Aplikacionet e përpunimit të të dhënave në botën reale kërkojnë sisteme kompjuterike kompakte, me vonesë të ulët dhe me fuqi të ulët. Me aftësitë kompjuterike të drejtuara nga ngjarjet, arkitekturat neuromorfike hibride memristive metal-oksid-gjysmëpërçues plotësues ofrojnë një bazë harduerike ideale për detyra të tilla. Për të demonstruar potencialin e plotë të sistemeve të tilla, ne propozojmë dhe demonstrojmë eksperimentalisht një zgjidhje gjithëpërfshirëse të përpunimit të sensorëve për aplikacionet e lokalizimit të objekteve në botën reale. Duke u frymëzuar nga neuroanatomia e bufëve të hambarit, ne kemi zhvilluar një sistem lokalizimi të objekteve të orientuar nga bio-inspirimi, i cili kombinon një transduktor mikromekanik piezoelektrik të teknologjisë më të fundit me memorien rezistente neuromorfike të bazuar në grafikun llogaritës. Ne tregojmë matjet e një sistemi të fabrikuar që përfshin një detektor koincidence rezistente të bazuar në memorie, qark të linjës së vonesës dhe një transduktor ultrasonik plotësisht të personalizueshëm. Ne përdorim këto rezultate eksperimentale për të kalibruar simulimet në nivel sistemi. Këto simulime përdoren më pas për të vlerësuar rezolucionin këndor dhe efikasitetin e energjisë të modelit të lokalizimit të objektit. Rezultatet tregojnë se qasja jonë mund të jetë disa renditje të madhësisë më efikase në energji sesa mikrokontrolluesit që kryejnë të njëjtën detyrë.
Ne po hyjmë në një epokë të informatikës kudo ku numri i pajisjeve dhe sistemeve të vendosura po rritet në mënyrë eksponenciale për të na ndihmuar në jetën tonë të përditshme. Këto sisteme pritet të funksionojnë vazhdimisht, duke konsumuar sa më pak energji të jetë e mundur, ndërsa mësojnë të interpretojnë të dhënat që mbledhin nga sensorë të shumtë në kohë reale dhe të prodhojnë dalje binare si rezultat i detyrave të klasifikimit ose njohjes. Një nga hapat më të rëndësishëm që kërkohet për të arritur këtë qëllim është nxjerrja e informacionit të dobishëm dhe kompakt nga të dhënat shqisore të zhurmshme dhe shpesh jo të plota. Qasjet konvencionale inxhinierike zakonisht mostrojnë sinjalet e sensorëve me një shpejtësi konstante dhe të lartë, duke gjeneruar sasi të mëdha të dhënash edhe në mungesë të inputeve të dobishme. Përveç kësaj, këto metoda përdorin teknika komplekse të përpunimit të sinjalit dixhital për të para-përpunuar të dhënat hyrëse (shpesh të zhurmshme). Në vend të kësaj, biologjia ofron zgjidhje alternative për përpunimin e të dhënave shqisore të zhurmshme duke përdorur qasje me efikasitet energjie, asinkrone, të drejtuara nga ngjarjet (spikes)2,3. Llogaritja neuromorfike merr frymëzim nga sistemet biologjike për të reduktuar kostot llogaritëse për sa i përket kërkesave për energji dhe memorie në krahasim me metodat tradicionale të përpunimit të sinjalit4,5,6. Kohët e fundit, janë demonstruar sisteme inovative të bazuara në tru me qëllime të përgjithshme që zbatojnë rrjete nervore impulse (TrueNorth7, BrainScaleS8, DYNAP-SE9, Loihi10, Spinnaker11). Këta procesorë ofrojnë zgjidhje me fuqi të ulët, me vonesë të ulët për mësimin e makinerive dhe modelimin e qarkut kortikal. Për të shfrytëzuar plotësisht efikasitetin e tyre energjetik, këta procesorë neuromorfikë duhet të lidhen drejtpërdrejt me sensorët e drejtuar nga ngjarjet12,13. Megjithatë, sot ka vetëm disa pajisje me prekje që ofrojnë drejtpërdrejt të dhëna të drejtuara nga ngjarjet. Shembuj të spikatur janë sensorët vizualë dinamikë (DVS) për aplikacionet e shikimit si gjurmimi dhe zbulimi i lëvizjes14,15,16,17 koklea e silikonit18 dhe sensorët e dëgjimit neuromorfik (NAS)19 për përpunimin e sinjalit dëgjimor, sensorët e nuhatjes20 dhe shembuj të shumtë21,22 të prekjes. . sensorë teksture.
Në këtë punim, ne paraqesim një sistem të përpunimit dëgjimor të drejtuar nga ngjarjet e zhvilluar rishtazi të aplikuar për lokalizimin e objektit. Këtu, për herë të parë, ne përshkruajmë një sistem nga skaji në skaj për lokalizimin e objektit, i marrë duke lidhur një transduktor ultrasonik me mikromakinë piezoelektrike më të fundit (pMUT) me një grafik llogaritës të bazuar në kujtesën rezistente neuromorfike (RRAM). Arkitekturat informatike në memorie duke përdorur RRAM janë një zgjidhje premtuese për reduktimin e konsumit të energjisë23,24,25,26,27,28,29. Paqëndrueshmëria e tyre e natyrshme - që nuk kërkon konsum aktiv të energjisë për të ruajtur ose përditësuar informacionin - është një përshtatje e përsosur me natyrën asinkrone, të drejtuar nga ngjarjet e llogaritjes neuromorfike, duke rezultuar në pothuajse asnjë konsum të energjisë kur sistemi është i papunë. Transduktorët ultrasonikë me mikromakinë piezoelektrike (pMUTs) janë transduktorë ultrasonikë me bazë silikoni të lira, të miniaturë, të aftë për të vepruar si transmetues dhe marrës30,31,32,33,34. Për të përpunuar sinjalet e marra nga sensorët e integruar, ne morëm frymëzim nga neuroanatomia e bufëve të hambarit35,36,37. Bufi i hambarit Tyto alba është i njohur për aftësitë e tij të jashtëzakonshme të gjuetisë gjatë natës falë një sistemi shumë efikas lokalizimi dëgjimor. Për të llogaritur vendndodhjen e gjahut, sistemi i lokalizimit të bufit të hambarit kodon kohën e fluturimit (ToF) kur valët e zërit nga gjahu arrijnë në secilin nga veshët ose receptorët e zërit të bufit. Duke pasur parasysh distancën midis veshëve, diferenca midis dy matjeve ToF (Interaural Time Difference, ITD) bën të mundur llogaritjen analitike të pozicionit të azimutit të objektivit. Megjithëse sistemet biologjike nuk janë të përshtatshme për zgjidhjen e ekuacioneve algjebrike, ato mund të zgjidhin problemet e lokalizimit në mënyrë shumë efektive. Sistemi nervor i bufës së hambarit përdor një grup neuronesh me detektor koincidence (CD) 35 (d.m.th., neurone të aftë për të zbuluar korrelacionet kohore midis thumbave që përhapen poshtë në mbaresa ngacmuese konvergjente)38,39 të organizuar në grafikë llogaritës për të zgjidhur problemet e pozicionimit.
Hulumtimet e mëparshme kanë treguar se hardueri plotësues metal-oksid-gjysmëpërçues (CMOS) dhe hardueri neuromorfik i bazuar në RRAM i frymëzuar nga kolikulusi inferior (“korteksi auditor”) i bufit të hambarit është një metodë efikase për llogaritjen e pozicionit duke përdorur ITD13, 40, 41. 42, 43, 44, 45, 46. Megjithatë, the potenciali i sistemeve të plota neuromorfike që lidhin sinjalet dëgjimore me grafikët llogaritës neuromorfikë ende nuk është demonstruar. Problemi kryesor është ndryshueshmëria e natyrshme e qarqeve analoge CMOS, e cila ndikon në saktësinë e zbulimit të ndeshjes. Kohët e fundit, janë demonstruar zbatime alternative numerike të vlerësimeve ITD47. Në këtë punim, ne propozojmë të përdorim aftësinë e RRAM për të ndryshuar vlerën e përcjellshmërisë në një mënyrë jo të paqëndrueshme për të kundërshtuar ndryshueshmërinë në qarqet analoge. Ne implementuam një sistem eksperimental të përbërë nga një membranë transmetuese pMUT që funksionon në një frekuencë prej 111.9 kHz, dy membrana marrëse pMUT (sensorë) që simulojnë veshët e bufit të hambarit dhe një . Ne karakterizuam eksperimentalisht sistemin e zbulimit pMUT dhe grafikun llogaritës ITD të bazuar në RRAM për të testuar sistemin tonë të lokalizimit dhe për të vlerësuar rezolucionin e tij këndor.
Ne e krahasojmë metodën tonë me një zbatim dixhital në një mikrokontrollues që kryen të njëjtën detyrë lokalizimi duke përdorur metoda konvencionale të formimit të rrezes ose neuromorfike, si dhe një grup portash të programueshme në terren (FPGA) për vlerësimin ITD të propozuar në referencë. 47. Ky krahasim nxjerr në pah efikasitetin konkurrues të fuqisë së sistemit neuromorfik analog të propozuar të bazuar në RRAM.
Një nga shembujt më të mrekullueshëm të një sistemi të saktë dhe efikas të lokalizimit të objekteve mund të gjendet në barn owl35,37,48. Në muzg dhe në agim, bufi i hambarit (Tyto Alba) kryesisht mbështetet në dëgjimin pasiv, duke kërkuar në mënyrë aktive gjahun e vogël si p.sh. volat ose minjtë. Këta ekspertë të dëgjimit mund të lokalizojnë sinjalet dëgjimore nga gjahu me saktësi mahnitëse (rreth 2°)35, siç tregohet në Fig. 1a. Bufat e hambarit nxjerrin përfundimin e vendndodhjes së burimeve të zërit në rrafshin azimut (horizontal) nga diferenca në kohën e hyrjes së fluturimit (ITD) nga burimi i zërit në dy veshët. Mekanizmi llogaritës ITD u propozua nga Jeffress49,50 i cili mbështetet në gjeometrinë nervore dhe kërkon dy komponentë kryesorë: një akson, fibër nervore të një neuroni që vepron si një linjë vonese dhe një grup neuronesh detektori të rastësisë të organizuar në një sistem llogaritës. grafiku siç tregohet në figurën 1b. Tingulli arrin në vesh me një vonesë kohore të varur nga azimuti (ITD). Tingulli më pas shndërrohet në një model thumbash në secilin vesh. Aksonet e veshit të majtë dhe të djathtë veprojnë si vija vonese dhe konvergojnë në neuronet CD. Teorikisht, vetëm një neuron në një grup neuronesh të përputhur do të marrë hyrje në të njëjtën kohë (ku vonesa anulohet saktësisht) dhe do të ndizet maksimalisht (qelizat fqinje gjithashtu do të ndezin, por me një frekuencë më të ulët). Aktivizimi i disa neuroneve kodon pozicionin e objektivit në hapësirë pa e konvertuar më tej ITD në kënde. Ky koncept është përmbledhur në Figurën 1c: për shembull, nëse zëri vjen nga ana e djathtë kur sinjali i hyrjes nga veshi i djathtë përshkon një rrugë më të gjatë se shtegu nga veshi i majtë, duke kompensuar numrin e ITD-ve, për shembull, kur neuroni 2 përputhet. Me fjalë të tjera, çdo CD i përgjigjet një ITD të caktuar (e njohur edhe si vonesë optimale) për shkak të vonesës aksonale. Kështu, truri konverton informacionin kohor në informacion hapësinor. Janë gjetur dëshmi anatomike për këtë mekanizëm37,51. Neuronet e makronukleusit të mbyllur në fazë ruajnë informacione të përkohshme rreth tingujve në hyrje: siç nënkupton edhe emri i tyre, ata ndezin në faza të caktuara të sinjalit. Neuronet e detektorit të rastësisë të modelit Jeffress mund të gjenden në bërthamën laminare. Ata marrin informacion nga neuronet makronukleare, aksonet e të cilëve veprojnë si vija vonese. Sasia e vonesës së ofruar nga linja e vonesës mund të shpjegohet nga gjatësia e aksonit, si dhe nga një model tjetër mielinimi që ndryshon shpejtësinë e përcjelljes. Të frymëzuar nga sistemi dëgjimor i bufit të hambarit, ne kemi zhvilluar një sistem biomimetik për lokalizimin e objekteve. Dy veshët përfaqësohen nga dy marrës pMUT. Burimi i zërit është transmetuesi pMUT i vendosur ndërmjet tyre (Fig. 1a), dhe grafiku llogaritës formohet nga një rrjet qarqesh CD të bazuara në RRAM (Fig. 1b, jeshile), duke luajtur rolin e neuroneve CD, hyrjet e të cilëve vonohen. përmes qarkut, linjat e vonesës (blu) veprojnë si aksone në homologun biologjik. Sistemi ndijor i propozuar ndryshon në frekuencën e funksionimit nga ai i bufit, sistemi dëgjimor i të cilit funksionon në intervalin 1-8 kHz, por sensorët pMUT që funksionojnë në rreth 117 kHz përdoren në këtë punë. Zgjedhja e një dhënës tejzanor konsiderohet sipas kritereve teknike dhe optimizimit. Së pari, kufizimi i gjerësisë së brezit të marrjes në një frekuencë të vetme përmirëson në mënyrë ideale saktësinë e matjes dhe thjeshton hapin e pas-përpunimit. Përveç kësaj, funksionimi në ultratinguj ka avantazhin që pulset e emetuara nuk janë të dëgjueshme, prandaj mos shqetësoni njerëzit, pasi diapazoni i tyre i dëgjimit është ~20-20 kHz.
bufi i hambarit merr valë zanore nga një objektiv, në këtë rast pre lëvizëse. Koha e fluturimit (ToF) e valës së zërit është e ndryshme për secilin vesh (përveç nëse gjahu është drejtpërdrejt përballë bufit). Vija me pika tregon rrugën që marrin valët e zërit për të arritur në veshët e bufit të hambarit. Preja mund të lokalizohet me saktësi në rrafshin horizontal bazuar në ndryshimin e gjatësisë midis dy shtigjeve akustike dhe ndryshimit kohor interaural përkatës (ITD) (imazhi i majtë i frymëzuar nga ref. 74, e drejta e autorit 2002, Society for Neuroscience). Në sistemin tonë, transmetuesi pMUT (blu e errët) gjeneron valë zanore që kërcejnë nga objektivi. Valët e reflektuara të ultrazërit merren nga dy marrës pMUT (jeshile e lehtë) dhe përpunohen nga procesori neuromorfik (djathtas). b Një model llogaritës ITD (Jeffress) që përshkruan se si tingujt që hyjnë në veshët e bufit të hambarit kodohen fillimisht si thumba të bllokuara me fazë në bërthamën e madhe (NM) dhe më pas duke përdorur një rrjet të rregulluar gjeometrikisht të neuroneve të detektorit të përputhur në bërthamën lamelare. Përpunim (Holandë) (majtas). Ilustrimi i një grafiku llogaritës neuroITD që kombinon linjat e vonesës dhe neuronet e detektorit të rastësisë, sistemi i biosensorit të bufit mund të modelohet duke përdorur qarqe neuromorfike të bazuara në RRAM (djathtas). c Skema e mekanizmit kryesor Jeffress, për shkak të ndryshimit në ToF, të dy veshët marrin stimuj të zërit në kohë të ndryshme dhe dërgojnë aksonet nga të dy skajet në detektor. Aksonet janë pjesë e një serie neuronesh të detektorit të rastësisë (CD), secila prej të cilave i përgjigjet në mënyrë selektive hyrjeve të lidhura me kohë. Si rezultat, vetëm CD-të, hyrjet e të cilave arrijnë me diferencën më të vogël kohore janë maksimalisht të ngacmuara (ITD kompensohet saktësisht). CD-ja më pas do të kodojë pozicionin këndor të objektivit.
Transduktorët tejzanor mikromekanikë piezoelektrikë janë transduktorë tejzanor të shkallëzueshëm që mund të integrohen me teknologjinë e avancuar CMOS31,32,33,52 dhe kanë tension fillestar dhe konsum më të ulët të energjisë sesa transduktorët volumetrikë tradicionalë53. Në punën tonë, diametri i membranës është 880 µm dhe frekuenca rezonante shpërndahet në intervalin 110-117 kHz (Fig. 2a, shih Metodat për detaje). Në një grup prej dhjetë pajisjesh testimi, faktori mesatar i cilësisë ishte rreth 50 (ref. 31). Teknologjia ka arritur pjekurinë industriale dhe nuk është bio-frymëzuar në vetvete. Kombinimi i informacionit nga filma të ndryshëm pMUT është një teknikë e njohur dhe informacioni i këndit mund të merret nga pMUT duke përdorur, për shembull, teknikat e formimit të rrezeve31,54. Megjithatë, përpunimi i sinjalit që kërkohet për të nxjerrë informacionin e këndit nuk është i përshtatshëm për matjet me fuqi të ulët. Sistemi i propozuar kombinon qarkun neuromorfik të parapërpunimit të të dhënave pMUT me një grafik kompjuterik neuromorfik të bazuar në RRAM të frymëzuar nga modeli Jeffress (Figura 2c), duke ofruar një zgjidhje alternative harduerike me efikasitet energjetik dhe me burime të kufizuara. Ne kryem një eksperiment në të cilin dy sensorë pMUT u vendosën afërsisht 10 cm larg njëri-tjetrit për të shfrytëzuar tingujt e ndryshëm ToF të marra nga dy membranat marrëse. Një pMUT që vepron si transmetues ulet midis marrësve. Objektivi ishte një pllakë PVC 12 cm e gjerë, e vendosur në një distancë D përpara pajisjes pMUT (Fig. 2b). Marrësi regjistron tingullin e reflektuar nga objekti dhe reagon sa më shumë që të jetë e mundur gjatë kalimit të valës së zërit. Përsëriteni eksperimentin duke ndryshuar pozicionin e objektit, të përcaktuar nga distanca D dhe këndi θ. Frymëzuar nga një lidhje. 55, ne propozojmë një para-përpunim neuromorfik të sinjaleve të papërpunuara pMUT për të kthyer valët e reflektuara në maja për të futur një grafik llogaritës neuromorfik. ToF që korrespondon me amplituda e pikut nxirret nga secili prej dy kanaleve dhe kodohet si koha e saktë e majave individuale. Në fig. 2c tregon qarkun e nevojshëm për të ndërlidhur sensorin pMUT me një grafik llogaritës të bazuar në RRAM: për secilin nga dy marrësit pMUT, sinjali i papërpunuar filtrohet në brez për të zbutur, korrigjuar dhe më pas i kalohet integruesit që rrjedh në modalitetin e kapërcimit. pragu dinamik (Fig. 2d) krijon një neuron në dalje (spike) dhe shkrepje (LIF): koha e pikës së daljes kodon kohën e zbuluar të fluturimit. Pragu LIF është i kalibruar kundrejt përgjigjes pMUT, duke reduktuar kështu ndryshueshmërinë pMUT nga pajisja në pajisje. Me këtë qasje, në vend që të ruajmë të gjithë valën e zërit në memorie dhe ta përpunojmë më vonë, ne thjesht gjenerojmë një kulm që korrespondon me ToF të valës zanore, e cila formon hyrjen në grafikun llogaritës të memories rezistente. Pikat dërgohen direkt në linjat e vonesës dhe paralelizohen me modulet e zbulimit të ndeshjeve në grafikët e llogaritjes neuromorfike. Për shkak se ato dërgohen në portat e transistorëve, nuk kërkohet qark shtesë përforcues (shih Fig. 4 shtesë për detaje). Për të vlerësuar saktësinë këndore të lokalizimit të ofruar nga pMUT dhe metoda e propozuar e përpunimit të sinjalit, ne matëm ITD (d.m.th., ndryshimi në kohë midis ngjarjeve të pikut të gjeneruara nga dy marrës) pasi distanca dhe këndi i objektit ndryshonte. Analiza ITD u konvertua më pas në kënde (shih Metodat) dhe vizatohej kundrejt pozicionit të objektit: pasiguria në ITD-në e matur u rrit me distancën dhe këndin ndaj objektit (Fig. 2e,f). Problemi kryesor është raporti i pikut ndaj zhurmës (PNR) në përgjigjen pMUT. Sa më larg objekti, aq më i ulët është sinjali akustik, duke reduktuar kështu PNR-në (Fig. 2f, vija e gjelbër). Një rënie në PNR çon në një rritje të pasigurisë në vlerësimin e ITD, duke rezultuar në një rritje në saktësinë e lokalizimit (Fig. 2f, vija blu). Për një objekt në një distancë prej 50 cm nga transmetuesi, saktësia këndore e sistemit është afërsisht 10°. Ky kufizim i vendosur nga karakteristikat e sensorit mund të përmirësohet. Për shembull, presioni i dërguar nga emetuesi mund të rritet, duke rritur kështu tensionin që drejton membranën pMUT. Një zgjidhje tjetër për të përforcuar sinjalin e transmetuar është lidhja e transmetuesve të shumtë 56. Këto zgjidhje do të rrisin diapazonin e zbulimit në kurriz të rritjes së kostove të energjisë. Përmirësime shtesë mund të bëhen në anën marrëse. Kati i zhurmës së marrësit të pMUT mund të reduktohet ndjeshëm duke përmirësuar lidhjen midis pMUT dhe amplifikatorit të fazës së parë, e cila aktualisht kryhet me lidhje me tela dhe kabllo RJ45.
një imazh i një kristali pMUT me gjashtë membrana 880 µm të integruara në hapin 1,5 mm. b Diagrami i konfigurimit të matjes. Objektivi ndodhet në pozicionin e azimutit θ dhe në distancën D. Transmetuesi pMUT gjeneron një sinjal 117,6 kHz që kthehet nga objektivi dhe arrin dy marrës pMUT me kohë të ndryshme fluturimi (ToF). Ky ndryshim, i përcaktuar si diferenca kohore ndër-dëgjuese (ITD), kodon pozicionin e një objekti dhe mund të vlerësohet duke vlerësuar përgjigjen maksimale të dy sensorëve marrës. c Skema e hapave të përpunimit paraprak për konvertimin e sinjalit të papërpunuar pMUT në sekuenca spike (dmth. hyrje në grafikun e llogaritjes neuromorfike). Sensorët pMUT dhe grafikët llogaritës neuromorfikë janë fabrikuar dhe testuar, dhe para-përpunimi neuromorfik bazohet në simulimin e softuerit. d Përgjigja e membranës pMUT pas marrjes së një sinjali dhe shndërrimit të saj në një domen spike. e Saktësia këndore e lokalizimit eksperimental në funksion të këndit të objektit (Θ) dhe distancës (D) me objektin e synuar. Metoda e nxjerrjes së ITD kërkon një rezolucion minimal këndor prej afërsisht 4°C. f Saktësia këndore (vija blu) dhe raporti përkatës kulmin ndaj zhurmës (vija e gjelbër) kundrejt distancës së objektit për Θ = 0.
Memoria rezistente ruan informacionin në një gjendje përcjellëse jo të paqëndrueshme. Parimi themelor i metodës është se modifikimi i materialit në nivel atomik shkakton ndryshim në përçueshmërinë e tij elektrike57. Këtu ne përdorim një memorie rezistente të bazuar në oksid, e përbërë nga një shtresë 5 nm e dioksidit të hafniumit të vendosur midis elektrodave të sipërme dhe të poshtme të titanit dhe nitridit të titanit. Përçueshmëria e pajisjeve RRAM mund të ndryshohet duke aplikuar një formë vale të rrymës/tensionit që krijon ose thyen filamente përçuese të zbrazëtirave të oksigjenit midis elektrodave. Ne bashkëintegruam pajisje të tilla58 në një proces standard CMOS 130 nm për të krijuar një qark neuromorfik të rikonfigurueshëm të fabrikuar që zbaton një detektor koincidence dhe një qark të linjës së vonesës (Fig. 3a). Natyra jo e paqëndrueshme dhe analoge e pajisjes, e kombinuar me natyrën e drejtuar nga ngjarjet e qarkut neuromorfik, minimizon konsumin e energjisë. Qarku ka një funksion ndezje/fikje të menjëhershme: funksionon menjëherë pasi është ndezur, duke lejuar që energjia të fiket plotësisht kur qarku është i papunë. Blloqet kryesore të ndërtimit të skemës së propozuar janë paraqitur në fig. 3b. Ai përbëhet nga N struktura paralele me një rezistencë me një tranzistor (1T1R) që kodojnë pesha sinaptike nga të cilat merren rrymat e peshuara, të injektuara në sinapsin e përbashkët të një integruesi të çiftit diferencial (DPI)59 dhe në fund injektohen në sinapsë me integrim dhe rrjedhje. neuroni i aktivizuar (LIF) 60 (shih Metodat për detaje). Shkallët e hyrjes aplikohen në portën e strukturës 1T1R në formën e një sekuence pulsesh të tensionit me një kohëzgjatje të rendit të qindra nanosekondave. Memoria rezistente mund të vendoset në një gjendje përçueshmërie të lartë (HCS) duke aplikuar një referencë të jashtme pozitive për Vtop kur Vbottom është i tokëzuar dhe rivendosur në një gjendje përçueshmërie të ulët (LCS) duke aplikuar një tension pozitiv në Vbottom kur Vtop është i tokëzuar. Vlera mesatare e HCS mund të kontrollohet duke kufizuar rrymën e programimit (përputhshmërinë) e SET (ICC) nga tensioni i burimit të portës së transistorit të serisë (Fig. 3c). Funksionet e RRAM në qark janë të dyfishta: drejtojnë dhe peshojnë impulset hyrëse.
Imazhi i mikroskopit elektronik skanues (SEM) i një pajisjeje blu HfO2 1T1R RRAM të integruar në teknologjinë CMOS 130 nm me transistorë përzgjedhës (650 nm të gjerë) në ngjyrë të gjelbër. b Blloqet bazë të ndërtimit të skemës neuromorfike të propozuar. Impulset e tensionit të hyrjes (pikat) Vin0 dhe Vin1 konsumojnë peshën e rrymës, e cila është proporcionale me gjendjet e përcjelljes G0 dhe G1 të strukturës 1T1R. Kjo rrymë injektohet në sinapset DPI dhe ngacmon neuronet LIF. RRAM G0 dhe G1 janë instaluar përkatësisht në HCS dhe LCS. c Funksioni i densitetit kumulativ të përcjellshmërisë për një grup pajisjesh RRAM 16K si funksion i përputhjes së rrymës ICC, e cila kontrollon në mënyrë efektive nivelin e përçueshmërisë. d Matjet e qarkut në (a) që tregojnë se G1 (në LCS) bllokon në mënyrë efektive hyrjen nga Vin1 (jeshile), dhe në të vërtetë tensioni i membranës së neuronit të daljes i përgjigjet vetëm hyrjes blu nga Vin0. RRAM përcakton në mënyrë efektive lidhjet në qark. e Matja e qarkut në (b) që tregon efektin e vlerës së përcjellshmërisë G0 në tensionin e membranës Vmem pas aplikimit të një impulsi të tensionit Vin0. Sa më shumë përçueshmëri, aq më e fortë është përgjigja: kështu, pajisja RRAM zbaton peshimin e lidhjes I/O. Matjet janë bërë në qark dhe demonstrojnë funksionin e dyfishtë të RRAM-it, drejtimin dhe peshimin e impulseve hyrëse.
Së pari, meqenëse ekzistojnë dy gjendje themelore të përçueshmërisë (HCS dhe LCS), RRAM-të mund të bllokojnë ose humbasin pulset hyrëse kur ato janë në gjendjet LCS ose HCS, përkatësisht. Si rezultat, RRAM përcakton në mënyrë efektive lidhjet në qark. Kjo është baza për të qenë në gjendje të rikonfiguroni arkitekturën. Për të demonstruar këtë, ne do të përshkruajmë një zbatim të qarkut të fabrikuar të bllokut të qarkut në Fig. 3b. RRAM që korrespondon me G0 është programuar në HCS, dhe RRAM i dytë G1 është programuar në LCS. Impulset hyrëse aplikohen si për Vin0 ashtu edhe për Vin1. Efektet e dy sekuencave të pulseve hyrëse u analizuan në neuronet e daljes duke mbledhur tensionin e membranës së neuronit dhe sinjalin e daljes duke përdorur një oshiloskop. Eksperimenti ishte i suksesshëm kur vetëm pajisja HCS (G0) u lidh me pulsin e neuronit për të stimuluar tensionin e membranës. Kjo tregohet në Figurën 3d, ku treni i pulsit blu bën që tensioni i membranës të ndërtohet në kondensatorin e membranës, ndërsa treni i pulsit të gjelbër e mban tensionin e membranës konstante.
Funksioni i dytë i rëndësishëm i RRAM është zbatimi i peshave të lidhjes. Duke përdorur rregullimin analog të përcjellshmërisë së RRAM, lidhjet I/O mund të peshohen në përputhje me rrethanat. Në eksperimentin e dytë, pajisja G0 u programua në nivele të ndryshme të HCS, dhe pulsi i hyrjes u aplikua në hyrjen Vin0. Pulsi i hyrjes tërheq një rrymë (Ipeshë) nga pajisja, e cila është proporcionale me përcjellshmërinë dhe rënien përkatëse të mundshme Vtop - Vbot. Kjo rrymë e peshuar më pas injektohet në sinapset DPI dhe neuronet e daljes LIF. Tensioni i membranës së neuroneve dalëse u regjistrua duke përdorur një oshiloskop dhe u shfaq në Fig. 3d. Pika e tensionit të membranës së neuronit në përgjigje të një impulsi të vetëm hyrës është në proporcion me përcjellshmërinë e kujtesës rezistente, duke demonstruar se RRAM mund të përdoret si një element i programueshëm i peshës sinaptike. Këto dy teste paraprake tregojnë se platforma e propozuar neuromorfike e bazuar në RRAM është në gjendje të zbatojë elementet bazë të mekanizmit bazë Jeffress, përkatësisht linjën e vonesës dhe qarkun e detektorit të rastësisë. Platforma e qarkut ndërtohet duke grumbulluar blloqe të njëpasnjëshme krah për krah, siç janë blloqet në figurën 3b, dhe duke lidhur portat e tyre me një linjë të përbashkët hyrëse. Ne projektuam, fabrikuam dhe testuam një platformë neuromorfike të përbërë nga dy neurone dalëse që marrin dy hyrje (Fig. 4a). Diagrami i qarkut është paraqitur në figurën 4b. Matrica e sipërme 2 × 2 RRAM lejon që pulset hyrëse të drejtohen në dy neurone dalëse, ndërsa matrica e poshtme 2 × 2 lejon lidhjet e përsëritura të dy neuroneve (N0, N1). Ne demonstrojmë se kjo platformë mund të përdoret me një konfigurim të linjës së vonesës dhe dy funksione të ndryshme të detektorit të rastësisë, siç tregohet nga matjet eksperimentale në Fig. 4c-e.
Diagrami i qarkut i formuar nga dy neurone dalje N0 dhe N1 që marrin dy hyrje 0 dhe 1. Katër pajisjet e sipërme të grupit përcaktojnë lidhjet sinaptike nga hyrja në dalje dhe katër qelizat e poshtme përcaktojnë lidhjet e përsëritura midis neuroneve. RRAM-të me ngjyra përfaqësojnë pajisjet e konfiguruara në HCS në të djathtë: pajisjet në HCS lejojnë lidhjet dhe përfaqësojnë peshat, ndërsa pajisjet në LCS bllokojnë pulset hyrëse dhe çaktivizojnë lidhjet me daljet. b Diagrami i qarkut (a) me tetë module RRAM të theksuara me blu. c Linjat e vonesës formohen thjesht duke përdorur dinamikën e sinapseve DPI dhe neuroneve LIF. RRAM e gjelbër është vendosur në përçueshmëri mjaft të lartë për të qenë në gjendje të shkaktojë një defekt në dalje pas vonesës së hyrjes Δt. d Ilustrim skematik i zbulimit CD të pandjeshëm ndaj drejtimit të sinjaleve të varura nga koha. Neuroni i daljes 1, N1, ndez në hyrjet 0 dhe 1 me një vonesë të shkurtër. e Qarku CD i ndjeshëm ndaj drejtimit, një qark që zbulon kur hyrja 1 i afrohet hyrjes 0 dhe arrin pas hyrjes 0. Dalja e qarkut përfaqësohet nga neuroni 1 (N1).
Linja e vonesës (Figura 4c) thjesht përdor sjelljen dinamike të sinapseve DPI dhe neuroneve LIF për të riprodhuar pikën hyrëse nga Vin1 në Vout1 duke vonuar Tdel. Vetëm G3 RRAM i lidhur me Vin1 dhe Vout1 është programuar në HCS, pjesa tjetër e RRAM-ve janë programuar në LCS. Pajisja G3 u programua për 92,6 µs për të siguruar që çdo impuls hyrës të rrisë mjaftueshëm tensionin e membranës së neuronit të daljes për të arritur pragun dhe për të gjeneruar një impuls dalës të vonuar. Vonesa Tdel përcaktohet nga konstantet kohore sinaptike dhe nervore. Detektorët e rastësisë zbulojnë shfaqjen e sinjaleve hyrëse të ndërlidhura përkohësisht, por të shpërndara në hapësirë. CD-ja e pandjeshme ndaj drejtimit mbështetet në inputet individuale që konvergojnë në një neuron të përbashkët dalës (Figura 4d). Dy RRAM-të që lidhin Vin0 dhe Vin1 me Vout1, G2 dhe G4 përkatësisht janë programuar për përçueshmëri të lartë. Ardhja e njëkohshme e pikave në Vin0 dhe Vin1 rrit tensionin e membranës së neuronit N1 mbi pragun e kërkuar për të gjeneruar majën e daljes. Nëse të dy hyrjet janë shumë larg njëra-tjetrës në kohë, ngarkesa në tensionin e membranës e akumuluar nga hyrja e parë mund të ketë kohë për t'u prishur, duke parandaluar që potenciali i membranës N1 të arrijë vlerën e pragut. G1 dhe G2 janë programuar për afërsisht 65 µs, gjë që siguron që një rritje e vetme e hyrjes nuk e rrit tensionin e membranës aq sa të shkaktojë një rritje të daljes. Zbulimi i rastësisë midis ngjarjeve të shpërndara në hapësirë dhe kohë është një operacion themelor i përdorur në një gamë të gjerë detyrash ndijuese, si shmangia e pengesave të bazuara në rrjedhën optike dhe lokalizimi i burimit të zërit. Kështu, llogaritja e CD-ve të ndjeshme dhe të pandjeshme ndaj drejtimit është një bllok themelor ndërtimor për ndërtimin e sistemeve të lokalizimit vizual dhe audio. Siç tregohet nga karakteristikat e konstantave të kohës (shih Fig. 2 plotësuese), qarku i propozuar zbaton një gamë të përshtatshme prej katër shkallësh të madhësisë kohore. Kështu, ai mund të përmbushë njëkohësisht kërkesat e sistemeve vizuale dhe zanore. CD-ja e ndjeshme ndaj drejtimit është një qark që është i ndjeshëm ndaj rendit hapësinor të mbërritjes së pulseve: nga e djathta në të majtë dhe anasjelltas. Është një bllok themelor ndërtimi në rrjetin bazë të zbulimit të lëvizjes të sistemit vizual Drosophila, i përdorur për llogaritjen e drejtimeve të lëvizjes dhe zbulimin e përplasjeve62. Për të arritur një CD të ndjeshme ndaj drejtimit, dy hyrje duhet të drejtohen në dy neurone të ndryshëm (N0, N1) dhe duhet të krijohet një lidhje me drejtim ndërmjet tyre (Fig. 4e). Kur merret hyrja e parë, NO reagon duke rritur tensionin në të gjithë membranën e tij mbi vlerën e pragut dhe duke dërguar një rritje. Kjo ngjarje dalëse, nga ana tjetër, ndez N1 falë lidhjes së drejtimit të theksuar me të gjelbër. Nëse një ngjarje hyrëse Vin1 arrin dhe aktivizon N1 ndërsa tensioni i membranës së tij është ende i lartë, N1 gjeneron një ngjarje dalëse që tregon se është gjetur një përputhje midis dy hyrjeve. Lidhjet me drejtim lejojnë që N1 të lëshojë dalje vetëm nëse hyrja 1 vjen pas hyrjes 0. G0, G3 dhe G7 janë programuar përkatësisht në 73,5 µS, 67,3 µS dhe 40,2 µS, duke siguruar që një pikë e vetme në hyrje Vin0 të shkaktojë një vonesë rritja e daljes, ndërsa potenciali i membranës së N1 arrin pragun vetëm kur të dy hyrjet shpërthejnë mbërriti në sinkron. .
Ndryshueshmëria është një burim i papërsosmërisë në sistemet neuromorfike të modeluara63,64,65. Kjo çon në sjellje heterogjene të neuroneve dhe sinapseve. Shembuj të disavantazheve të tilla përfshijnë ndryshueshmërinë 30% (devijim standard mesatar) në fitimin e hyrjes, konstante kohore dhe periudhën refraktare, për të përmendur vetëm disa (shih Metodat). Ky problem është edhe më i theksuar kur qarqe të shumta nervore janë të lidhura së bashku, siç është një CD e ndjeshme ndaj orientimit që përbëhet nga dy neurone. Për të punuar siç duhet, konstantet e kohës së fitimit dhe kalbjes së dy neuroneve duhet të jenë sa më të ngjashme. Për shembull, një ndryshim i madh në fitimin e hyrjes mund të bëjë që një neuron të reagojë ndaj një impulsi hyrës ndërsa neuroni tjetër mezi reagon. Në fig. Figura 5a tregon se neuronet e zgjedhur rastësisht reagojnë ndryshe ndaj të njëjtit impuls hyrës. Kjo ndryshueshmëri nervore është e rëndësishme, për shembull, me funksionin e CD-ve të ndjeshme ndaj drejtimit. Në skemën e paraqitur në fig. 5b, c, fitimi i hyrjes së neuronit 1 është shumë më i lartë se ai i neuronit 0. Kështu, neuroni 0 kërkon tre impulse hyrëse (në vend të 1) për të arritur pragun dhe neuronit 1, siç pritej, ka nevojë për dy ngjarje hyrëse. Zbatimi i plasticitetit biomimetik të varur nga koha (STDP) është një mënyrë e mundshme për të zbutur ndikimin e qarqeve nervore dhe sinaptike të pasakta dhe të ngadalta në performancën e sistemit43. Këtu ne propozojmë të përdorim sjelljen plastike të kujtesës rezistente si një mjet për të ndikuar në rritjen e inputit nervor dhe për të zvogëluar efektet e ndryshueshmërisë në qarqet neuromorfike. Siç tregohet në fig. 4e, nivelet e përcjellshmërisë të lidhura me masën sinaptike RRAM moduluan në mënyrë efektive përgjigjen përkatëse të tensionit të membranës nervore. Ne përdorim një strategji programimi përsëritëse RRAM. Për një hyrje të caktuar, vlerat e përcjellshmërisë së peshave sinaptike riprogramohen derisa të merret sjellja e synuar e qarkut (shih Metodat).
a Matjet eksperimentale të përgjigjes së nëntë neuroneve individuale të zgjedhura rastësisht ndaj të njëjtit impuls hyrës. Përgjigja ndryshon midis popullatave, duke ndikuar në fitimin e inputeve dhe konstante kohore. b Matjet eksperimentale të ndikimit të neuroneve në ndryshueshmërinë e neuroneve që ndikojnë në CD të ndjeshme ndaj drejtimit. Dy neuronet e daljes CD të ndjeshme ndaj drejtimit reagojnë ndryshe ndaj stimujve hyrës për shkak të ndryshueshmërisë neuron-neuron. Neuroni 0 ka një fitim më të ulët të hyrjes se neuroni 1, kështu që nevojiten tre pulse hyrëse (në vend të 1) për të krijuar një majë dalëse. Siç pritej, neuroni 1 arrin pragun me dy ngjarje hyrëse. Nëse hyrja 1 arrin Δt = 50 µs pas ndezjes së neuronit 0, CD mbetet i heshtur sepse Δt është më i madh se konstanta kohore e neuronit 1 (rreth 22 µs). c reduktohet me Δt = 20 µs, kështu që hyrja 1 arrin kulmin kur ndezja e neuronit 1 është ende e lartë, duke rezultuar në zbulimin e njëkohshëm të dy ngjarjeve hyrëse.
Dy elementët e përdorur në kolonën e llogaritjes së ITD janë linja e vonesës dhe CD-ja e pandjeshme ndaj drejtimit. Të dy qarqet kërkojnë kalibrim të saktë për të siguruar performancë të mirë të pozicionimit të objektit. Linja e vonesës duhet të japë një version saktësisht të vonuar të pikut të hyrjes (Fig. 6a) dhe CD-ja duhet të aktivizohet vetëm kur hyrja bie brenda intervalit të zbulimit të objektivit. Për linjën e vonesës, peshat sinaptike të lidhjeve hyrëse (G3 në Fig. 4a) u riprogramuan derisa të përftohej vonesa e synuar. Vendosni një tolerancë rreth vonesës së synuar për të ndaluar programin: sa më e vogël të jetë toleranca, aq më e vështirë është të vendosni me sukses vijën e vonesës. Në fig. Figura 6b tregon rezultatet e procesit të kalibrimit të linjës së vonesës: mund të shihet se skema e propozuar mund të sigurojë saktësisht të gjitha vonesat e kërkuara në skemën e projektimit (nga 10 në 300 μs). Numri maksimal i përsëritjeve të kalibrimit ndikon në cilësinë e procesit të kalibrimit: 200 përsëritje mund të zvogëlojnë gabimin në më pak se 5%. Një përsëritje kalibrimi korrespondon me një funksion vendosje/rivendosjeje të një qelize RRAM. Procesi i akordimit është gjithashtu kritik për përmirësimin e saktësisë së zbulimit të menjëhershëm të ngjarjeve të afërta të modulit CD. U deshën dhjetë përsëritje kalibrimi për të arritur një normë të vërtetë pozitive (dmth., shkalla e ngjarjeve të identifikuara saktë si relevante) mbi 95% (vija blu në figurën 6c). Sidoqoftë, procesi i akordimit nuk ndikoi në ngjarjet false pozitive (d.m.th., frekuenca e ngjarjeve që gabimisht u identifikuan si relevante). Një metodë tjetër e vërejtur në sistemet biologjike për tejkalimin e kufizimeve kohore të shtigjeve që aktivizohen me shpejtësi është teprica (d.m.th., shumë kopje të të njëjtit objekt përdoren për të kryer një funksion të caktuar). Të frymëzuar nga biologjia66, ne vendosëm disa qarqe CD në çdo modul CD midis dy linjave të vonesës për të zvogëluar ndikimin e pozitivëve të rremë. Siç tregohet në fig. 6c (vija e gjelbër), vendosja e tre elementeve CD në çdo modul CD mund të zvogëlojë shkallën e alarmit të rremë në më pak se 10–2.
Një efekt i ndryshueshmërisë neuronale në qarqet e linjës së vonesës. b Qarqet e linjës së vonesës mund të shkallëzohen në vonesa të mëdha duke vendosur konstantet kohore të neuroneve përkatëse LIF dhe sinapset DPI në vlera të mëdha. Rritja e numrit të përsëritjeve të procedurës së kalibrimit RRAM bëri të mundur përmirësimin e ndjeshëm të saktësisë së vonesës së synuar: 200 përsëritje e reduktuan gabimin në më pak se 5%. Një përsëritje korrespondon me një operacion SET/RESET në një qelizë RRAM. Çdo modul CD në modelin c Jeffress mund të zbatohet duke përdorur N elementë CD paralelë për fleksibilitet më të madh në lidhje me dështimet e sistemit. d Më shumë përsëritje të kalibrimit RRAM rrisin normën e vërtetë pozitive (vija blu), ndërsa norma false pozitive është e pavarur nga numri i përsëritjeve (vija jeshile). Vendosja paralelisht e më shumë elementeve CD shmang zbulimin e rremë të përputhjeve të modulit CD.
Tani vlerësojmë performancën dhe konsumin e energjisë së sistemit të integruar të lokalizimit të objekteve nga skaji në skaj të paraqitur në Figurën 2 duke përdorur matjet e vetive akustike të sensorit pMUT, CD dhe qarqeve të linjës së vonesës që përbëjnë grafikun llogaritës neuromorfik. Modeli Jeffress (Fig. 1a). Sa i përket grafikut kompjuterik neuromorfik, sa më i madh të jetë numri i moduleve CD, aq më e mirë është rezolucioni këndor, por edhe aq më e lartë është energjia e sistemit (Fig. 7a). Një kompromis mund të arrihet duke krahasuar saktësinë e komponentëve individualë (sensorët pMUT, neuronet dhe qarqet sinaptike) me saktësinë e të gjithë sistemit. Rezolucioni i vijës së vonesës kufizohet nga konstantet kohore të sinapseve dhe neuroneve të simuluara, të cilat në skemën tonë kalojnë 10 µs, që korrespondon me një rezolucion këndor prej 4° (shih Metodat). Nyjet më të avancuara me teknologjinë CMOS do të lejojnë projektimin e qarqeve nervore dhe sinaptike me konstante më të ulëta kohore, duke rezultuar në saktësi më të lartë të elementeve të linjës së vonesës. Megjithatë, në sistemin tonë, saktësia kufizohet nga gabimi pMUT në vlerësimin e pozicionit këndor, dmth 10° (vijë horizontale blu në Fig. 7a). Ne fiksuam numrin e moduleve CD në 40, që korrespondon me një rezolucion këndor prej rreth 4°, dmth, saktësinë këndore të grafikut llogaritës (vijë horizontale blu e çelët në Fig. 7a). Në nivelin e sistemit, kjo jep një rezolucion prej 4° dhe një saktësi prej 10° për objektet që ndodhen 50 cm përpara sistemit të sensorit. Kjo vlerë është e krahasueshme me sistemet e lokalizimit të zërit neuromorfik të raportuar në ref. 67. Një krahasim i sistemit të propozuar me gjendjen e teknologjisë mund të gjendet në tabelën plotësuese 1. Shtimi i pMUT-ve shtesë, rritja e nivelit të sinjalit akustik dhe reduktimi i zhurmës elektronike janë mënyra të mundshme për të përmirësuar më tej saktësinë e lokalizimit. ) vlerësohet në 9.7. nz. 55. Duke pasur parasysh 40 njësi CD në grafikun llogaritës, simulimi SPICE vlerësoi energjinë për operacion (dmth. energjia e pozicionimit të objektit) të jetë 21.6 nJ. Sistemi neuromorfik aktivizohet vetëm kur arrin një ngjarje hyrëse, dmth kur një valë akustike arrin çdo marrës pMUT dhe tejkalon pragun e zbulimit, përndryshe ajo mbetet joaktive. Kjo shmang konsumin e panevojshëm të energjisë kur nuk ka sinjal hyrës. Duke marrë parasysh një frekuencë të operacioneve të lokalizimit prej 100 Hz dhe një periudhë aktivizimi prej 300 µs për operacion (maksimumi i mundshëm ITD), konsumi i energjisë i grafikut llogaritës neuromorfik është 61,7 nW. Me para-përpunimin neuromorfik të aplikuar për çdo marrës pMUT, konsumi i energjisë i të gjithë sistemit arrin 81.6 nW. Për të kuptuar efikasitetin energjetik të qasjes neuromorfike të propozuar në krahasim me harduerin konvencional, ne e krahasuam këtë numër me energjinë e nevojshme për të kryer të njëjtën detyrë në një mikrokontrollues modern me fuqi të ulët duke përdorur aftësinë e formimit të rrezeve neuromorfike ose konvencionale68. Qasja neuromorfike merr në konsideratë një fazë të konvertuesit analog në dixhital (ADC), e ndjekur nga një filtër brez-kalimi dhe një fazë e nxjerrjes së zarfit (metoda Teeger-Kaiser). Më në fund, kryhet një operacion pragu për të nxjerrë ToF. Ne kemi hequr llogaritjen e ITD bazuar në ToF dhe konvertimin në pozicionin e vlerësuar këndor pasi kjo ndodh një herë për çdo matje (shih Metodat). Duke supozuar një shpejtësi kampionimi prej 250 kHz në të dy kanalet (marrës pMUT), 18 operacione filtri të kalimit në brez, 3 operacione të nxjerrjes së zarfit dhe 1 operacion në prag për mostër, konsumi total i energjisë vlerësohet në 245 mikrovat. Kjo përdor modalitetin me fuqi të ulët të mikrokontrolluesit69, i cili ndizet kur algoritmet nuk janë duke u ekzekutuar, gjë që redukton konsumin e energjisë në 10,8 µW. Konsumi i energjisë i zgjidhjes së përpunimit të sinjalit formues rreze të propozuar në referencë. 31, me 5 marrës pMUT dhe 11 rreze të shpërndara në mënyrë uniforme në rrafshin e azimutit [-50°, +50°], është 11,71 mW (shih seksionin Metodat për detaje). Përveç kësaj, ne raportojmë konsumin e energjisë të një koduesi të diferencës së kohës (TDE) të bazuar në FPGA47, i vlerësuar në 1,5 mW si një zëvendësim për modelin Jeffress për lokalizimin e objekteve. Bazuar në këto vlerësime, qasja neuromorfike e propozuar redukton konsumin e energjisë me pesë rend të madhësisë në krahasim me një mikrokontrollues që përdor teknikat klasike të formimit të rrezeve për operacionet e lokalizimit të objekteve. Miratimi i një qasje neuromorfike për përpunimin e sinjalit në një mikrokontrollues klasik redukton konsumin e energjisë me rreth dy rend të madhësisë. Efektiviteti i sistemit të propozuar mund të shpjegohet me kombinimin e një qarku analog me memorie rezistente asinkron i aftë për të kryer llogaritjet në memorie dhe mungesën e konvertimit nga analog në dixhital që kërkohet për të perceptuar sinjalet.
a Rezolucioni këndor (blu) dhe konsumi i energjisë (jeshile) i funksionimit të lokalizimit në varësi të numrit të moduleve CD. Shiriti horizontal blu i errët përfaqëson saktësinë këndore të PMUT dhe shiriti horizontal blu i hapur përfaqëson saktësinë këndore të grafikut llogaritës neuromorfik. b Konsumi i energjisë i sistemit të propozuar dhe krahasimi me dy implementimet e diskutuara të mikrokontrolluesve dhe implementimin dixhital të Koderit të Diferencës Kohore (TDE)47 FPGA.
Për të minimizuar konsumin e energjisë të sistemit të lokalizimit të objektivit, ne konceptuam, projektuam dhe zbatuam një qark neuromorfik të bazuar në RRAM të bazuar në ngjarje efikase, i cili përpunon informacionin e sinjalit të gjeneruar nga sensorët e integruar për të llogaritur pozicionin e objektit të synuar në realitet. koha. . Ndërsa metodat tradicionale të përpunimit mostërojnë vazhdimisht sinjalet e zbuluara dhe kryejnë llogaritjet për të nxjerrë informacione të dobishme, zgjidhja neuromorfike e propozuar kryen llogaritjet në mënyrë asinkrone ndërsa informacioni i dobishëm mbërrin, duke maksimizuar efikasitetin e energjisë së sistemit me pesë rend të madhësisë. Përveç kësaj, ne theksojmë fleksibilitetin e qarqeve neuromorfike të bazuara në RRAM. Aftësia e RRAM për të ndryshuar përcjellshmërinë në një mënyrë jo të paqëndrueshme (plasticiteti) kompenson ndryshueshmërinë e natyrshme të qarqeve sinaptike dhe nervore të DPI analoge me fuqi ultra të ulët. Kjo e bën këtë qark të bazuar në RRAM të gjithanshëm dhe të fuqishëm. Qëllimi ynë nuk është të nxjerrim funksione ose modele komplekse nga sinjalet, por të lokalizojmë objektet në kohë reale. Sistemi ynë gjithashtu mund të kompresojë në mënyrë efikase sinjalin dhe përfundimisht ta dërgojë atë në hapat e mëtejshëm të përpunimit për të marrë vendime më komplekse kur është e nevojshme. Në kontekstin e aplikacioneve të lokalizimit, hapi ynë i parapërpunimit neuromorfik mund të sigurojë informacion rreth vendndodhjes së objekteve. Ky informacion mund të përdoret, për shembull, për zbulimin e lëvizjes ose njohjen e gjesteve. Ne theksojmë rëndësinë e kombinimit të sensorëve me fuqi ultra të ulët, si pMUT, me elektronikë me fuqi ultra të ulët. Për këtë, qasjet neuromorfike kanë qenë kyçe pasi ato na kanë çuar në zhvillimin e zbatimeve të reja të qarkut të metodave llogaritëse të frymëzuara biologjikisht, siç është modeli Jeffress. Në kontekstin e aplikacioneve të shkrirjes së sensorëve, sistemi ynë mund të kombinohet me disa sensorë të ndryshëm të bazuar në ngjarje për të marrë informacion më të saktë. Edhe pse bufat janë të shkëlqyera në gjetjen e gjahut në errësirë, ata kanë shikim të shkëlqyer dhe kryejnë një kërkim të kombinuar dëgjimor dhe vizual përpara se të kapin gjahun70. Kur një neuron i caktuar dëgjimor ndizet, bufi merr informacionin që i nevojitet për të përcaktuar se në cilin drejtim të fillojë kërkimin e tij vizual, duke përqendruar kështu vëmendjen e tij në një pjesë të vogël të skenës vizuale. Një kombinim i sensorëve vizualë (kamera DVS) dhe një sensor dëgjimi të propozuar (bazuar në pMUT) duhet të eksplorohet për zhvillimin e agjentëve autonomë të ardhshëm.
Sensori pMUT ndodhet në një PCB me dy marrës afërsisht 10 cm larg njëri-tjetrit dhe transmetuesi ndodhet midis marrësve. Në këtë punim, secila membranë është një strukturë bimorfe e varur e përbërë nga dy shtresa nitride piezoelektrike alumini (AlN) 800 nm të trasha të vendosura midis tre shtresave të molibdenit (Mo) 200 nm të trasha dhe të veshura me një shtresë 200 nm të trashë. shtresa e sipërme pasivizuese SiN siç përshkruhet në referencë. 71. Elektrodat e brendshme dhe të jashtme aplikohen në shtresat e poshtme dhe të sipërme të molibdenit, ndërsa elektroda e mesme e molibdenit është e pa model dhe përdoret si tokëzim, duke rezultuar në një membranë me katër palë elektroda.
Kjo arkitekturë lejon përdorimin e një deformimi të zakonshëm të membranës, duke rezultuar në përmirësimin e ndjeshmërisë së transmetimit dhe pranimit. Një pMUT e tillë zakonisht shfaq një ndjeshmëri ngacmimi prej 700 nm/V si një emetues, duke siguruar një presion sipërfaqësor prej 270 Pa/V. Si marrës, një film pMUT shfaq një ndjeshmëri të qarkut të shkurtër prej 15 nA/Pa, e cila lidhet drejtpërdrejt me koeficientin piezoelektrik të AlN. Ndryshueshmëria teknike e tensionit në shtresën AlN çon në një ndryshim në frekuencën rezonante, e cila mund të kompensohet duke aplikuar një paragjykim DC në pMUT. Ndjeshmëria DC u mat në 0.5 kHz/V. Për karakterizimin akustik, përdoret një mikrofon përpara pMUT.
Për të matur pulsin e jehonës, vendosëm një pllakë drejtkëndëshe me një sipërfaqe prej rreth 50 cm2 përpara pMUT për të reflektuar valët e zërit të emetuar. Si distanca midis pllakave dhe këndi në lidhje me rrafshin pMUT kontrollohen duke përdorur mbajtës të veçantë. Një burim tensioni Tectronix CPX400DP anon tre membrana pMUT, duke akorduar frekuencën rezonante në 111,9 kHz31, ndërsa transmetuesit drejtohen nga një gjenerator pulsi Tectronix AFG 3102 i akorduar në frekuencën rezonante (111,9 kHz , cikli duty) dhe një cikël duty. Rrymat e lexuara nga katër portat e daljes të secilit marrës pMUT konvertohen në tensione duke përdorur një arkitekturë të veçantë të rrymës dhe tensionit diferencial, dhe sinjalet që rezultojnë digjitalizohen nga sistemi i marrjes së të dhënave Spektrum. Kufiri i zbulimit u karakterizua nga marrja e sinjalit pMUT në kushte të ndryshme: ne e zhvendosëm reflektorin në distanca të ndryshme [30, 40, 50, 60, 80, 100] cm dhe ndryshuam këndin mbështetës pMUT ([0, 20, 40] o ) Figura 2b tregon rezolucionin e përkohshëm të zbulimit të ITD në varësi të pozicionit këndor përkatës në gradë.
Ky artikull përdor dy qarqe të ndryshme RRAM jashtë raftit. E para është një grup prej 16,384 (16,000) pajisjesh (128 × 128 pajisje) në një konfigurim 1T1R me një transistor dhe një rezistencë. Çipi i dytë është platforma neuromorfike e paraqitur në Fig. 4a. Qeliza RRAM përbëhet nga një film HfO2 me trashësi 5 nm, i ngulitur në një pirg TiN/HfO2/Ti/TiN. Stacki RRAM është i integruar në pjesën e pasme të linjës (BEOL) të procesit standard CMOS 130 nm. Qarqet neuromorfike të bazuara në RRAM paraqesin një sfidë projektimi për sistemet elektronike tërësisht analoge në të cilat pajisjet RRAM bashkëjetojnë me teknologjinë tradicionale CMOS. Në veçanti, gjendja e përcjelljes së pajisjes RRAM duhet të lexohet dhe të përdoret si një variabël funksioni për sistemin. Për këtë qëllim, është projektuar, fabrikuar dhe testuar një qark që lexon rrymën nga pajisja kur merret një impuls hyrës dhe e përdor këtë rrymë për të peshuar përgjigjen e një sinapsi të integruesit të çifteve diferenciale (DPI). Ky qark është paraqitur në figurën 3a, i cili përfaqëson blloqet bazë të ndërtimit të platformës neuromorfike në figurën 4a. Një impuls i hyrjes aktivizon portën e pajisjes 1T1R, duke induktuar një rrymë përmes RRAM-it në përpjesëtim me përçueshmërinë G të pajisjes (Ipesha = G(Vtop – Vx)). Hyrja përmbysëse e qarkut të amplifikatorit operacional (op-amp) ka një tension konstant të paragjykimit DC Vtop. Reagimi negativ i op-amp do të sigurojë Vx = Vtop duke siguruar rrymë të barabartë nga M1. Ipesha aktuale e marrë nga pajisja injektohet në sinapsin DPI. Një rrymë më e fortë do të rezultojë në më shumë depolarizim, kështu që përçueshmëria RRAM zbaton në mënyrë efektive peshat sinaptike. Kjo rrymë sinaptike eksponenciale injektohet përmes kondensatorit të membranës së neuroneve Leaky Integration and Excitation (LIF), ku integrohet si një tension. Nëse kapërcehet voltazhi i pragut të membranës (tensioni i ndërrimit të inverterit), pjesa dalëse e neuronit aktivizohet, duke prodhuar një goditje dalëse. Ky puls kthehet dhe largon kondensatorin e membranës së neuronit në tokë, duke shkaktuar shkarkimin e tij. Ky qark më pas plotësohet me një zgjerues pulsi (nuk tregohet në Fig. 3a), i cili formëson pulsin e daljes së neuronit LIF në gjerësinë e pulsit të synuar. Multiplekserët janë ndërtuar gjithashtu në secilën linjë, duke lejuar që tensioni të aplikohet në elektrodat e sipërme dhe të poshtme të pajisjes RRAM.
Testimi elektrik përfshin analizimin dhe regjistrimin e sjelljes dinamike të qarqeve analoge, si dhe programimin dhe leximin e pajisjeve RRAM. Të dy hapat kërkojnë mjete të posaçme, të cilat të gjitha janë të lidhura me bordin e sensorit në të njëjtën kohë. Qasja në pajisjet RRAM në qarqet neuromorfike kryhet nga mjete të jashtme përmes një multiplekseri (MUX). MUX ndan qelizën 1T1R nga pjesa tjetër e qarkut të cilit i përket, duke lejuar që pajisja të lexohet dhe/ose të programohet. Për të programuar dhe lexuar pajisjet RRAM, një makinë Keithley 4200 SCS përdoret në lidhje me një mikrokontrollues Arduino: i pari për gjenerimin e saktë të pulsit dhe leximin e rrymës, dhe i dyti për akses të shpejtë në elementët individualë 1T1R në grupin e memories. Operacioni i parë është formimi i pajisjes RRAM. Qelizat zgjidhen një nga një dhe aplikohet një tension pozitiv midis elektrodave të sipërme dhe të poshtme. Në këtë rast, rryma është e kufizuar në rendin e dhjetëra mikroamperëve për shkak të furnizimit të tensionit përkatës të portës në tranzistorin e përzgjedhësit. Më pas, qeliza RRAM mund të qarkullojë midis një gjendjeje përçueshmërie të ulët (LCS) dhe një gjendje përçueshmërie të lartë (HCS) duke përdorur respektivisht operacionet RESET dhe SET. Operacioni SET kryhet duke aplikuar një impuls tensioni drejtkëndor me një kohëzgjatje prej 1 μs dhe një tension maksimal prej 2,0-2,5 V në elektrodën e sipërme dhe një impuls sinkronizues të një forme të ngjashme me një tension maksimal prej 0,9-1,3 V në porta e tranzistorit përzgjedhës. Këto vlera lejojnë të modulojnë përçueshmërinë RRAM në intervale 20-150 µs. Për RESET, një impuls i pikut 1 µs i gjerë, 3 V zbatohet në elektrodën e poshtme (linja e bitit) të qelizës kur tensioni i portës është në intervalin 2,5-3,0 V. Hyrjet dhe daljet e qarqeve analoge janë sinjale dinamike . Për hyrje, ne ndërthurëm dy gjeneratorë pulsi HP 8110 me gjeneratorët e sinjalit Tektronix AFG3011. Pulsi i hyrjes ka një gjerësi prej 1 µs dhe një skaj ngritje/rënie prej 50 ns. Ky lloj impulsi supozohet të jetë një defekt tipik në qarqet e bazuara në defekte analoge. Sa i përket sinjalit të daljes, sinjali i daljes u regjistrua duke përdorur një oshiloskop Teledyne LeCroy 1 GHz. Shpejtësia e marrjes së një oshiloskopi është vërtetuar se nuk është një faktor kufizues në analizën dhe marrjen e të dhënave të qarkut.
Përdorimi i dinamikës së elektronikës analoge për të simuluar sjelljen e neuroneve dhe sinapseve është një zgjidhje elegante dhe efikase për të përmirësuar efikasitetin llogaritës. Disavantazhi i kësaj shtrese llogaritëse është se do të ndryshojë nga skema në skemë. Ne përcaktuam ndryshueshmërinë e neuroneve dhe qarqeve sinaptike (Figura plotësuese 2a,b). Nga të gjitha manifestimet e ndryshueshmërisë, ato që lidhen me konstantet kohore dhe fitimin e hyrjes kanë ndikimin më të madh në nivel sistemi. Konstanta kohore e neuronit LIF dhe sinapsës DPI përcaktohet nga një qark RC, ku vlera e R kontrollohet nga një tension paragjykim i aplikuar në portën e transistorit (Vlk për neuronin dhe Vtau për sinapsin), duke përcaktuar shkalla e rrjedhjes. Fitimi i hyrjes përcaktohet si tensioni maksimal i arritur nga kondensatorët e membranës sinaptike dhe neuronale të stimuluar nga një impuls hyrës. Fitimi i hyrjes kontrollohet nga një tranzistor tjetër i paragjykimit i cili modulon rrymën hyrëse. Një simulim Monte Carlo i kalibruar në procesin 130 nm të ST Microelectronics u krye për të mbledhur disa statistika fitimi të hyrjes dhe konstante kohore. Rezultatet janë paraqitur në Figurën Suplementare 2, ku fitimi i hyrjes dhe konstantja e kohës janë përcaktuar sasiore si një funksion i tensionit të paragjykimit që kontrollon shkallën e rrjedhjes. Shënuesit e gjelbër përcaktojnë sasinë e devijimit standard të konstantës së kohës nga mesatarja. Të dy neuronet dhe qarqet sinaptike ishin në gjendje të shprehin një gamë të gjerë konstantesh kohore në intervalin 10-5-10-2 s, siç tregohet në skemën Fig. Amplifikimi i hyrjes (Figura suplementare 2e,d) i ndryshueshmërisë së neuroneve dhe sinapseve ishte afërsisht 8% dhe 3%, respektivisht. Një mangësi e tillë është e dokumentuar mirë në literaturë: matje të ndryshme u kryen në grupin e çipave DYNAP për të vlerësuar mospërputhjen midis popullatave të neuroneve LIF63. Sinapset në çipin e sinjalit të përzier të BrainScale u matën dhe u analizuan mospërputhjet e tyre dhe u propozua një procedurë kalibrimi për të zvogëluar efektin e ndryshueshmërisë së nivelit të sistemit64.
Funksioni i RRAM në qarqet neuromorfike është i dyfishtë: përcaktimi i arkitekturës (drejtimi i hyrjeve në dalje) dhe zbatimi i peshave sinaptike. Vetia e fundit mund të përdoret për të zgjidhur problemin e ndryshueshmërisë së qarqeve neuromorfike të modeluara. Ne kemi zhvilluar një procedurë të thjeshtë kalibrimi që përfshin riprogramimin e pajisjes RRAM derisa qarku që analizohet të përmbushë disa kërkesa. Për një hyrje të caktuar, dalja monitorohet dhe RRAM riprogramohet derisa të arrihet sjellja e synuar. Një kohë pritjeje prej 5 s u prezantua midis operacioneve të programimit për të zgjidhur problemin e relaksimit të RRAM që rezulton në luhatje kalimtare të përcjellshmërisë (Informacion Suplementar). Peshat sinaptike rregullohen ose kalibrohen sipas kërkesave të qarkut neuromorfik që modelohet. Procedura e kalibrimit përmblidhet në algoritme shtesë [1, 2] që fokusohen në dy tipare themelore të platformave neuromorfike, linjat e vonesës dhe CD-të e pandjeshme ndaj drejtimit. Për një qark me një linjë vonese, sjellja e synuar është të sigurojë një impuls dalës me një vonesë Δt. Nëse vonesa aktuale e qarkut është më e vogël se vlera e synuar, pesha sinaptike e G3 duhet të reduktohet (G3 duhet të rivendoset dhe më pas të vendoset në një rrymë më të ulët të përputhjes Icc). Në të kundërt, nëse vonesa aktuale është më e madhe se vlera e synuar, përçueshmëria e G3 duhet të rritet (G3 fillimisht duhet të rivendoset dhe më pas të vendoset në një vlerë më të lartë Icc). Ky proces përsëritet derisa vonesa e krijuar nga qarku të përputhet me vlerën e synuar dhe të vendoset një tolerancë për të ndaluar procesin e kalibrimit. Për CD-të e pandjeshme ndaj orientimit, dy pajisje RRAM, G1 dhe G3, përfshihen në procesin e kalibrimit. Ky qark ka dy hyrje, Vin0 dhe Vin1, të vonuara me dt. Qarku duhet t'i përgjigjet vetëm vonesave nën intervalin e përputhjes [0,dtCD]. Nëse nuk ka kulm në dalje, por kulmi i hyrjes është afër, të dy pajisjet RRAM duhet të rriten për të ndihmuar neuronin të arrijë pragun. Në të kundërt, nëse qarku i përgjigjet një vonese që tejkalon diapazonin e synuar të dtCD, përçueshmëria duhet të reduktohet. Përsëriteni procesin derisa të arrihet sjellja e duhur. Rryma e pajtueshmërisë mund të modulohet nga qarku analog i integruar në ref. 72,73. Me këtë qark të integruar, procedura të tilla mund të kryhen periodikisht për të kalibruar sistemin ose për ta ripërdorur atë për një aplikacion tjetër.
Ne vlerësojmë konsumin e energjisë së qasjes sonë të përpunimit neuromorfik të sinjalit në një mikrokontrollues standard 32-bit68. Në këtë vlerësim, ne supozojmë funksionimin me të njëjtin konfigurim si në këtë punim, me një transmetues pMUT dhe dy marrës pMUT. Kjo metodë përdor një filtër brezkalimi, i ndjekur nga një hap i nxjerrjes së zarfit (Teeger-Kaiser), dhe në fund një operacion kufiri zbatohet në sinjal për të nxjerrë kohën e fluturimit. Llogaritja e ITD dhe shndërrimi i tij në kënde të zbulimit janë lënë jashtë në vlerësim. Ne e konsiderojmë zbatimin e filtrit të kalimit në brez duke përdorur një filtër përgjigjeje impulsi të pafund të rendit të katërt që kërkon 18 operacione me pikë lundruese. Nxjerrja e zarfit përdor tre operacione të tjera me pikë lundruese dhe operacioni i fundit përdoret për të vendosur pragun. Një total prej 22 operacionesh me pikë lundruese kërkohen për të parapërpunuar sinjalin. Sinjali i transmetuar është një shpërthim i shkurtër i formës së valës sinus 111,9 kHz i krijuar çdo 10 ms që rezulton në një frekuencë funksionimi pozicionimi prej 100 Hz. Ne përdorëm një shpejtësi kampionimi prej 250 kHz për t'u përputhur me Nyquist dhe një dritare 6 ms për çdo matje për të kapur një interval prej 1 metër. Vini re se 6 milisekonda është koha e fluturimit të një objekti që është 1 metër larg. Kjo siguron një konsum energjie prej 180 µW për konvertimin A/D në 0,5 MSPS. Parapërpunimi i sinjalit është 6,60 MIPS (instruksione për sekondë), duke gjeneruar 0,75 mW. Megjithatë, mikrokontrolluesi mund të kalojë në një modalitet me fuqi të ulët 69 kur algoritmi nuk funksionon. Ky modalitet siguron një konsum statik të energjisë prej 10,8 μW dhe një kohë zgjimi prej 113 μs. Duke pasur parasysh një frekuencë të orës prej 84 MHz, mikrokontrolluesi përfundon të gjitha operacionet e algoritmit neuromorfik brenda 10 ms, dhe algoritmi llogarit një cikël pune prej 6.3%, duke përdorur kështu një modalitet me fuqi të ulët. Shpërndarja e fuqisë që rezulton është 244.7 μW. Vini re se ne e harrojmë daljen ITD nga ToF dhe konvertimin në këndin e zbulimit, duke nënvlerësuar kështu konsumin e energjisë së mikrokontrolluesit. Kjo siguron vlerë shtesë për efikasitetin energjetik të sistemit të propozuar. Si një kusht krahasues shtesë, ne vlerësojmë konsumin e energjisë së metodave klasike të formimit të rrezeve të propozuara në referencë. 31.54 kur futet në të njëjtin mikrokontrollues68 në tensionin e furnizimit 1.8V. Pesë membrana pMUT të vendosura në mënyrë të barabartë përdoren për të marrë të dhëna për formimin e rrezeve. Sa i përket vetë përpunimit, metoda e formimit të rrezes që përdoret është përmbledhja e vonesës. Ai thjesht konsiston në aplikimin e një vonese në korsitë që korrespondon me diferencën e pritur në kohën e mbërritjes midis një korsie dhe korsisë së referencës. Nëse sinjalet janë në fazë, shuma e këtyre sinjaleve do të ketë një energji të lartë pas një zhvendosjeje kohore. Nëse ato janë jashtë fazës, ndërhyrja shkatërruese do të kufizojë energjinë e shumës së tyre. në një marrëdhënie. Në fig. 31, zgjidhet një shpejtësi kampionimi prej 2 MHz për të zhvendosur në kohë të dhënat me një numër të plotë mostrash. Një qasje më modeste është ruajtja e një shpejtësie më të ashpër të mostrës prej 250 kHz dhe përdorimi i një filtri të përgjigjes së impulsit të fundëm (FIR) për të sintetizuar vonesat fraksionale. Ne do të supozojmë se kompleksiteti i algoritmit të formimit të rrezes përcaktohet kryesisht nga zhvendosja e kohës, pasi çdo kanal është i ndërthurur me një filtër FIR me 16 trokitje në çdo drejtim. Për të llogaritur numrin e MIPS të kërkuar për këtë operacion, ne kemi parasysh një dritare prej 6ms për matje për të kapur një rreze prej 1 metër, 5 kanale, 11 drejtime të formimit të rrezeve (varg +/- 50° në hapa 10°). 75 matje në sekondë e shtynë mikrokontrolluesin në maksimum prej 100 MIPS. Lidhje. 68, duke rezultuar në një shpërndarje të energjisë prej 11,26 mW për një shpërndarje totale të fuqisë prej 11,71 mW pas shtimit të kontributit ADC në bord.
Të dhënat që mbështesin rezultatet e këtij studimi janë në dispozicion nga autori përkatës, FM, me kërkesë të arsyeshme.
Indiveri, G. & Sandamirskaya, Y. Rëndësia e hapësirës dhe kohës për përpunimin e sinjalit në agjentët neuromorfikë: Sfida e zhvillimit të agjentëve autonome me fuqi të ulët që ndërveprojnë me mjedisin. Indiveri, G. & Sandamirskaya, Y. Rëndësia e hapësirës dhe kohës për përpunimin e sinjalit në agjentët neuromorfikë: Sfida e zhvillimit të agjentëve autonome me fuqi të ulët që ndërveprojnë me mjedisin.Indiveri G. dhe Sandamirskaya Y. Rëndësia e hapësirës dhe kohës për përpunimin e sinjalit në agjentët neuromorfikë: sfida e zhvillimit të agjentëve autonome me fuqi të ulët që ndërveprojnë me mjedisin. 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. dhe Sandamirskaya Y. Rëndësia e hapësirës dhe kohës për përpunimin e sinjalit në agjentët neuromorfikë: sfida e zhvillimit të agjentëve autonome me fuqi të ulët që ndërveprojnë me mjedisin.Përpunimi i sinjalit IEEE. Revista 36, 16–28 (2019).
Thorpe, SJ Peak Arrival Time: An Efficient Neural Network Coding Skeme. në Eckmiller, R., Hartmann, G. & Hauske, G. (eds). në Eckmiller, R., Hartmann, G. & Hauske, G. (eds).në Eckmiller, R., Hartmann, G. dhe Hauske, G. (eds.).Në Eckmiller, R., Hartmann, G., dhe Hauske, G. (eds.). Përpunimi paralel në sistemet nervore dhe kompjuterët 91-94 (North-Holland Elsevier, 1990).
Levy, WB & Calvert, VG Communication konsumon 35 herë më shumë energji sesa llogaritja në korteksin e njeriut, por të dyja kostot nevojiten për të parashikuar numrin e sinapseve. Levy, WB & Calvert, VG Communication konsumon 35 herë më shumë energji sesa llogaritja në korteksin e njeriut, por të dyja kostot nevojiten për të parashikuar numrin e sinapseve.Levy, WB dhe Calvert, WG Communication konsumon 35 herë më shumë energji sesa llogaritja në korteksin e njeriut, por të dyja kostot janë të nevojshme për të parashikuar numrin e sinapave. Levy, WB & Calvert, VG Communication. Levy, WB & Calvert, VG CommunicationLevy, WB dhe Calvert, WG Communication konsumojnë 35 herë më shumë energji sesa llogaritja në korteksin e njeriut, por të dyja kostot kërkojnë parashikimin e numrit të sinapseve.procesi. Akademia Kombëtare e Shkencave. shkenca. US 118, https://doi.org/10.1073/pnas.2008173118 (2021).
Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Llogaritja neuromorfike e frymëzuar nga insektet. Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Llogaritja neuromorfike e frymëzuar nga insektet.Dalgati, T., Vianello, E., DeSalvo, B. dhe Casas, J. llogaritja neuromorfike e frymëzuar nga insektet.Dalgati T., Vianello E., DeSalvo B. dhe Casas J. Llogaritja neuromorfike e frymëzuar nga insektet. Aktuale. Opinion. Shkenca e insekteve. 30, 59–66 (2018).
Roy, K., Jaiswal, A. & Panda, P. Drejt inteligjencës makinerike të bazuar në spike me llogaritjen neuromorfike. Roy, K., Jaiswal, A. & Panda, P. Drejt inteligjencës makinerike të bazuar në spike me llogaritjen neuromorfike. Roy, K., Jaiswal, A. & Panda, P. Drejt inteligjencës makinerike të bazuar në spike me llogaritjen neuromorfike.Roy K, Jaiswal A dhe Panda P. Inteligjenca artificiale e bazuar në puls duke përdorur llogaritjen neuromorfike. Nature 575, 607–617 (2019).
Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. dhe Liu, S.-K. Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. dhe Liu, S.-K.Përpunimi i kujtesës dhe informacionit në sistemet neuromorfike. procesi. IEEE 103, 1379–1397 (2015).
Akopyan F. et al. Truenorth: Projektimi dhe paketa e veglave për një çip sinaptik të programueshëm 65 mW 1 milion neuron. Transaksionet IEEE. Projektimi kompjuterik i sistemeve të qarkut të integruar. 34, 1537–1557 (2015).
Schemmel, J. et al. Demonstrimi i drejtpërdrejtë: versioni i zvogëluar i sistemit neuromorfik BrainScaleS në shkallën e pllakave. 2012 Simpoziumi Ndërkombëtar i IEEE mbi qarqet dhe sistemet (ISCAS), (ed. IEEE) 702–702 (2012).
Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. Një arkitekturë e shkallëzueshme me shumë bërthama me struktura heterogjene memorie për procesorë dinamikë neuromorfikë asinkronë (DYNAPs). Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. Një arkitekturë e shkallëzueshme me shumë bërthama me struktura heterogjene memorie për procesorë dinamikë neuromorfikë asinkronë (DYNAPs).Moradi S., Qiao N., Stefanini F. dhe Indiviri G. Një arkitekturë e shkallëzueshme me shumë bërthama me struktura heterogjene memorie për procesorë dinamikë neuromorfikë asinkronë (DYNAP). Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G.一种可扩展的多核架构，具有用于动态神经形态异步处理器(DYNAP) 的异昄动 Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. Një lloj arkitekture me shumë bërthama të zgjerueshme, me një strukturë unike memorie për përpunimin nervor dinamik (DYNAP).Moradi S., Qiao N., Stefanini F. dhe Indiviri G. Një arkitekturë e shkallëzueshme me shumë bërthama me struktura heterogjene memorie për procesorë dinamikë neuromorfikë asinkronë (DYNAP).Transaksionet IEEE mbi shkencën biomjekësore. sistemi elektrik. 12, 106–122 (2018).
Davis, M. et al. Loihi: Një procesor neuromorfik me shumë bërthama me mësim të integruar. IEEE Micro 38, 82–99 (2018).
Furber, SB, Galluppi, F., Temple, S. & Plana, LA Projekti SpiNNaker. Furber, SB, Galluppi, F., Temple, S. & Plana, LA Projekti SpiNNaker.Projekti Ferber SB, Galluppi F., Temple S. dhe Plana LA SpiNNaker.Projekti Ferber SB, Galluppi F., Temple S. dhe Plana LA SpiNNaker. procesi. IEEE 102, 652–665 (2014).
Liu, S.-K. & Delbruck, T. Sistemet ndijore neuromorfike. & Delbruck, T. Sistemet ndijore neuromorfike.dhe Delbrück T. Sistemet ndijore neuromorfike. & Delbruck, T. 神经形态感觉系统. & Delbruck, T.dhe Delbrück T. Sistemi ndijor neuromorfik.Aktuale. Opinion. Neurobiologjia. 20, 288-295 (2010).
Chope, T. et al. Integrimi ndijor neuromorfik për lokalizimin e kombinuar të burimit të zërit dhe shmangien e përplasjeve. Në 2019 në Konferencën IEEE mbi Qarqet dhe Sistemet Biomjekësore (BioCAS), (IEEE Ed.) 1–4 (2019).
Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. Një arkitekturë neuromorfike e vizionit stereo me bazë spike. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. Një arkitekturë neuromorfike e vizionit stereo me bazë spike.Risi N, Aymar A, Donati E, Solinas S dhe Indiveri G. Një arkitekturë stereovizioni neuromorfike e bazuar në thumba. 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 dhe Indiveri G. Arkitektura neuromorfike e bazuar në spike për vizion stereo.përpara. Neurorobotics 14, 93 (2020).
Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Një model i mprehtë i rrjetit nervor të perceptimit 3D për sistemet e vizionit stereo neuromorfik të bazuar në ngjarje. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Një model i mprehtë i rrjetit nervor të perceptimit 3D për sistemet e vizionit stereo neuromorfik të bazuar në ngjarje.Oswald, M., Ieng, S.-H., Benosman, R. dhe Indiveri, G. Një model i perceptimit të rrjetit nervor 3D me pulsim për sistemet e vizionit stereo neuromorfik të bazuar në ngjarje. 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. dhe Indiveri, G. Modeli i rrjetit nervor me perceptim 3D Spiked për një sistem vizioni stereo neuromorfik të bazuar në ngjarje.shkenca. Raporti 7, 1–11 (2017).
Dalgaty, T. et al. Zbulimi bazë i lëvizjes i frymëzuar nga insektet përfshin kujtesën rezistente dhe rrjetet nervore të shpërthyera. Sistemi biohibrid bionik. 10928, 115–128 (2018).
D'Angelo, G. et al. Zbulimi i lëvizjes ekscentrike i bazuar në ngjarje duke përdorur kodimin diferencial të përkohshëm. përpara. Neurologjia. 14, 451 (2020).
Koha e postimit: Nëntor-17-2022