO2 1T1R RRAM උපාංගයක ස්කෑන් ඉලෙක්ට්‍රෝන අන්වීක්ෂයේ (SEM) රූපය 130 nm CMOS තාක්‍ෂණයෙන් සිලෙක්ටර් ට්‍රාන්සිස්ටර (පළල 650 nm) සමඟ හරිත වර්ණයෙන්. b යෝජිත neuromorphic schema හි මූලික ගොඩනැඟිලි කොටස්. ආදාන වෝල්ටීයතා ස්පන්දන (උච්ච) Vin0 සහ Vin1 ධාරා Iweight පරිභෝජනය කරයි, එය 1T1R ව්‍යුහයේ සන්නායක ප්‍රාන්ත G0 සහ G1 වලට සමානුපාතික වේ. මෙම ධාරාව DPI උපාගම තුළට එන්නත් කර LIF නියුරෝන උද්දීපනය කරයි. RRAM G0 සහ G1 පිළිවෙලින් HCS සහ LCS හි ස්ථාපනය කර ඇත. c 16K RRAM උපාංග සමූහයක් සඳහා සමුච්චිත සන්නායක ඝනත්වයේ කාර්යය ICC ධාරා ගැලපීමේ කාර්යයක් ලෙස සන්නායක මට්ටම ඵලදායී ලෙස පාලනය කරයි. d (a) හි පරිපථ මිනුම් පෙන්නුම් කරන්නේ G1 (LCS හි) Vin1 (කොළ) වෙතින් ආදානය ඵලදායි ලෙස අවහිර කරන අතර ඇත්ත වශයෙන්ම ප්‍රතිදාන නියුරෝන පටල වෝල්ටීයතාව ප්‍රතිචාර දක්වන්නේ Vin0 වෙතින් ලැබෙන නිල් ආදානයට පමණි. RRAM මඟින් පරිපථයේ සම්බන්ධතා ඵලදායී ලෙස තීරණය කරයි. ඊ වෝල්ටීයතා ස්පන්දනයක් Vin0 යෙදීමෙන් පසු පටල වෝල්ටීයතා Vmem මත සන්නායක අගය G0 බලපෑම පෙන්නුම් (b) දී පරිපථය මැනීම. සන්නායකතාවය වැඩි වන තරමට ප්‍රතිචාරය ශක්තිමත් වේ: මේ අනුව, RRAM උපාංගය I/O සම්බන්ධතා බර ක්‍රියාත්මක කරයි. පරිපථය මත මිනුම් සිදු කරන ලද අතර RRAM හි ද්විත්ව ක්‍රියාකාරිත්වය, ආදාන ස්පන්දන මාර්ගගත කිරීම සහ බර කිරීම පෙන්නුම් කරයි.
පළමුව, මූලික සන්නායක අවස්ථා දෙකක් (HCS සහ LCS) ඇති බැවින්, RRAM වලට පිළිවෙලින් LCS හෝ HCS තත්ත්‍වයේ ඇති විට ආදාන ස්පන්දන අවහිර කිරීමට හෝ මග හැරිය හැක. ප්රතිඵලයක් වශයෙන්, RRAM පරිපථයේ සම්බන්ධතා ඵලදායී ලෙස තීරණය කරයි. ගෘහ නිර්මාණ ශිල්පය නැවත සකස් කිරීමට හැකි වීම සඳහා පදනම මෙයයි. මෙය විදහා දැක්වීම සඳහා, අපි Fig. 3b හි පරිපථ කොටසෙහි නිපදවන ලද පරිපථ ක්රියාත්මක කිරීමක් විස්තර කරමු. G0 ට අනුරූප වන RRAM HCS වෙත වැඩසටහන්ගත කර ඇති අතර දෙවන RRAM G1 LCS වෙත වැඩසටහන්ගත කෙරේ. Vin0 සහ Vin1 යන දෙකටම ආදාන ස්පන්දන යොදනු ලැබේ. නියුරෝන පටල වෝල්ටීයතාව සහ නිමැවුම් සංඥාව oscilloscope භාවිතයෙන් එක්රැස් කිරීම මගින් ප්‍රතිදාන නියුරෝන වල ආදාන ස්පන්දන අනුපිළිවෙල දෙකක බලපෑම් විශ්ලේෂණය කරන ලදී. පටල ආතතිය උත්තේජනය කිරීම සඳහා HCS උපාංගය (G0) පමණක් නියුරෝන ස්පන්දනයට සම්බන්ධ කළ විට අත්හදා බැලීම සාර්ථක විය. නිල් ස්පන්දන දුම්රිය පටල ධාරිත්‍රකය මත පටල වෝල්ටීයතාව ගොඩනැගීමට හේතු වන අතර හරිත ස්පන්දන දුම්රිය පටල වෝල්ටීයතාව නියතව තබා ගන්නා අතර මෙය රූප සටහන 3d හි නිරූපණය කෙරේ.
RRAM හි දෙවන වැදගත් කාර්යය වන්නේ සම්බන්ධතා බර ක්රියාත්මක කිරීමයි. RRAM හි ප්‍රතිසම සන්නායක ගැලපුම භාවිතා කරමින්, I/O සම්බන්ධතා ඒ අනුව බර කළ හැක. දෙවන අත්හදා බැලීමේදී, G0 උපාංගය HCS හි විවිධ මට්ටම් වලට වැඩසටහන්ගත කරන ලද අතර, VIn0 ආදානයට ආදාන ස්පන්දනය යොදන ලදී. ආදාන ස්පන්දනය උපාංගයෙන් ධාරාවක් (Iweight) ලබා ගනී, එය සන්නායකතාවයට සමානුපාතික වන අතර ඊට අනුරූප විභව පහත වැටීම Vtop - Vbot වේ. මෙම බර ධාරාව DPI උපාගම සහ LIF ප්රතිදාන නියුරෝන වලට එන්නත් කරනු ලැබේ. ප්රතිදාන නියුරෝන වල පටල වෝල්ටීයතාවය oscilloscope භාවිතයෙන් වාර්තා කර 3d හි ප්රදර්ශනය කර ඇත. තනි ආදාන ස්පන්දනයකට ප්‍රතිචාර වශයෙන් නියුරෝන පටලයේ වෝල්ටීයතා උච්චය ප්‍රතිරෝධක මතකයේ සන්නායකතාවයට සමානුපාතික වේ, RRAM උපාගම බරෙහි ක්‍රමලේඛගත කළ හැකි මූලද්‍රව්‍යයක් ලෙස භාවිතා කළ හැකි බව පෙන්නුම් කරයි. මෙම මූලික පරීක්ෂණ දෙකෙන් පෙන්නුම් කරන්නේ යෝජිත RRAM මත පදනම් වූ neuromorphic වේදිකාවට මූලික Jeffress යාන්ත්‍රණයේ මූලික අංග එනම් ප්‍රමාද රේඛාව සහ අහඹු අනාවරක පරිපථය ක්‍රියාත්මක කිරීමට හැකි බවයි. පරිපථ වේදිකාව ගොඩනගා ඇත්තේ රූප සටහන 3b හි ඇති කුට්ටි වැනි අනුප්‍රාප්තික කුට්ටි එකිනෙක ගොඩගැසීමෙන් සහ ඒවායේ දොරටු පොදු ආදාන රේඛාවකට සම්බන්ධ කිරීමෙනි. අපි ආදාන දෙකක් ලබා ගන්නා ප්‍රතිදාන නියුරෝන දෙකකින් සමන්විත neuromorphic වේදිකාවක් නිර්මාණය කර, සකස් කර, පරීක්ෂා කළෙමු (රූපය 4a). පරිපථ සටහන රූප සටහන 4b හි දැක්වේ. ඉහළ 2 × 2 RRAM න්‍යාසය මඟින් ආදාන ස්පන්දන ප්‍රතිදාන නියුරෝන දෙකකට යොමු කිරීමට ඉඩ සලසයි, පහළ 2 × 2 න්‍යාසය නියුරෝන දෙකක (N0, N1) පුනරාවර්තන සම්බන්ධතාවලට ඉඩ සලසයි. රූප සටහන 4c-e හි පර්යේෂණාත්මක මිනුම් මගින් පෙන්වා ඇති පරිදි, මෙම වේදිකාව ප්‍රමාද රේඛා වින්‍යාසයක් සහ වෙනස් අහඹු අනාවරක ශ්‍රිත දෙකක් සමඟ භාවිතා කළ හැකි බව අපි පෙන්නුම් කරමු.
N0 සහ N1 යන ප්‍රතිදාන නියුරෝන දෙකකින් සාදන ලද පරිපථ සටහන 0 සහ 1 ආදාන දෙකක් ලබා ගනී. අරාවේ ඉහළ උපාංග හතර ආදානයේ සිට ප්‍රතිදානය දක්වා උපාගම සම්බන්ධතා නිර්වචනය කරයි, සහ පහළ සෛල හතර නියුරෝන අතර පුනරාවර්තන සම්බන්ධතා නිර්වචනය කරයි. වර්ණ RRAMs දකුණු පස ඇති HCS හි වින්‍යාස කර ඇති උපාංග නියෝජනය කරයි: HCS හි උපාංග සම්බන්ධතා වලට ඉඩ ලබා දෙන අතර බර නියෝජනය කරන අතර LCS හි උපාංග ආදාන ස්පන්දන අවහිර කර ප්‍රතිදාන වෙත සම්බන්ධතා අක්‍රීය කරයි. b නිල් පැහැයෙන් උද්දීපනය කර ඇති RRAM මොඩියුල අටක් සහිත පරිපථයේ (a) රූප සටහන. c ප්‍රමාද රේඛා සෑදී ඇත්තේ DPI උපාගම සහ LIF නියුරෝන වල ගතිකතාවයන් භාවිතා කිරීමෙනි. Δt ආදාන ප්‍රමාදයෙන් පසු ප්‍රතිදානයේ දෝෂයක් ඇති කිරීමට හැකි වන පරිදි හරිත RRAM සන්නායකතාවය ඉහළ මට්ටමකට සකසා ඇත. d කාලය මත රඳා පවතින සංඥා වල දිශා සංවේදී නොවන CD හඳුනාගැනීමේ ක්‍රමානුකූල නිදර්ශනය. ප්රතිදාන නියුරෝන 1, N1, කෙටි ප්රමාදයකින් යෙදවුම් 0 සහ 1 මත ගිනි. e දිශා සංවේදී CD පරිපථය, ආදානය 1 ආදාන 0 වෙත ළඟා වන විට සහ ආදානය 0 ට පසුව පැමිණෙන විට හඳුනා ගන්නා පරිපථයකි. පරිපථයේ ප්‍රතිදානය නියුරෝන 1 (N1) මගින් නිරූපණය කෙරේ.
ප්‍රමාද රේඛාව (රූපය 4c) Tdel ප්‍රමාද කිරීමෙන් Vin1 සිට Vout1 දක්වා ආදාන ස්පයික් ප්‍රතිනිෂ්පාදනය කිරීමට DPI උපාගම සහ LIF නියුරෝන වල ගතික හැසිරීම් භාවිතා කරයි. Vin1 සහ Vout1 වෙත සම්බන්ධිත G3 RRAM පමණක් HCS හි වැඩසටහන්ගත කර ඇත, ඉතිරි RRAMs LCS හි වැඩසටහන්ගත කර ඇත. G3 උපාංගය 92.6 µs සඳහා ක්‍රමලේඛනය කර ඇත්තේ සෑම ආදාන ස්පන්දනයක්ම ප්‍රතිදාන නියුරෝන වල පටල වෝල්ටීයතාවය ප්‍රමාණවත් ලෙස එළිපත්තට ළඟා වීමට සහ ප්‍රමාද වූ ප්‍රතිදාන ස්පන්දනයක් උත්පාදනය කිරීම සහතික කිරීම සඳහා ය. Tdel ප්‍රමාදය තීරණය වන්නේ උපාගමික සහ ස්නායු කාල නියතයන් මගිනි. අහඹු අනාවරක මගින් තාවකාලිකව සහසම්බන්ධ නමුත් අවකාශීයව බෙදා හරින ලද ආදාන සංඥා ඇතිවීම හඳුනා ගනී. දිශා සංවේදී නොවන සංයුක්ත තැටිය පොදු ප්‍රතිදාන නියුරෝනයකට අභිසාරී වන තනි යෙදවුම් මත රඳා පවතී (රූපය 4d). Vin0 සහ Vin1 සම්බන්ධ කරන RRAM දෙක පිළිවෙලින් Vout1, G2 සහ G4 වෙත ඉහළ සන්නායකතාවය සඳහා වැඩසටහන්ගත කර ඇත. Vin0 සහ Vin1 මත එකවර කරල් පැමිණීමෙන් N1 නියුරෝන පටලයේ වෝල්ටීයතාව ප්‍රතිදාන ස්පයික් ජනනය කිරීමට අවශ්‍ය සීමාවට වඩා වැඩි කරයි. ආදාන දෙක නියමිත වේලාවට වඩා බොහෝ දුරස් නම්, පළමු ආදානය මගින් රැස් කරන ලද පටල වෝල්ටීයතාවයේ ආරෝපණය දිරාපත් වීමට කාලය තිබිය හැක, පටල විභවය N1 එළිපත්ත අගයට පැමිණීම වළක්වයි. G1 සහ G2 දළ වශයෙන් 65 µs සඳහා ක්‍රමලේඛනය කර ඇත, එමඟින් එක් ආදාන වැඩිවීමක් ප්‍රතිදාන වැඩිවීමක් ඇති කිරීමට තරම් පටල වෝල්ටීයතාවයක් වැඩි නොකරන බව සහතික කරයි. අවකාශයේ සහ කාලය තුළ බෙදා හරින ලද සිදුවීම් අතර අහඹු ලෙස හඳුනා ගැනීම යනු දෘශ්‍ය ප්‍රවාහ පාදක බාධක වළක්වා ගැනීම සහ ශබ්ද ප්‍රභව ප්‍රාදේශීයකරණය වැනි පුළුල් පරාසයක සංවේදී කාර්යයන් සඳහා භාවිතා කරන මූලික මෙහෙයුමකි. මේ අනුව, දෘෂ්‍ය හා ශ්‍රව්‍ය ප්‍රාදේශීයකරණ පද්ධති තැනීම සඳහා දිශා සංවේදී සහ සංවේදී නොවන සංයුක්ත තැටි පරිගණනය කිරීම මූලික ගොඩනැඟිලි කොටසකි. කාල නියතයන්ගේ ලක්ෂණ මගින් පෙන්නුම් කරන පරිදි (පරිපූරක Fig. 2 බලන්න), යෝජිත පරිපථය විශාලත්වය කාල පරිමාණයන් හතරක සුදුසු පරාසයක් ක්රියාත්මක කරයි. මේ අනුව, එය එකවර දෘශ්ය හා ශබ්ද පද්ධතිවල අවශ්යතා සපුරාලිය හැකිය. දිශානුගත-සංවේදී CD යනු ස්පන්දන පැමිණීමේ අවකාශීය අනුපිළිවෙලට සංවේදී වන පරිපථයකි: දකුණේ සිට වමට සහ අනෙක් අතට. එය ඩ්‍රොසෝෆිලා දෘෂ්‍ය පද්ධතියේ මූලික චලන හඳුනාගැනීමේ ජාලයේ මූලික ගොඩනැඟිලි ඒකකයක් වන අතර එය චලන දිශාවන් ගණනය කිරීමට සහ ගැටුම් හඳුනා ගැනීමට භාවිතා කරයි. දිශා සංවේදී CD එකක් සාක්ෂාත් කර ගැනීම සඳහා, විවිධ නියුරෝන දෙකකට (N0, N1) යෙදවුම් දෙකක් යොමු කළ යුතු අතර ඒවා අතර දිශානුගත සම්බන්ධතාවයක් ස්ථාපිත කළ යුතුය (රූපය 4e). පළමු ආදානය ලැබුණු විට, NO ප්‍රතික්‍රියා කරන්නේ එහි පටලය හරහා වෝල්ටීයතාව එළිපත්ත අගයට වඩා වැඩි කර ඉහළ යාමක් යැවීමෙනි. මෙම නිමැවුම් සිදුවීම, කොළ පැහැයෙන් උද්දීපනය කර ඇති දිශානුගත සම්බන්ධතාවයට ස්තූතිවන්ත වන පරිදි N1 ගිනිබත් කරයි. ආදාන සිදුවීමක් Vin1 පැමිණ එහි පටල වෝල්ටීයතාවය ඉහළ මට්ටමක තිබියදී N1 ශක්තිජනක කරයි නම්, N1 ආදාන දෙක අතර ගැළපීමක් ඇති බව පෙන්වන ප්‍රතිදාන සිදුවීමක් ජනනය කරයි. දිශානුගත සම්බන්ධතා N1 හට ප්‍රතිදානය විමෝචනය කිරීමට ඉඩ දෙන්නේ ආදානය 0 ට පසුව ආදානය 1 පැමිණෙන්නේ නම් පමණි. G0, G3, සහ G7 පිළිවෙලින් 73.5 µS, 67.3 µS සහ 40.2 µS ලෙස ක්‍රමලේඛනය කර ඇත, Vin0 ආදානයේ එක් ස්පයික් එකක් ප්‍රමාදයක් ඇති කරන බව සහතික කරයි. ප්රතිදාන ස්පයික්, N1 හි පටල විභවය පමණක් ළඟා වේ ආදාන පිපිරුම් දෙකම සමමුහුර්ත වන විට එළිපත්ත. .
විචල්‍යතාවය යනු ආකෘතිගත ස්නායු රූප පද්ධති63,64,65 හි අසම්පූර්ණත්වයේ ප්‍රභවයකි. මෙය නියුරෝන සහ උපාගමවල විෂම හැසිරීම් වලට මග පාදයි. එවැනි අවාසි සඳහා උදාහරණ නම්, ආදාන ලාභයේ 30% (මධ්‍යන්‍ය සම්මත අපගමනය) විචල්‍යතාවය, කාල නියතය සහ වර්තන කාල සීමාව, නම් කිරීමට නමුත් කිහිපයක් (ක්‍රම බලන්න). නියුරෝන දෙකකින් සමන්විත දිශානතියට සංවේදී සංයුක්ත තැටියක් වැනි බහු ස්නායුක පරිපථ එකට සම්බන්ධ වූ විට මෙම ගැටලුව වඩාත් පැහැදිලිව පෙනේ. නිවැරදිව ක්‍රියා කිරීමට නම්, නියුරෝන දෙකේ ලබා ගැනීමේ සහ ක්ෂය වීමේ කාල නියතයන් හැකි තරම් සමාන විය යුතුය. උදාහරණයක් ලෙස, ආදාන ලාභයේ විශාල වෙනසක් එක් නියුරෝනයක් ආදාන ස්පන්දනයකට අධික ලෙස ප්‍රතික්‍රියා කිරීමට හේතු විය හැකි අතර අනෙක් නියුරෝනය යන්තම් ප්‍රතිචාර දක්වයි. අත්තික්කා මත. රූප සටහන 5a පෙන්නුම් කරන්නේ අහඹු ලෙස තෝරාගත් නියුරෝන එකම ආදාන ස්පන්දනයට වෙනස් ලෙස ප්‍රතිචාර දක්වන බවයි. මෙම ස්නායු විචල්‍යතාවය අදාළ වේ, උදාහරණයක් ලෙස, දිශා සංවේදී සීඩී වල ක්‍රියාකාරිත්වයට. රූපයේ දැක්වෙන යෝජනා ක්රමයේ. 5b, c, නියුරෝන 1 හි ආදාන ලාභය නියුරෝන 0 ට වඩා බෙහෙවින් වැඩි ය. මේ අනුව, නියුරෝන 0 ට එළිපත්තට පැමිණීමට ආදාන ස්පන්දන තුනක් (1 වෙනුවට) අවශ්‍ය වන අතර, නියුරෝන 1 ට අපේක්ෂා කළ පරිදි ආදාන සිදුවීම් දෙකක් අවශ්‍ය වේ. ස්පයික් ටයිම් මත යැපෙන ජෛව අනුමිතික ප්ලාස්ටික් (STDP) ක්‍රියාත්මක කිරීම පද්ධති ක්‍රියාකාරීත්වය මත නිරවද්‍ය නොවන සහ මන්දගාමී ස්නායුක සහ උපාගමික පරිපථවල බලපෑම අවම කිරීමට හැකි ක්‍රමයකි. මෙහිදී අපි යෝජනා කරන්නේ ප්‍රතිරෝධක මතකයේ ප්ලාස්ටික් හැසිරීම ස්නායු ආදානය වැඩි දියුණු කිරීමට සහ ස්නායු රූපාකාර පරිපථවල විචල්‍යතාවයේ බලපෑම් අඩු කිරීමේ මාධ්‍යයක් ලෙස භාවිතා කිරීමට ය. රූපයේ දැක්වෙන පරිදි. 4e, RRAM උපාගමික ස්කන්ධය හා සම්බන්ධ සන්නායක මට්ටම් අනුරූප ස්නායු පටල වෝල්ටීයතා ප්‍රතිචාරය ඵලදායි ලෙස වෙනස් කරන ලදී. අපි පුනරාවර්තන RRAM ක්‍රමලේඛන උපාය මාර්ගයක් භාවිතා කරමු. ලබා දී ඇති ආදානයක් සඳහා, පරිපථයේ ඉලක්ක හැසිරීම් ලබා ගන්නා තෙක් උපාගමික බරෙහි සන්නායක අගයන් නැවත ක්‍රමලේඛනය කරනු ලැබේ (ක්‍රම බලන්න).
අහඹු ලෙස තෝරාගත් තනි නියුරෝන නවයක් එකම ආදාන ස්පන්දනයට ප්‍රතිචාර දැක්වීමේ පර්යේෂණාත්මක මිනුම්. ප්‍රතිචාරය ජනගහනය හරහා වෙනස් වන අතර, ආදාන ලාභයට සහ කාල නියතයට බලපායි. b දිශාවට සංවේදී CD වලට බලපාන නියුරෝන වල විචල්‍යතාවයට නියුරෝන වල බලපෑම පිළිබඳ පර්යේෂණාත්මක මිනුම්. නියුරෝන-නියුරෝන විචල්‍යතාවය හේතුවෙන් දිශා සංවේදී CD ප්‍රතිදාන නියුරෝන දෙක ආදාන උත්තේජක වලට වෙනස් ලෙස ප්‍රතිචාර දක්වයි. නියුරෝන 0 හට නියුරෝන 1 ට වඩා අඩු ආදාන ලාභයක් ඇත, එබැවින් ප්‍රතිදාන ස්පයික් සෑදීමට ආදාන ස්පන්දන තුනක් (1 වෙනුවට) ගත වේ. අපේක්ෂා කළ පරිදි, නියුරෝන 1 ආදාන සිදුවීම් දෙකක් සමඟ එළිපත්තට ළඟා වේ. නියුරෝන 0 ගිනි ගැනීමෙන් පසුව ආදානය 1 Δt = 50 µs වෙත පැමිණේ නම්, නියුරෝන 1 හි කාල නියතයට වඩා (22 µs පමණ) CD වැඩි බැවින් CD නිශ්ශබ්දව පවතී. c Δt = 20 µs කින් අඩු කරනු ලැබේ, එවිට නියුරෝන 1′s වෙඩි තැබීම තවමත් ඉහළ මට්ටමක පවතින විට ආදානය 1 උපරිමයට පැමිණේ, එහි ප්‍රතිඵලයක් ලෙස ආදාන සිදුවීම් දෙකක් එකවර අනාවරණය වේ.
ITD ගණනය කිරීමේ තීරුවේ භාවිතා වන මූලද්‍රව්‍ය දෙක වන්නේ ප්‍රමාද රේඛාව සහ දිශා සංවේදී නොවන සංයුක්ත තැටියයි. හොඳ වස්තු ස්ථානගත කිරීමේ කාර්ය සාධනය සහතික කිරීම සඳහා පරිපථ දෙකටම නිරවද්‍ය ක්‍රමාංකනය අවශ්‍ය වේ. ප්‍රමාද රේඛාව ආදාන උච්චයේ නිශ්චිතව ප්‍රමාද වූ අනුවාදයක් ලබා දිය යුතු අතර (රූපය 6a), සහ CD තැටිය සක්‍රිය කළ යුත්තේ ආදානය ඉලක්ක හඳුනාගැනීමේ පරාසය තුළට වැටුණු විට පමණි. ප්‍රමාද රේඛාව සඳහා, ඉලක්ක ප්‍රමාදය ලබා ගන්නා තෙක් ආදාන සම්බන්ධතාවල උපාගමික බර (රූපය 4a හි G3) නැවත ක්‍රමලේඛනය කර ඇත. වැඩසටහන නැවැත්වීමට ඉලක්ක ප්‍රමාදය වටා ඉවසීමක් සකසන්න: ඉවසීම කුඩා වන තරමට ප්‍රමාද රේඛාව සාර්ථකව සැකසීම වඩාත් අපහසු වේ. අත්තික්කා මත. රූප සටහන 6b ප්‍රමාද රේඛා ක්‍රමාංකන ක්‍රියාවලියේ ප්‍රතිඵල පෙන්වයි: යෝජිත යෝජනා ක්‍රමයට සැලසුම් යෝජනා ක්‍රමයේ අවශ්‍ය සියලුම ප්‍රමාදයන් (10 සිට 300 μs දක්වා) හරියටම සැපයිය හැකි බව දැකිය හැකිය. උපරිම ක්රමාංකන පුනරාවර්තන සංඛ්යාව ක්රමාංකන ක්රියාවලියේ ගුණාත්මක භාවයට බලපායි: 200 පුනරාවර්තන දෝෂය 5% ට වඩා අඩු කළ හැක. එක් ක්‍රමාංකන පුනරාවර්තනයක් RRAM සෛලයක කට්ටලයක්/නැවත පිහිටුවීමේ මෙහෙයුමකට අනුරූප වේ. සීඩී මොඩියුලය ක්ෂණික සමීප සිදුවීම් හඳුනාගැනීමේ නිරවද්‍යතාවය වැඩි දියුණු කිරීම සඳහා සුසර කිරීමේ ක්‍රියාවලිය ඉතා වැදගත් වේ. 95% ට වැඩි (රූපය 6c හි නිල් රේඛාව) සත්‍ය ධනාත්මක අනුපාතයක් (එනම්, අදාළ ලෙස නිවැරදිව හඳුනාගත් සිදුවීම් අනුපාතය) ලබා ගැනීමට ක්‍රමාංකන පුනරාවර්තන දහයක් ගත විය. කෙසේ වෙතත්, සුසර කිරීමේ ක්‍රියාවලිය ව්‍යාජ ධනාත්මක සිදුවීම් කෙරෙහි බල නොපායි (එනම්, අදාළ යැයි වැරදි ලෙස හඳුනාගෙන ඇති සිදුවීම් සංඛ්‍යාතය). ශීඝ්‍රයෙන් ක්‍රියාත්මක වන මාර්ගවල කාල සීමාවන් මඟහරවා ගැනීම සඳහා ජීව විද්‍යාත්මක පද්ධතිවල නිරීක්ෂණය කරන ලද තවත් ක්‍රමයක් වන්නේ අතිරික්තතාවයි (එනම්, දී ඇති කාර්යයක් ඉටු කිරීම සඳහා එකම වස්තුවේ බොහෝ පිටපත් භාවිතා වේ). ජීව විද්‍යාව66 මගින් දේවානුභාවයෙන්, අපි ප්‍රමාද රේඛා දෙක අතර සෑම සීඩී මොඩියුලයකම සීඩී පරිපථ කිහිපයක් තැබුවේ ව්‍යාජ ධනවල බලපෑම අඩු කිරීමටයි. රූපයේ දැක්වෙන පරිදි. 6c (හරිත රේඛාව), සෑම CD මොඩියුලයකම CD මූලද්‍රව්‍ය තුනක් තැබීමෙන් ව්‍යාජ අනතුරු ඇඟවීමේ වේගය 10-2 ට වඩා අඩු කළ හැක.
ප්‍රමාද රේඛා පරිපථ මත නියුරෝන විචල්‍යතාවයේ බලපෑම. b ප්‍රමාද රේඛා පරිපථ අනුරූප LIF නියුරෝන සහ DPI උපාගමවල කාල නියතයන් විශාල අගයන්ට සැකසීමෙන් විශාල ප්‍රමාදයන් දක්වා පරිමාණය කළ හැක. RRAM ක්‍රමාංකන ක්‍රියාපටිපාටියේ පුනරාවර්තන ගණන වැඩි කිරීම ඉලක්ක ප්‍රමාදයේ නිරවද්‍යතාවය සැලකිය යුතු ලෙස වැඩිදියුණු කිරීමට හැකි විය: 200 පුනරාවර්තන දෝෂය 5% ට වඩා අඩු විය. එක් පුනරාවර්තනයක් RRAM කොටුවක SET/RESET මෙහෙයුමකට අනුරූප වේ. c Jeffress ආකෘතියේ සෑම CD මොඩියුලයක්ම N සමාන්තර CD මූලද්‍රව්‍ය භාවිතයෙන් පද්ධති අසාර්ථක වීම් සම්බන්ධයෙන් වැඩි නම්‍යශීලී බවක් ලබා ගත හැක. d තවත් RRAM ක්‍රමාංකන පුනරාවර්තන සත්‍ය ධන අනුපාතය (නිල් රේඛාව) වැඩි කරන අතර ව්‍යාජ ධන අනුපාතය පුනරාවර්තන ගණනින් (හරිත රේඛාව) ස්වාධීන වේ. තවත් සීඩී මූලද්‍රව්‍ය සමාන්තරව තැබීමෙන් සීඩී මොඩියුල ගැලපීම් වැරදි ලෙස හඳුනා ගැනීම වැළකේ.
අපි දැන් pMUT සංවේදකය, CD, සහ neuromorphic පරිගණක ප්‍රස්ථාරය සෑදෙන ප්‍රමාද රේඛා පරිපථවල ධ්වනි ගුණාංගවල මිනුම් භාවිතයෙන් රූප සටහන 2 හි පෙන්වා ඇති අන්තයේ සිට අවසානය දක්වා ඒකාබද්ධ වස්තු දේශීයකරණ පද්ධතියේ ක්‍රියාකාරීත්වය සහ බල පරිභෝජනය ඇගයීමට ලක් කරමු. ජෙෆ්රෙස් ආකෘතිය (රූපය 1a). neuromorphic පරිගණක ප්‍රස්ථාරය සඳහා, සීඩී මොඩියුල ගණන වැඩි වන තරමට කෝණික විභේදනය වඩා හොඳය, නමුත් පද්ධතියේ ශක්තියද වැඩි වේ (රූපය 7a). සම්පූර්ණ පද්ධතියේ නිරවද්‍යතාවය සමඟ තනි සංරචකවල නිරවද්‍යතාවය (pMUT සංවේදක, නියුරෝන සහ උපාගමික පරිපථ) සංසන්දනය කිරීමෙන් සම්මුතියකට එළඹිය හැකිය. ප්‍රමාද රේඛාවේ විභේදනය සිමියුලේටඩ් උපාගම සහ නියුරෝන වල කාල නියතයන් මගින් සීමා වේ, එය අපගේ යෝජනා ක්‍රමයේ 10 µs ඉක්මවන අතර එය 4° කෝණික විභේදනයකට අනුරූප වේ (ක්‍රම බලන්න). CMOS තාක්ෂණය සහිත වඩාත් දියුණු නෝඩ් අඩු කාල නියතයන් සහිත ස්නායුක සහ උපාගමික පරිපථ සැලසුම් කිරීමට ඉඩ සලසයි, ප්‍රමාද රේඛා මූලද්‍රව්‍යවල ඉහළ නිරවද්‍යතාවයක් ඇති කරයි. කෙසේ වෙතත්, අපගේ පද්ධතිය තුළ, කෝණික පිහිටීම ඇස්තමේන්තු කිරීමේදී pMUT දෝෂය මගින් නිරවද්‍යතාවය සීමා වේ, එනම් 10° (රූපය 7a හි නිල් තිරස් රේඛාව). අපි සීඩී මොඩියුල ගණන 40 ට සවි කළෙමු, එය අංශක 4 ක පමණ කෝණික විභේදනයකට අනුරූප වේ, එනම්, ගණනය කිරීමේ ප්‍රස්ථාරයේ කෝණික නිරවද්‍යතාවය (රූපය 7a හි ලා නිල් තිරස් රේඛාව). පද්ධති මට්ටමින්, මෙය සංවේදක පද්ධතියට ඉදිරියෙන් සෙන්ටිමීටර 50 ක් පිහිටා ඇති වස්තූන් සඳහා 4 ° ක විභේදනයක් සහ 10 ° ක නිරවද්‍යතාවයක් ලබා දෙයි. මෙම අගය ref හි වාර්තා කර ඇති neuromorphic sound දේශීයකරණ පද්ධති හා සැසඳිය හැක. 67. යෝජිත පද්ධතිය නවීන තත්ත්වය සමඟ සංසන්දනය කිරීම පරිපූරක වගුව 1 හි සොයා ගත හැක. අතිරේක pMUT එකතු කිරීම, ධ්වනි සංඥා මට්ටම වැඩි කිරීම සහ ඉලෙක්ට්‍රොනික ශබ්දය අඩු කිරීම දේශීයකරණ නිරවද්‍යතාවය තවදුරටත් වැඩිදියුණු කළ හැකි ක්‍රම වේ. 9.7 ලෙස ඇස්තමේන්තු කර ඇත. nz. 55. පරිගණක ප්‍රස්ථාරයේ CD ඒකක 40ක් ලබා දී ඇති අතර, SPICE සමාකරණය විසින් එක් මෙහෙයුමක ශක්තිය (එනම් වස්තුව ස්ථානගත කිරීමේ ශක්තිය) 21.6 nJ ලෙස ඇස්තමේන්තු කර ඇත. neuromorphic පද්ධතිය සක්‍රිය වන්නේ ආදාන සිදුවීමක් පැමිණි විට පමණි, එනම් ධ්වනි තරංගයක් ඕනෑම pMUT ග්‍රාහකයක් වෙත ළඟා වී හඳුනාගැනීමේ සීමාව ඉක්මවා ගිය විට, එසේ නොමැතිනම් එය අක්‍රියව පවතී. මෙමගින් ආදාන සංඥාවක් නොමැති විට අනවශ්‍ය බලශක්ති පරිභෝජනය මග හැරේ. 100 Hz හි ප්‍රාදේශීයකරණ මෙහෙයුම් සංඛ්‍යාතයක් සහ එක් මෙහෙයුමකට 300 µs සක්‍රීය කිරීමේ කාල සීමාවක් (හැකි උපරිම ITD) සලකා බැලීමේදී, neuromorphic පරිගණක ප්‍රස්ථාරයේ බල පරිභෝජනය 61.7 nW වේ. එක් එක් pMUT ග්‍රාහකයට ස්නායුරූපී පූර්ව-සැකසුම යොදන විට, සමස්ත පද්ධතියේ බලශක්ති පරිභෝජනය 81.6 nW දක්වා ළඟා වේ. සාම්ප්‍රදායික දෘඩාංග හා සසඳන විට යෝජිත neuromorphic ප්‍රවේශයේ බලශක්ති කාර්යක්ෂමතාවය අවබෝධ කර ගැනීම සඳහා, අපි මෙම සංඛ්‍යාව neuromorphic හෝ conventional beamforming68 Skill භාවිතයෙන් නවීන අඩු බල ක්ෂුද්‍ර පාලකයක එකම කාර්යය ඉටු කිරීමට අවශ්‍ය ශක්තියට සංසන්දනය කළෙමු. neuromorphic ප්‍රවේශය ප්‍රතිසම-සංඛ්‍යාංක පරිවර්තක (ADC) අදියරක් සලකා බලයි, ඉන් අනතුරුව band-pass ෆිල්ටරයක් ​​සහ ලියුම් කවර නිස්සාරණය කිරීමේ අදියරක් (Teeger-Kaiser ක්‍රමය). අවසාන වශයෙන්, ToF නිස්සාරණය කිරීම සඳහා එළිපත්ත මෙහෙයුමක් සිදු කරනු ලැබේ. මෙය එක් එක් මිනුම සඳහා එක් වරක් සිදු වන බැවින් ToF මත පදනම්ව ITD ගණනය කිරීම සහ ඇස්තමේන්තුගත කෝණික ස්ථානයට පරිවර්තනය කිරීම අප විසින් ඉවත් කර ඇත (ක්‍රම බලන්න). නාලිකා දෙකෙහිම (pMUT ග්‍රාහකයින්) 250 kHz නියැදි අනුපාතයක් උපකල්පනය කළහොත්, පටි පාස් පෙරහන් මෙහෙයුම් 18 ක්, ලියුම් කවර නිස්සාරණ මෙහෙයුම් 3 ක් සහ නියැදියකට 1 එළිපත්ත ක්‍රියාවක් ලෙස, සම්පූර්ණ බල පරිභෝජනය මයික්‍රොවොට් 245 ක් ලෙස ගණන් බලා ඇත. මෙය ක්ෂුද්‍ර පාලකයේ අඩු බල මාදිලිය 69 භාවිතා කරයි, එය ඇල්ගොරිතම ක්‍රියාත්මක නොවන විට ක්‍රියාත්මක වන අතර එමඟින් බලශක්ති පරිභෝජනය 10.8 µW දක්වා අඩු කරයි. සඳහනෙහි යෝජනා කර ඇති කදම්බ සැකසීමේ සංඥා සැකසුම් විසඳුමේ බල පරිභෝජනය. 31, 5 pMUT ග්‍රාහකයන් සහ බාල්ක 11 ක් අසිමුත් තලයේ ඒකාකාරව බෙදා හරිනු ලැබේ [-50°, +50°], 11.71 mW වේ (විස්තර සඳහා ක්‍රම කොටස බලන්න). මීට අමතරව, වස්තු ප්‍රාදේශීයකරණය සඳහා ජෙෆ්‍රෙස් ආකෘතිය සඳහා ප්‍රතිස්ථාපනයක් ලෙස 1.5 mW ලෙස ඇස්තමේන්තු කර ඇති FPGA47-පාදක කාල වෙනස සංකේතාකකයක (TDE) බල පරිභෝජනය අපි වාර්තා කරමු. මෙම ඇස්තමේන්තු මත පදනම්ව, යෝජිත neuromorphic ප්‍රවේශය වස්තු ප්‍රාදේශීයකරණ මෙහෙයුම් සඳහා සම්භාව්‍ය කිරණ සැකසීමේ ක්‍රම භාවිතා කරන ක්ෂුද්‍ර පාලකයකට සාපේක්ෂව විශාලත්වයේ ඇණවුම් පහකින් බලශක්ති පරිභෝජනය අඩු කරයි. සම්භාව්‍ය ක්ෂුද්‍ර පාලකයක් මත සංඥා සැකසීම සඳහා ස්නායුරූපී ප්‍රවේශයක් අනුගමනය කිරීම විශාලත්වයේ ඇණවුම් දෙකකින් බලශක්ති පරිභෝජනය අඩු කරයි. යෝජිත පද්ධතියේ සඵලතාවය, මතකයේ ගණනය කිරීම් සිදු කළ හැකි අසමමුහුර්ත ප්‍රතිරෝධක-මතක ප්‍රතිසම පරිපථයක සංකලනය සහ සංඥා සංජානනය කිරීමට අවශ්‍ය ප්‍රතිසම-ඩිජිටල් පරිවර්තනයක් නොමැතිකම මගින් පැහැදිලි කළ හැක.
සීඩී මොඩියුල ගණන අනුව දේශීයකරණ මෙහෙයුමේ කෝණික විභේදනය (නිල්) සහ බල පරිභෝජනය (කොළ). තද නිල් තිරස් තීරුව PMUT හි කෝණික නිරවද්‍යතාවය නියෝජනය කරන අතර ලා නිල් තිරස් තීරුව නියුරෝමෝෆික් පරිගණක ප්‍රස්ථාරයේ කෝණික නිරවද්‍යතාවය නියෝජනය කරයි. b යෝජිත පද්ධතියේ බල පරිභෝජනය සහ සාකච්ඡා කරන ලද ක්ෂුද්‍ර පාලක ක්‍රියාත්මක කිරීම් දෙක සමඟ සැසඳීම සහ කාල වෙනස කේතකය (TDE)47 FPGA ඩිජිටල් ක්‍රියාත්මක කිරීම.
ඉලක්කගත ප්‍රාදේශීයකරණ පද්ධතියේ බල පරිභෝජනය අවම කිරීම සඳහා, අපි ඉලක්ක වස්තුවේ පිහිටීම සැබෑ ලෙස ගණනය කිරීම සඳහා ගොඩනඟන ලද සංවේදක මගින් ජනනය කරන ලද සං signal ා තොරතුරු සකසන කාර්යක්ෂම, සිදුවීම් මත පදනම් වූ RRAM මත පදනම් වූ ස්නායු රූපාකාර පරිපථයක් පිළිසිඳ, සැලසුම් කර ක්‍රියාත්මක කළෙමු. කාලය. . සාම්ප්‍රදායික සැකසුම් ක්‍රම අඛණ්ඩව අනාවරණය කරගත් සංඥා සාම්පල කර ප්‍රයෝජනවත් තොරතුරු උකහා ගැනීම සඳහා ගණනය කිරීම් සිදු කරන අතර, යෝජිත නියුරෝමෝෆික් විසඳුම ප්‍රයෝජනවත් තොරතුරු ලැබෙන විට අසමමිතිකව ගණනය කිරීම් සිදු කරයි, පද්ධති බල කාර්යක්ෂමතාවය විශාලත්වයේ ඇණවුම් පහකින් උපරිම කරයි. මීට අමතරව, අපි RRAM මත පදනම් වූ neuromorphic පරිපථවල නම්‍යශීලී බව ඉස්මතු කරමු. RRAM හි වාෂ්පශීලී නොවන ආකාරයෙන් සන්නායකතාව වෙනස් කිරීමට ඇති හැකියාව (ප්ලාස්ටික්) අතිශය අඩු බල ඇනලොග් DPI හි උපාගමික සහ ස්නායු පරිපථවල ආවේනික විචල්‍යතාවයට වන්දි ලබා දේ. මෙය මෙම RRAM මත පදනම් වූ පරිපථය බහුකාර්ය සහ බලවත් කරයි. අපගේ ඉලක්කය සංඥා වලින් සංකීර්ණ ශ්‍රිත හෝ රටා උකහා ගැනීම නොව, තත්‍ය කාලීනව වස්තු ස්ථානගත කිරීමයි. අපගේ පද්ධතියට සංඥාව කාර්යක්‍ෂම ලෙස සම්පීඩනය කර අවසානයේ අවශ්‍ය විට වඩාත් සංකීර්ණ තීරණ ගැනීමට එය වැඩිදුර සැකසුම් පියවර වෙත යැවිය හැක. ප්‍රාදේශීයකරණ යෙදුම්වල සන්දර්භය තුළ, අපගේ නියුරෝමෝෆික් පෙර සැකසුම් පියවර මඟින් වස්තු පිහිටීම පිළිබඳ තොරතුරු සැපයිය හැකිය. උදාහරණයක් ලෙස, චලන හඳුනාගැනීම හෝ අභිනය හඳුනාගැනීම සඳහා මෙම තොරතුරු භාවිතා කළ හැක. pMUT වැනි අතිශය අඩු බල සංවේදක සහ අතිශය අඩු බල ඉලෙක්ට්‍රොනික උපකරණ ඒකාබද්ධ කිරීමේ වැදගත්කම අපි අවධාරණය කරමු. මේ සඳහා, ජෙෆ්‍රෙස් ආකෘතිය වැනි ජීව විද්‍යාත්මකව ආභාසය ලත් පරිගණක ක්‍රමවල නව පරිපථ ක්‍රියාත්මක කිරීම් දියුණු කිරීමට අපව යොමු කර ඇති බැවින් ස්නායුරූපී ප්‍රවේශයන් ප්‍රධාන වේ. සංවේදක විලයන යෙදුම්වල සන්දර්භය තුළ, වඩාත් නිවැරදි තොරතුරු ලබා ගැනීම සඳහා අපගේ පද්ධතිය විවිධ සිදුවීම් මත පදනම් වූ සංවේදක කිහිපයක් සමඟ ඒකාබද්ධ කළ හැකිය. අඳුරේ ගොදුරු සොයා ගැනීමට බකමූණෝ විශිෂ්ට වුවද, ඔවුන්ට විශිෂ්ට ඇස් පෙනීමක් ඇති අතර ගොදුරු අල්ලා ගැනීමට පෙර ඔවුන් ඒකාබද්ධ ශ්‍රවණ සහ දෘශ්‍ය සෙවීමක් සිදු කරයි. විශේෂිත ශ්‍රවණ නියුරෝනයක් ගිනි ගන්නා විට, බකමූණට එහි දෘශ්‍ය සෙවීම ආරම්භ කළ යුත්තේ කුමන දිශාවටද යන්න තීරණය කිරීමට අවශ්‍ය තොරතුරු ලැබෙන අතර එමඟින් දෘශ්‍ය දර්ශනයේ කුඩා කොටසක් කෙරෙහි අවධානය යොමු කරයි. අනාගත ස්වයංක්‍රීය නියෝජිතයන් සංවර්ධනය කිරීම සඳහා දෘශ්‍ය සංවේදක (DVS කැමරාව) සහ යෝජිත සවන්දීමේ සංවේදක (pMUT මත පදනම්ව) සංයෝගයක් ගවේෂණය කළ යුතුය.
pMUT සංවේදකය ආසන්න වශයෙන් සෙන්ටිමීටර 10 ක් දුරින් ග්‍රාහක දෙකක් සහිත PCB මත පිහිටා ඇති අතර සම්ප්‍රේෂකය ග්‍රාහක අතර පිහිටා ඇත. මෙම කාර්යයේ දී, සෑම පටලයක්ම 200 nm ඝනකම සහිත molybdenum (Mo) ස්ථර තුනක් අතර සැන්ඩ්විච් කරන ලද සහ 200 nm ඝන තට්ටුවකින් ආලේප කරන ලද piezoelectric ඇලුමිනියම් නයිට්‍රයිඩ් (AlN) 800 nm ඝනක ස්ථර දෙකකින් සමන්විත අත්හිටුවන ලද bimorph ව්යුහයකි. යොමුවෙහි විස්තර කර ඇති පරිදි ඉහළ අක්‍රිය SiN ස්ථරය. 71. අභ්‍යන්තර සහ පිටත ඉලෙක්ට්‍රෝඩ molybdenum හි පහළ සහ ඉහළ ස්ථරවලට යොදන අතර මැද molybdenum ඉලෙක්ට්‍රෝඩය රටාවකින් තොරව බිමක් ලෙස භාවිතා කරන අතර එහි ප්‍රතිඵලයක් ලෙස ඉලෙක්ට්‍රෝඩ යුගල හතරක් සහිත පටලයක් ඇතිවේ.
මෙම ගෘහ නිර්මාණ ශිල්පය පොදු පටල විකෘතියක් භාවිතා කිරීමට ඉඩ සලසයි, එහි ප්‍රතිඵලයක් ලෙස වැඩි දියුණු කළ සම්ප්‍රේෂණය සහ සංවේදීතාව වැඩි වේ. එවැනි pMUT සාමාන්‍යයෙන් විමෝචකයක් ලෙස 700 nm/V උද්දීපන සංවේදීතාවයක් පෙන්නුම් කරයි, 270 Pa/V පෘෂ්ඨීය පීඩනයක් සපයයි. ග්‍රාහකයක් ලෙස, එක් pMUT පටලයක් 15 nA/Pa හි කෙටි පරිපථ සංවේදිතාවක් ප්‍රදර්ශනය කරයි, එය AlN හි piezoelectric සංගුණකය සමඟ සෘජුව සම්බන්ධ වේ. AlN ස්ථරයේ වෝල්ටීයතාවයේ තාක්ෂණික විචල්‍යතාවය අනුනාද සංඛ්‍යාතයේ වෙනසක් ඇති කරයි, එය pMUT වෙත DC නැඹුරුවක් යෙදීමෙන් වන්දි ලබා ගත හැකිය. DC සංවේදිතාව 0.5 kHz/V දී මනිනු ලැබේ. ධ්වනි ගුනාංගීකරනය සඳහා, pMUT ඉදිරිපිට මයික්‍රෆෝනයක් භාවිතා වේ.
echo ස්පන්දනය මැනීම සඳහා, අපි විමෝචනය වන ශබ්ද තරංග පරාවර්තනය කිරීම සඳහා pMUT ඉදිරිපිට 50 cm2 පමණ ප්රදේශයක් සහිත සෘජුකෝණාස්රාකාර තහඩුවක් තැබුවෙමු. තහඩු අතර දුර සහ pMUT තලයට සාපේක්ෂව කෝණය යන දෙකම විශේෂ රඳවනයන් භාවිතයෙන් පාලනය වේ. Tectronix CPX400DP වෝල්ටීයතා ප්‍රභවයක් pMUT පටල තුනක් පක්ෂග්‍රාහී කරයි, අනුනාද සංඛ්‍යාතය 111.9 kHz31 දක්වා සුසර කරයි, සම්ප්‍රේෂකයන් ධාවනය කරනු ලබන්නේ Tectronix AFG 3102 ස්පන්දන උත්පාදක යන්ත්‍රයකින් අනුනාදිත සංඛ්‍යාතයට (110.9 kHz) සුසර කරන ලද (111.0 ඩුයුටි චක්‍රය) ය. එක් එක් pMUT ග්‍රාහකයේ ප්‍රතිදාන වරායන් හතරෙන් කියවන ධාරා විශේෂ අවකල්‍ය ධාරාවක් සහ වෝල්ටීයතා ගෘහ නිර්මාණ ශිල්පයක් භාවිතයෙන් වෝල්ටීයතා බවට පරිවර්තනය වන අතර එහි ප්‍රතිඵලයක් ලෙස ලැබෙන සංඥා Spektrum දත්ත අත්පත් කර ගැනීමේ පද්ධතිය මගින් ඩිජිටල්කරණය වේ. හඳුනාගැනීමේ සීමාව විවිධ තත්වයන් යටතේ pMUT සංඥා අත්පත් කර ගැනීම මගින් සංලක්ෂිත විය: අපි පරාවර්තකය විවිධ දුර [30, 40, 50, 60, 80, 100] සෙ.මී. වෙත ගෙන ගොස් pMUT ආධාරක කෝණය වෙනස් කළෙමු ([0, 20, 40] o ) රූප සටහන 2b පෙන්නුම් කරන්නේ අංශක වල අනුරූප කෝණික පිහිටීම අනුව තාවකාලික ITD හඳුනාගැනීමේ විභේදනයයි.
මෙම ලිපියේ එකිනෙකට වෙනස් RRAM පරිපථ දෙකක් භාවිතා කරයි. පළමුවැන්න එක් ට්‍රාන්සිස්ටරයක් ​​සහ එක් ප්‍රතිරෝධයක් සහිත 1T1R වින්‍යාසය තුළ උපාංග 16,384 (16,000) (උපාංග 128 × 128) අරාවකි. දෙවන චිපය රූප සටහන 4a හි පෙන්වා ඇති neuromorphic වේදිකාව වේ. RRAM සෛලය TiN/HfO2/Ti/TiN අට්ටියක තැන්පත් කර ඇති 5 nm ඝන HfO2 පටලයකින් සමන්විත වේ. RRAM තොගය සම්මත 130nm CMOS ක්‍රියාවලියේ පසුපස රේඛාවට (BEOL) අනුකලනය කර ඇත. RRAM මත පදනම් වූ neuromorphic පරිපථ මගින් RRAM උපාංග සම්ප්‍රදායික CMOS තාක්‍ෂණය සමඟ සහජීවනය වන සියලුම ඇනලොග් ඉලෙක්ට්‍රොනික පද්ධති සඳහා සැලසුම් අභියෝගයක් ඉදිරිපත් කරයි. විශේෂයෙන්ම, RRAM උපාංගයේ සන්නායක තත්ත්වය කියවා පද්ධතිය සඳහා ශ්‍රිත විචල්‍යයක් ලෙස භාවිතා කළ යුතුය. මේ සඳහා, ආදාන ස්පන්දනයක් ලැබුණු විට උපාංගයෙන් ධාරාව කියවන පරිපථයක් නිර්මාණය කර, නිපදවා පරීක්ෂා කරන ලද අතර අවකල යුගල අනුකලනයක (DPI) උපාගමයක ප්‍රතිචාරය බර කිරීමට මෙම ධාරාව භාවිතා කරයි. මෙම පරිපථය රූප සටහන 3a හි පෙන්වා ඇත, එය රූප සටහන 4a හි ස්නායුරූපී වේදිකාවේ මූලික ගොඩනැඟිලි කොටස් නියෝජනය කරයි. ආදාන ස්පන්දනයක් 1T1R උපාංගයේ ද්වාරය සක්‍රීය කරයි, උපාංගයේ සන්නායකතාවය G (Iweight = G(Vtop – Vx)) ට සමානුපාතික RRAM හරහා ධාරාවක් ප්‍රේරණය කරයි. ක්රියාකාරී ඇම්ප්ලිෆයර් (op-amp) පරිපථයේ ප්රතිලෝම ආදානය නියත DC නැඹුරු වෝල්ටීයතා Vtop ඇත. op-amp හි සෘණාත්මක ප්‍රතිපෝෂණය M1 වෙතින් සමාන ධාරාවක් ලබා දීමෙන් Vx = Vtop ලබා දෙනු ඇත. උපාංගයෙන් ලබාගත් වත්මන් Iweight DPI උපාගමයට එන්නත් කරනු ලැබේ. ප්‍රබල ධාරාවක් වැඩි විධ්‍රැවීකරණයකට තුඩු දෙනු ඇත, එබැවින් RRAM සන්නායකතාවය උපාගමික බර ඵලදායී ලෙස ක්‍රියාත්මක කරයි. මෙම ඝාතීය උපාගම ධාරාව කාන්දු වන අනුකලනය සහ උද්දීපනය (LIF) නියුරෝන වල පටල ධාරිත්‍රකය හරහා එන්නත් කරනු ලැබේ, එහිදී එය වෝල්ටීයතාවයක් ලෙස ඒකාබද්ධ වේ. පටලයේ එළිපත්ත වෝල්ටීයතාවය (ඉන්වර්ටරයේ ස්විචින් වෝල්ටීයතාව) ඉක්මවා ගියහොත්, නියුරෝනයේ ප්රතිදාන කොටස සක්රිය කර, ප්රතිදාන ස්පයික් නිපදවයි. මෙම ස්පන්දනය නැවත පැමිණ නියුරෝන පටල ධාරිත්‍රකය බිමට විසන්ධි කර එය විසර්ජනය කරයි. මෙම පරිපථය පසුව ස්පන්දන විස්තාරකයක් සමඟ පරිපූරණය කරනු ලැබේ (රූපය 3a හි පෙන්වා නැත), එය LIF නියුරෝනයේ නිමැවුම් ස්පන්දනය ඉලක්ක ස්පන්දන පළල දක්වා හැඩගස්වයි. RRAM උපාංගයේ ඉහළ සහ පහළ ඉලෙක්ට්‍රෝඩවලට වෝල්ටීයතාව යෙදීමට ඉඩ සලසමින් එක් එක් පේළිය තුළ බහුප්ලෙක්සර් ද ගොඩනගා ඇත.
විද්‍යුත් පරීක්‍ෂණයට ඇනලොග් පරිපථවල ගතික හැසිරීම් විශ්ලේෂණය සහ පටිගත කිරීම මෙන්ම RRAM උපාංග ක්‍රමලේඛනය කිරීම සහ කියවීම ඇතුළත් වේ. පියවර දෙකටම විශේෂ මෙවලම් අවශ්‍ය වේ, ඒ සියල්ල එකවර සංවේදක පුවරුවට සම්බන්ධ වේ. Neuromorphic පරිපථවල RRAM උපාංග වෙත ප්‍රවේශය බාහිර මෙවලම් වලින් බහුප්‍රේරකයක් (MUX) හරහා සිදු කෙරේ. MUX විසින් 1T1R සෛලය එය අයත් වන අනෙකුත් පරිපථ වලින් වෙන් කරයි, උපාංගය කියවීමට සහ/හෝ වැඩසටහන්ගත කිරීමට ඉඩ සලසයි. RRAM උපාංග ක්‍රමලේඛනය කිරීමට සහ කියවීමට, Keithley 4200 SCS යන්ත්‍රයක් Arduino microcontroller සමඟ ඒකාබද්ධව භාවිතා කරයි: පළමුවැන්න නිවැරදි ස්පන්දන උත්පාදනය සහ වත්මන් කියවීම සඳහා වන අතර, දෙවනුව මතක අරාවේ තනි තනි 1T1R මූලද්‍රව්‍ය වෙත ඉක්මන් ප්‍රවේශය සඳහා. පළමු මෙහෙයුම වන්නේ RRAM උපාංගය සෑදීමයි. සෛල එකින් එක තෝරාගෙන ඉහළ සහ පහළ ඉලෙක්ට්රෝඩ අතර ධනාත්මක වෝල්ටීයතාවයක් යොදනු ලැබේ. මෙම අවස්ථාවෙහිදී, සිලෙක්ටර් ට්‍රාන්සිස්ටරයට අනුරූප ද්වාර වෝල්ටීයතාව සැපයීම හේතුවෙන් ධාරාව මයික්‍රොඇම්පියර් දස ගණනක අනුපිළිවෙලට සීමා වේ. RRAM සෛලයට පසුව අඩු සන්නායක තත්වයක් (LCS) සහ ඉහළ සන්නායක තත්වයක් (HCS) අතර පිළිවෙළින් RESET සහ SET මෙහෙයුම් භාවිතා කළ හැක. SET මෙහෙයුම සිදු කරනු ලබන්නේ 1 μs කාල සීමාවක් සහිත සෘජුකෝණාස්‍රාකාර වෝල්ටීයතා ස්පන්දනයක් සහ ඉහළ ඉලෙක්ට්‍රෝඩයට 2.0-2.5 V උපරිම වෝල්ටීයතාවයක් සහ 0.9-1.3 V උපරිම වෝල්ටීයතාවයක් සහිත සමාන හැඩයකින් සමමුහුර්ත ස්පන්දනයක් යෙදීමෙනි. තේරීම් ට්‍රාන්සිස්ටරයේ ගේට්ටුව. මෙම අගයන් RRAM සන්නායකතාව 20-150 µs පරතරයකින් මොඩියුලේට් කිරීමට ඉඩ සලසයි. RESET සඳහා, ද්වාර වෝල්ටීයතාව 2.5-3.0 V පරාසයක පවතින විට, 1 µs පළල, 3 V උච්ච ස්පන්දනය සෛලයේ පහළ ඉලෙක්ට්‍රෝඩයට (බිට් රේඛාවට) යොදනු ලැබේ. ප්‍රතිසම පරිපථවල යෙදවුම් සහ ප්‍රතිදානය ගතික සංඥා වේ. . ආදානය සඳහා, අපි Tektronix AFG3011 සංඥා උත්පාදක සමඟ HP 8110 ස්පන්දන ජනක යන්ත්‍ර දෙකක් සම්බන්ධ කළෙමු. ආදාන ස්පන්දනයේ පළල 1 µs සහ නැඟීමේ / වැටීමේ දාරය 50 ns. මෙම වර්ගයේ ස්පන්දනය ඇනලොග් දෝෂ මත පදනම් වූ පරිපථවල සාමාන්‍ය දෝෂයක් ලෙස උපකල්පනය කෙරේ. ප්‍රතිදාන සංඥාව සඳහා, ප්‍රතිදාන සංඥාව පටිගත කර ඇත්තේ Teledyne LeCroy 1 GHz oscilloscope භාවිතා කරමිනි. oscilloscope අත්පත් කර ගැනීමේ වේගය පරිපථ දත්ත විශ්ලේෂණය සහ අත්පත් කර ගැනීමේදී සීමාකාරී සාධකයක් නොවන බව ඔප්පු වී ඇත.
නියුරෝන සහ උපාගම වල හැසිරීම අනුකරණය කිරීම සඳහා ඇනලොග් ඉලෙක්ට්‍රොනික වල ගතිකත්වය භාවිතා කිරීම පරිගණක කාර්යක්ෂමතාව වැඩි දියුණු කිරීම සඳහා අලංකාර සහ කාර්යක්ෂම විසඳුමකි. මෙම ගණනය කිරීමේ යටිතලයෙහි අවාසිය නම් එය යෝජනා ක්රමයෙන් යෝජනා ක්රමයට වෙනස් වීමයි. අපි නියුරෝන සහ උපාගම පරිපථවල විචල්‍යතාවය ප්‍රමාණනය කළෙමු (පරිපූරක Fig. 2a,b). විචල්‍යතාවයේ සියලුම ප්‍රකාශනයන් අතුරින්, කාල නියතයන් සහ ආදාන ලාභය සමඟ සම්බන්ධ වූ ඒවා පද්ධති මට්ටමින් විශාලතම බලපෑමක් ඇති කරයි. LIF නියුරෝන සහ DPI උපාගමයේ කාල නියතය RC පරිපථයක් මගින් තීරණය කරනු ලැබේ, එහිදී R හි අගය ට්‍රාන්සිස්ටරයේ ගේට්ටුවට යොදන ලද පක්ෂග්‍රාහී වෝල්ටීයතාවයකින් පාලනය වේ (නියුරෝනය සඳහා Vlk සහ උපාගම සඳහා Vtau), කාන්දු අනුපාතය. ආදාන ලාභය යනු ආදාන ස්පන්දනය මගින් උත්තේජනය කරන ලද උපාගමික සහ නියුරෝන පටල ධාරිත්‍රක මගින් ළඟා වන උපරිම වෝල්ටීයතාවය ලෙස අර්ථ දැක්වේ. ආදාන ලාභය පාලනය වන්නේ ආදාන ධාරාව මොඩියුලේට් කරන වෙනත් නැඹුරු ට්‍රාන්සිස්ටරයකිනි. ST Microelectronics හි 130nm ක්‍රියාවලිය මත ක්‍රමාංකනය කරන ලද Monte Carlo සමාකරණයක් යම් ආදාන ලාභයක් සහ කාල නියත සංඛ්‍යාලේඛන එකතු කිරීම සඳහා සිදු කරන ලදී. ප්‍රතිඵල පරිපූරක රූප සටහන 2 හි ඉදිරිපත් කර ඇති අතර, කාන්දු වීමේ වේගය පාලනය කරන පක්ෂග්‍රාහී වෝල්ටීයතාවයේ ශ්‍රිතයක් ලෙස ආදාන ලාභය සහ කාල නියතය ගණනය කෙරේ. හරිත සලකුණු මගින් කාල නියතයේ මධ්‍යන්‍යයේ සම්මත අපගමනය ගණනය කරයි. න්යුරෝන සහ උපාගමික පරිපථ දෙකම පරිපූරක රූප සටහනේ පෙන්වා ඇති පරිදි, 10-5-10-2 s පරාසය තුළ පුළුල් පරාසයක කාල නියතයන් ප්රකාශ කිරීමට හැකි විය. නියුරෝන සහ උපාගම විචල්‍යතාවයේ ආදාන විස්තාරණය (පරිපූරක Fig. 2e,d) පිළිවෙලින් 8% සහ 3% කි. එවැනි ඌනතාවයක් සාහිත්‍යයේ හොඳින් ලේඛනගත කර ඇත: LIF63 නියුරෝන වල ජනගහනය අතර නොගැලපීම තක්සේරු කිරීම සඳහා DYNAP චිප්ස් අරාව මත විවිධ මිනුම් සිදු කරන ලදී. BrainScale මිශ්‍ර සංඥා චිපයේ උපාගමයන් මනිනු ලබන අතර ඒවායේ නොගැලපීම් විශ්ලේෂණය කරන ලද අතර පද්ධති මට්ටමේ විචල්‍යතාවයේ බලපෑම අඩු කිරීම සඳහා ක්‍රමාංකන ක්‍රියා පටිපාටියක් යෝජනා කරන ලදී.
neuromorphic පරිපථවල RRAM හි ක්‍රියාකාරිත්වය දෙගුණයකි: ගෘහ නිර්මාණ නිර්වචනය (ප්‍රතිදාන සඳහා යෙදවුම් මාර්ගගත කිරීම) සහ උපාගමික බර ක්‍රියාත්මක කිරීම. ආදර්ශණය කරන ලද neuromorphic පරිපථවල විචලනය පිළිබඳ ගැටළුව විසඳීම සඳහා අවසාන දේපල භාවිතා කළ හැකිය. විශ්ලේෂණය කෙරෙන පරිපථය යම් අවශ්‍යතා සපුරාලන තෙක් RRAM උපාංගය නැවත ක්‍රමලේඛනය කිරීම ඇතුළත් සරල ක්‍රමාංකන ක්‍රියා පටිපාටියක් අප විසින් සකස් කර ඇත. ලබා දී ඇති ආදානයක් සඳහා, ප්‍රතිදානය නිරීක්ෂණය කරනු ලබන අතර ඉලක්ක හැසිරීම සාක්ෂාත් කර ගන්නා තෙක් RRAM නැවත ක්‍රමලේඛනය කරනු ලැබේ. තාවකාලික සන්නායක උච්චාවචනයන් (පරිපූරක තොරතුරු) ඇති වන RRAM ලිහිල් කිරීමේ ගැටලුව විසඳීම සඳහා ක්‍රමලේඛන මෙහෙයුම් අතර තත්පර 5ක පොරොත්තු කාලයක් හඳුන්වා දෙන ලදී. නියුරෝමෝෆික් පරිපථයේ අවශ්‍යතා අනුව උපාගමික බර සකස් කර හෝ ක්‍රමාංකනය කරනු ලැබේ. ක්රමාංකන ක්රියාපටිපාටිය අතිරේක ඇල්ගොරිතම වල සාරාංශ කර ඇත [1, 2] එය ස්නායුරූපී වේදිකා වල මූලික ලක්ෂණ දෙකක්, ප්රමාද රේඛා සහ දිශාව සංවේදී නොවන සංයුක්ත තැටියක් කෙරෙහි අවධානය යොමු කරයි. ප්‍රමාද රේඛාවක් සහිත පරිපථයක් සඳහා, ඉලක්ක හැසිරීම ප්‍රමාද Δt සමඟ ප්‍රතිදාන ස්පන්දනයක් ලබා දීමයි. සත්‍ය පරිපථ ප්‍රමාදය ඉලක්ක අගයට වඩා අඩු නම්, G3 හි උපාගම බර අඩු කළ යුතුය (G3 නැවත සැකසිය යුතු අතර පසුව අඩු ගැළපෙන ධාරාවක් Icc වෙත සැකසිය යුතුය). අනෙක් අතට, සැබෑ ප්‍රමාදය ඉලක්ක අගයට වඩා වැඩි නම්, G3 හි සන්නායකතාව වැඩි කළ යුතුය (G3 ප්‍රථමයෙන් යළි සැකසිය යුතු අතර පසුව ඉහළ Icc අගයකට සැකසිය යුතුය). පරිපථය මඟින් ජනනය වන ප්‍රමාදය ඉලක්ක අගයට ගැළපෙන තෙක් මෙම ක්‍රියාවලිය නැවත සිදු කෙරෙන අතර ක්‍රමාංකන ක්‍රියාවලිය නැවැත්වීමට ඉවසීමක් සකසනු ලැබේ. දිශානතියට සංවේදී නොවන සංයුක්ත තැටි සඳහා, RRAM උපාංග දෙකක්, G1 සහ G3, ක්රමාංකන ක්රියාවලියට සම්බන්ධ වේ. මෙම පරිපථයට dt මගින් ප්‍රමාද වූ Vin0 සහ Vin1 යන ආදාන දෙකක් ඇත. පරිපථය ප්‍රතිචාර දැක්විය යුත්තේ ගැළපෙන පරාසය [0,dtCD] ට අඩු ප්‍රමාදයන්ට පමණි. ප්‍රතිදාන උච්චයක් නොමැති නම්, නමුත් ආදාන උච්චය ආසන්න නම්, නියුරෝනය එළිපත්තට ළඟා වීමට උපකාර කිරීම සඳහා RRAM උපාංග දෙකම වැඩි කළ යුතුය. අනෙක් අතට, පරිපථය dtCD හි ඉලක්ක පරාසය ඉක්මවන ප්‍රමාදයකට ප්‍රතිචාර දක්වන්නේ නම්, සන්නායකතාවය අඩු කළ යුතුය. නිවැරදි හැසිරීම ලබා ගන්නා තෙක් ක්රියාවලිය නැවත සිදු කරන්න. ref හි ඇති ප්‍රතිසම පරිපථය මගින් අනුකූලතා ධාරාව මොඩියුලේට් කළ හැක. 72.73 කි. මෙම බිල්ට් පරිපථය සමඟින්, පද්ධතිය ක්‍රමාංකනය කිරීමට හෝ වෙනත් යෙදුමක් සඳහා නැවත භාවිතා කිරීමට එවැනි ක්‍රියා පටිපාටි කාලානුරූපව සිදු කළ හැක.
සම්මත 32-bit microcontroller68 මත අපගේ neuromorphic signal processing ප්‍රවේශයේ බල පරිභෝජනය අපි ඇගයීමට ලක් කරමු. මෙම ඇගයීමේදී, අපි මෙම පත්‍රිකාවේ ඇති ආකාරයටම pMUT සම්ප්‍රේෂකයක් සහ pMUT ග්‍රාහක දෙකක් සමඟ ක්‍රියාත්මක වේ යැයි උපකල්පනය කරමු. මෙම ක්‍රමය bandpass ෆිල්ටරයක් ​​භාවිතා කරයි, පසුව ලියුම් කවර නිස්සාරණය කිරීමේ පියවරක් (Teeger-Kaiser) භාවිතා කරයි, අවසාන වශයෙන් ගුවන් ගමන් කාලය උකහා ගැනීම සඳහා සංඥාව වෙත එළිපත්ත මෙහෙයුමක් යොදනු ලැබේ. ITD ගණනය කිරීම සහ එය හඳුනාගැනීමේ කෝණවලට පරිවර්තනය කිරීම ඇගයීමේදී ඉවත් කර ඇත. පාවෙන ලක්ෂ්‍ය මෙහෙයුම් 18 ක් අවශ්‍ය වන 4 වන අනුපිළිවෙල අසීමිත ආවේග ප්‍රතිචාර පෙරහනක් භාවිතයෙන් අපි බෑන්ඩ් පාස් පෙරහන ක්‍රියාත්මක කිරීමක් සලකා බලමු. ලියුම් කවරය නිස්සාරණයේදී තවත් පාවෙන ලක්ෂ්‍ය මෙහෙයුම් තුනක් භාවිතා කරන අතර අවසාන මෙහෙයුම එළිපත්ත සැකසීමට භාවිතා කරයි. සංඥාව පෙර සැකසීමට පාවෙන ලක්ෂ්‍ය මෙහෙයුම් 22ක් අවශ්‍ය වේ. සම්ප්‍රේෂණය කරන ලද සංඥාව යනු 111.9 kHz සයින් තරංග ආකෘතිය සෑම 10 ms උත්පාදනය වන කෙටි පිපිරීමක් වන අතර එහි ප්‍රතිඵලයක් ලෙස 100 Hz හි ස්ථානගත කිරීමේ මෙහෙයුම් සංඛ්‍යාතයක් ඇතිවේ. අපි Nyquist සමඟ අනුකූල වීමට 250 kHz නියැදි අනුපාතයක් සහ මීටර් 1 ක පරාසයක් ග්‍රහණය කර ගැනීම සඳහා එක් එක් මිනුම් සඳහා 6 ms කවුළුවක් භාවිතා කළෙමු. මිලි තත්පර 6ක් යනු මීටර 1ක් ඈතින් ඇති වස්තුවක පියාසැරි කාලය බව සලකන්න. මෙය 0.5 MSPS හි A/D පරිවර්තනය සඳහා 180 µW ක බල පරිභෝජනයක් සපයයි. සංඥා පෙර සැකසුම් 6.60 MIPS (තත්පරයට උපදෙස්), 0.75 mW ජනනය කරයි. කෙසේ වෙතත්, ඇල්ගොරිතම ක්‍රියාත්මක නොවන විට ක්ෂුද්‍ර පාලකය අඩු බල ප්‍රකාරය 69 වෙත මාරු විය හැක. මෙම මාදිලිය ස්ථිතික බලශක්ති පරිභෝජනය 10.8 μW සහ 113 μs අවදි කිරීමේ කාලය සපයයි. 84 MHz ක ඔරලෝසු සංඛ්‍යාතයක් ලබා දී ඇති අතර, ක්ෂුද්‍ර පාලකය 10 ms ඇතුළත neuromorphic ඇල්ගොරිතමයේ සියලුම මෙහෙයුම් සම්පූර්ණ කරයි, සහ ඇල්ගොරිතම 6.3% ක තීරුබදු චක්‍රයක් ගණනය කරයි, එමඟින් අඩු බල මාදිලියක් භාවිතා කරයි. ප්රතිඵලයක් වශයෙන් බලය විසුරුවා හැරීම 244.7 μW වේ. අපි ToF වෙතින් ITD ප්‍රතිදානය සහ හඳුනාගැනීමේ කෝණයට පරිවර්තනය කිරීම අත්හරින බව සලකන්න, එමඟින් ක්ෂුද්‍ර පාලකයේ බල පරිභෝජනය අවතක්සේරු කරයි. මෙය යෝජිත පද්ධතියේ බලශක්ති කාර්යක්ෂමතාව සඳහා අමතර වටිනාකමක් සපයයි. අතිරේක සංසන්දනාත්මක කොන්දේසියක් ලෙස, අපි යොමුවෙහි යෝජනා කර ඇති සම්භාව්ය කදම්බ සැකසීමේ ක්රමවල බලශක්ති පරිභෝජනය ඇගයීමට ලක් කරමු. 31.54 1.8V සැපයුම් වෝල්ටීයතාවයේ දී එකම ක්ෂුද්‍ර පාලක68 හි තැන්පත් කළ විට. කදම්භ සැකසීම සඳහා දත්ත ලබා ගැනීම සඳහා ඒකාකාර පරතරයකින් යුත් pMUT පටල පහක් භාවිතා කරයි. සැකසීම සඳහාම, භාවිතා කරන කදම්භ සැකසීමේ ක්‍රමය ප්‍රමාද සාරාංශයයි. එය හුදෙක් එක් මංතීරුවක් සහ විමර්ශන මංතීරුවක් අතර පැමිණීමේ වේලාවන්හි අපේක්ෂිත වෙනසට අනුරූප වන මංතීරුවලට ප්‍රමාදයක් යෙදීමෙන් සමන්විත වේ. සංඥා අදියරේ පවතී නම්, මෙම සංඥා වල එකතුවට කාල මාරුවකින් පසු ඉහළ ශක්තියක් ඇත. ඒවා අදියරෙන් බැහැර නම්, විනාශකාරී මැදිහත්වීම් ඔවුන්ගේ එකතුවේ ශක්තිය සීමා කරයි. සම්බන්ධතාවයක. අත්තික්කා මත. 31, නියැදි නිඛිල සංඛ්‍යාවකින් දත්ත කාලය මාරු කිරීමට නියැදි අනුපාතය 2 MHz තෝරා ඇත. වඩාත් නිහතමානී ප්‍රවේශයක් වන්නේ 250 kHz ක රළු නියැදි අනුපාතයක් පවත්වා ගැනීම සහ භාගික ප්‍රමාදයන් සංස්ලේෂණය කිරීම සඳහා සීමිත ආවේග ප්‍රතිචාර (FIR) පෙරහන භාවිතා කිරීමයි. සෑම නාලිකාවක්ම එක් එක් දිශාවට තට්ටු 16ක් සහිත FIR ෆිල්ටරයක් ​​සමඟ සම්පිණ්ඩනය කර ඇති බැවින්, කදම්භ සැකසීමේ ඇල්ගොරිතමයේ සංකීර්ණත්වය ප්‍රධාන වශයෙන් තීරණය වන්නේ කාල මාරුව මගින් යැයි අපි උපකල්පනය කරමු. මෙම මෙහෙයුම සඳහා අවශ්‍ය MIPS සංඛ්‍යාව ගණනය කිරීම සඳහා, අපි මීටර 1 ක පරාසයක්, නාලිකා 5 ක්, කදම්භ සැකසීමේ දිශාවන් 11 ක් (පියවර 10 ° දී පරාසය +/- 50°) ග්‍රහණය කර ගැනීම සඳහා මිනුමකට 6ms ක කවුළුවක් සලකා බලමු. තත්පරයට මිනුම් 75 ක් ක්ෂුද්‍ර පාලකය එහි උපරිම 100 MIPS වෙත තල්ලු කළේය. සබැඳිය. 68, ADC දායකත්වය එකතු කිරීමෙන් පසු 11.71 mW ක සම්පූර්ණ බලය විසුරුවා හැරීම සඳහා 11.26 mW බලයක් විසුරුවා හැරීමට හේතු වේ.
මෙම අධ්‍යයනයේ ප්‍රතිඵලවලට අනුබල දෙන දත්ත සාධාරණ ඉල්ලීමක් මත අදාළ කර්තෘ FM වෙතින් ලබා ගත හැක.
Indiveri, G. & Sandamirskaya, Y. නියුරෝමෝෆික් ඒජන්තවල සංඥා සැකසීම සඳහා අවකාශයේ සහ කාලයෙහි වැදගත්කම: පරිසරය සමඟ අන්තර් ක්‍රියා කරන අඩු බලයක්, ස්වයංක්‍රීය නියෝජිතයන් වර්ධනය කිරීමේ අභියෝගය. Indiveri, G. & Sandamirskaya, Y. නියුරෝමෝෆික් ඒජන්තවල සංඥා සැකසීම සඳහා අවකාශයේ සහ කාලයෙහි වැදගත්කම: පරිසරය සමඟ අන්තර් ක්‍රියා කරන අඩු බලයක්, ස්වයංක්‍රීය නියෝජිතයන් වර්ධනය කිරීමේ අභියෝගය.Indiveri G. සහ Sandamirskaya Y. නියුරෝමෝෆික් ඒජන්තවල සංඥා සැකසීම සඳහා අවකාශයේ සහ කාලයෙහි වැදගත්කම: පරිසරය සමඟ අන්තර්ක්‍රියා කරන අඩු බල ස්වයංක්‍රීය නියෝජිතයන් වර්ධනය කිරීමේ අභියෝගය. Indiveri, G. & Sandamirskaya, Y.空间和时间对于神经形态代理中信号处理的重要性：开发与环境交互的低功耗、自主代理的挑战。 Indiveri, G. & Sandamirskaya, Y.Indiveri G. සහ Sandamirskaya Y. නියුරෝමෝෆික් ඒජන්තවල සංඥා සැකසීම සඳහා අවකාශයේ සහ කාලයෙහි වැදගත්කම: පරිසරය සමඟ අන්තර්ක්‍රියා කරන අඩු බල ස්වයංක්‍රීය නියෝජිතයන් වර්ධනය කිරීමේ අභියෝගය.IEEE සංඥා සැකසුම්. ජර්නලය 36, 16-28 (2019).
Thorpe, SJ Peak පැමිණීමේ වේලාව: කාර්යක්ෂම ස්නායු ජාල කේතීකරණ ක්‍රමයක්. Eckmiller, R., Hartmann, G. & Hauske, G. (eds). Eckmiller, R., Hartmann, G. & Hauske, G. (eds).Eckmiller, R., Hartmann, G. සහ Hauske, G. (eds.).Eckmiller, R., Hartmann, G., and Hauske, G. (eds.). ස්නායු පද්ධති සහ පරිගණක වල ​​සමාන්තර සැකසුම් 91-94 (North-Holland Elsevier, 1990).
Levy, WB & Calvert, VG Communication මිනිස් බාහිකයේ ගණනය කිරීමට වඩා 35 ගුණයක ශක්තියක් පරිභෝජනය කරයි, නමුත් උපාගම අංකය පුරෝකථනය කිරීමට වියදම් දෙකම අවශ්‍ය වේ. Levy, WB & Calvert, VG Communication මිනිස් බාහිකයේ ගණනය කිරීමට වඩා 35 ගුණයක ශක්තියක් පරිභෝජනය කරයි, නමුත් උපාගම අංකය පුරෝකථනය කිරීමට වියදම් දෙකම අවශ්‍ය වේ.Levy, WB සහ Calvert, WG Communication මිනිස් බාහිකයේ ගණනය කිරීමට වඩා 35 ගුණයකින් වැඩි ශක්තියක් පරිභෝජනය කරයි, නමුත් උපාගම ගණන පුරෝකථනය කිරීමට වියදම් දෙකම අවශ්‍ය වේ. ලෙවී, ඩබ්ලිව්බී සහ කැල්වර්ට්, වීජී සන්නිවේදනය Levy, WB & Calvert, VG සන්නිවේදනයලෙවී, ඩබ්ලිව්බී සහ කැල්වර්ට්, ඩබ්ලිව්ජී සන්නිවේදනය මිනිස් බාහිකයේ ගණනය කිරීමට වඩා 35 ගුණයකින් වැඩි ශක්තියක් පරිභෝජනය කරයි, නමුත් වියදම් දෙකටම උපාගම ගණන පුරෝකථනය කිරීම අවශ්‍ය වේ.ක්රියාවලිය. ජාතික විද්‍යා ඇකඩමිය. විද්යාව. US 118, https://doi.org/10.1073/pnas.2008173118 (2021).
Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Insect-inspired neuromorphic computing. Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Insect-inspired neuromorphic computing.Dalgati, T., Vianello, E., DeSalvo, B. සහ Casas, J. Insect-inspired neuromorphic computing.Dalgati T., Vianello E., DeSalvo B. සහ Casas J. Insect-inspired neuromorphic computing. වත්මන්. මතය. කෘමි විද්යාව. 30, 59–66 (2018).
රෝයි, කේ., ජයිස්වාල්, ඒ. සහ පැන්ඩා, පී. ස්පයික් මත පදනම් වූ යන්ත්‍ර බුද්ධිය වෙත ස්නායු රූපී පරිගණකකරණය. රෝයි, කේ., ජයිස්වාල්, ඒ. සහ පැන්ඩා, පී. ස්පයික් මත පදනම් වූ යන්ත්‍ර බුද්ධිය වෙත ස්නායු රූපී පරිගණකකරණය. Roy, K., Jaiswal, A. & Panda, P. Neuromorphic Computing සමඟ ස්පයික්-පාදක යන්ත්‍ර බුද්ධිය කරා.රෝයි කේ, ජයිස්වාල් ඒ සහ පැන්ඩා පී. ස්නායුරූපී පරිගණනය භාවිතා කරමින් ස්පන්දන මත පදනම් වූ කෘතිම බුද්ධිය. නේචර් 575, 607–617 (2019).
Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. සහ Liu, S.-K. Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. සහ Liu, S.-K.neuromorphic පද්ධතිවල මතකය සහ තොරතුරු සැකසීම. ක්රියාවලිය. IEEE 103, 1379-1397 (2015).
Akopyan F. et al. Truenorth: 65 mW 1 මිලියන නියුරෝන වැඩසටහන්ගත කළ හැකි උපාගම චිපයක් සඳහා නිර්මාණය සහ මෙවලම් කට්ටලය. IEEE ගනුදෙනු. සංයුක්ත පරිපථ පද්ධතිවල පරිගණක නිර්මාණය. 34, 1537-1557 (2015).
Schemmel, J. et al. සජීවී ආදර්ශනය: BrainScaleS neuromorphic පද්ධතියේ ප්ලේට් පරිමාණයෙන් පරිමාණය කරන ලද අනුවාදය. 2012 IEEE පරිපථ සහ පද්ධති පිළිබඳ ජාත්‍යන්තර සම්මන්ත්‍රණය (ISCAS), (IEEE සංස්.) 702–702 (2012).
Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. ගතික නියුරෝමෝෆික් අසමමුහුර්ත ප්‍රොසෙසර (DYNAPs) සඳහා විෂම මතක ව්‍යුහයන් සහිත පරිමාණය කළ හැකි බහු කේන්ද්‍රීය ගෘහ නිර්මාණ ශිල්පයකි. Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. ගතික නියුරෝමෝෆික් අසමමුහුර්ත ප්‍රොසෙසර (DYNAPs) සඳහා විෂම මතක ව්‍යුහයන් සහිත පරිමාණය කළ හැකි බහු කේන්ද්‍රීය ගෘහ නිර්මාණ ශිල්පයකි.Moradi S., Qiao N., Stefanini F. සහ Indiviri G. ගතික නියුරෝමෝෆික් අසමමුහුර්ත ප්‍රොසෙසර (DYNAP) සඳහා විෂම මතක ව්‍යුහයන් සහිත පරිමාණ කළ හැකි බහු කේන්ද්‍ර ගෘහ නිර්මාණ ශිල්පයකි. මොරාඩි, S.、Qiao, N.、Stefanini, F. & Indiveri, G. 一种可扩展的多核架构，具有用于动态神经形歄(PY)的异构内存结构。 Moradi, S.、Qiao, N.、Stefanini, F. & Indiveri, G. ගතික ස්නායු සැකසුම් සඳහා අද්විතීය මතක ව්‍යුහයක් සහිත (DYNAP) පුළුල් කළ හැකි බහු-මූල ගෘහ නිර්මාණ ශිල්පයකි.Moradi S., Qiao N., Stefanini F. සහ Indiviri G. ගතික නියුරෝමෝෆික් අසමමුහුර්ත ප්‍රොසෙසර (DYNAP) සඳහා විෂම මතක ව්‍යුහයන් සහිත පරිමාණ කළ හැකි බහු කේන්ද්‍ර ගෘහ නිර්මාණ ශිල්පයකි.ජෛව වෛද්‍ය විද්‍යාව පිළිබඳ IEEE ගනුදෙනු. විදුලි පද්ධතිය. 12, 106-122 (2018).
ඩේවිස්, එම්. සහ අල්. ලොයිහි: කාවැද්දූ ඉගෙනීම සහිත නියුරෝමෝෆික් බහු-කෝර් ප්‍රොසෙසරයකි. IEEE Micro 38, 82–99 (2018).
Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker ව්‍යාපෘතිය. Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker ව්‍යාපෘතිය.Ferber SB, Galluppi F., Temple S. සහ Plana LA SpiNNaker ව්‍යාපෘතිය.Ferber SB, Galluppi F., Temple S. සහ Plana LA SpiNNaker ව්‍යාපෘතිය. ක්රියාවලිය. IEEE 102, 652-665 (2014).
ලියු, එස්.-කේ. සහ Delbruck, T. Neuromorphic සංවේදක පද්ධති. සහ Delbruck, T. Neuromorphic සංවේදක පද්ධති.සහ Delbrück T. Neuromorphic සංවේදක පද්ධති. සහ ඩෙල්බෲක්, ටී. 神经形态感觉系统。 සහ ඩෙල්බෲක්, ටී.සහ Delbrück T. Neuromorphic සංවේදක පද්ධතිය.වත්මන්. මතය. ස්නායු ජීව විද්යාව. 20, 288-295 (2010).
චොප්, ටී. සහ අල්. ඒකාබද්ධ ශබ්ද ප්‍රභව ප්‍රාදේශීයකරණය සහ ඝට්ටන වැලැක්වීම සඳහා නියුරෝමෝෆික් සංවේදක අනුකලනය. 2019 දී ජෛව වෛද්‍ය පරිපථ සහ පද්ධති පිළිබඳ IEEE සම්මන්ත්‍රණයේදී (BioCAS), (IEEE එඩ්.) 1–4 (2019).
Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. A spike-based neuromorphic architecture of stereo vision. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. A spike-based neuromorphic architecture of stereo vision.Risi N, Aymar A, Donati E, Solinas S, සහ Indiveri G. A spike-based neuromorphic stereovision architecture. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. 一种基于脉冲的立体视觉神经形态结构。 Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G.Risi N, Aimar A, Donati E, Solinas S, සහ Indiveri G. ස්ටීරියෝ දර්ශනය සඳහා ස්පයික් මත පදනම් වූ නියුරෝමෝෆික් ගෘහ නිර්මාණ ශිල්පය.ඉදිරිපස. Neurorobotics 14, 93 (2020).
Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. සිදුවීම් මත පදනම් වූ neuromorphic stereo vision පද්ධති සඳහා 3Dperception හි ස්පයිකින් ස්නායු ජාල ආකෘතියකි. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. සිදුවීම් මත පදනම් වූ neuromorphic stereo vision පද්ධති සඳහා 3Dperception හි ස්පයිකින් ස්නායු ජාල ආකෘතියකි.Oswald, M., Ieng, S.-H., Benosman, R., and Indiveri, G. A ත්‍රිමාණ ස්පන්දන ස්නායු ජාල සංජානන ආකෘතිය සිද්ධි පාදක Neuromorphic Stereo Vision පද්ධති සඳහා. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. 3Dperception 脉冲神经网络模型。Oswald, M., Ieng, S.-H., Benosman, R., and Indiveri, G. Spiked 3Dperception Neural Network Model for a Event-Based Neuromorphic Stereo Vision System.විද්යාව. වාර්තාව 7, 1-11 (2017).
Dalgaty, T. et al. කෘමීන් ආශ්‍රිත මූලික චලිත හඳුනාගැනීමේ ප්‍රතිරෝධක මතකය සහ පුපුරා ගිය ස්නායු ජාල ඇතුළත් වේ. Bionic biohybrid පද්ධතිය. 10928, 115-128 (2018).
D'Angelo, G. et al. තාවකාලික අවකල්‍ය කේතනය භාවිතයෙන් සිදුවීම් මත පදනම් වූ විකේන්ද්‍රික චලන හඳුනාගැනීම. ඉදිරිපස. ස්නායු විද්යාව. 14, 451 (2020).