செய்தி

நிஜ-உலக தரவு செயலாக்கப் பயன்பாடுகளுக்கு கச்சிதமான, குறைந்த தாமதம், குறைந்த சக்தி கொண்ட கணினி அமைப்புகள் தேவை. நிகழ்வு-உந்துதல் கணினி திறன்களுடன், நிரப்பு உலோக-ஆக்சைடு-குறைக்கடத்தி ஹைப்ரிட் மெம்ரிஸ்டிவ் நியூரோமார்பிக் கட்டமைப்புகள் அத்தகைய பணிகளுக்கு சிறந்த வன்பொருள் அடித்தளத்தை வழங்குகிறது. அத்தகைய அமைப்புகளின் முழுத் திறனையும் நிரூபிக்க, நிஜ உலக பொருள் உள்ளூர்மயமாக்கல் பயன்பாடுகளுக்கான விரிவான சென்சார் செயலாக்க தீர்வை நாங்கள் முன்மொழிகிறோம் மற்றும் சோதனை ரீதியாக நிரூபிக்கிறோம். பார்ன் ஆவ்ல் நியூரோஅனாடமியில் இருந்து உத்வேகத்தை உருவாக்கி, ஒரு பயோ இன்ஸ்பைர்டு, நிகழ்வு-உந்துதல் பொருள் உள்ளூர்மயமாக்கல் அமைப்பை நாங்கள் உருவாக்கியுள்ளோம், இது ஒரு அதிநவீன பைசோ எலக்ட்ரிக் மைக்ரோமெக்கானிக்கல் டிரான்ஸ்யூசர் டிரான்ஸ்யூசர் மற்றும் கணக்கீட்டு வரைபட அடிப்படையிலான நியூரோமார்பிக் ரெசிஸ்டிவ் நினைவகத்தை இணைக்கிறது. நினைவக அடிப்படையிலான ரெசிஸ்டிவ் தற்செயல் கண்டறிதல், தாமத வரி சுற்று மற்றும் முழுமையாக தனிப்பயனாக்கக்கூடிய மீயொலி மின்மாற்றி ஆகியவற்றை உள்ளடக்கிய புனையப்பட்ட அமைப்பின் அளவீடுகளைக் காட்டுகிறோம். கணினி மட்டத்தில் உருவகப்படுத்துதல்களை அளவீடு செய்ய இந்த சோதனை முடிவுகளைப் பயன்படுத்துகிறோம். பொருளின் உள்ளூர்மயமாக்கல் மாதிரியின் கோணத் தீர்மானம் மற்றும் ஆற்றல் செயல்திறனை மதிப்பிடுவதற்கு இந்த உருவகப்படுத்துதல்கள் பயன்படுத்தப்படுகின்றன. ஒரே பணியைச் செய்யும் மைக்ரோகண்ட்ரோலர்களைக் காட்டிலும் எங்கள் அணுகுமுறை அதிக ஆற்றல் திறன் கொண்டதாக இருக்கும் என்று முடிவுகள் காட்டுகின்றன.
நம் அன்றாட வாழ்வில் நமக்கு உதவுவதற்காக பயன்படுத்தப்படும் சாதனங்கள் மற்றும் அமைப்புகளின் எண்ணிக்கை அதிவேகமாக வளர்ந்து வரும் எங்கும் நிறைந்த கம்ப்யூட்டிங்கின் சகாப்தத்தில் நாம் நுழைகிறோம். இந்த அமைப்புகள் தொடர்ச்சியாக இயங்கும் என எதிர்பார்க்கப்படுகிறது, அதே நேரத்தில் பல சென்சார்களில் இருந்து சேகரிக்கும் தரவை நிகழ்நேரத்தில் விளக்குவது மற்றும் வகைப்படுத்தல் அல்லது அங்கீகாரப் பணிகளின் விளைவாக பைனரி வெளியீட்டை உருவாக்குவது ஆகியவற்றைக் கற்றுக் கொள்ளும்போது, ​​முடிந்தவரை குறைந்த சக்தியைப் பயன்படுத்துகிறது. இந்த இலக்கை அடைய தேவையான மிக முக்கியமான படிகளில் ஒன்று, சத்தமில்லாத மற்றும் பெரும்பாலும் முழுமையடையாத உணர்ச்சி தரவுகளிலிருந்து பயனுள்ள மற்றும் சிறிய தகவல்களைப் பிரித்தெடுப்பதாகும். வழக்கமான பொறியியல் அணுகுமுறைகள் பொதுவாக மாதிரி சென்சார் சிக்னல்களை நிலையான மற்றும் அதிக விகிதத்தில், பயனுள்ள உள்ளீடுகள் இல்லாவிட்டாலும் பெரிய அளவிலான தரவை உருவாக்குகிறது. கூடுதலாக, இந்த முறைகள் சிக்கலான டிஜிட்டல் சிக்னல் செயலாக்க நுட்பங்களைப் பயன்படுத்தி (பெரும்பாலும் சத்தம்) உள்ளீட்டுத் தரவை முன்கூட்டியே செயலாக்குகின்றன. மாறாக, உயிரியல் ஆற்றல்-திறனுள்ள, ஒத்திசைவற்ற, நிகழ்வு-உந்துதல் அணுகுமுறைகள் (ஸ்பைக்ஸ்) 2,3 ஐப் பயன்படுத்தி சத்தமில்லாத உணர்ச்சித் தரவை செயலாக்க மாற்று தீர்வுகளை வழங்குகிறது. நியூரோமார்பிக் கம்ப்யூட்டிங் பாரம்பரிய சமிக்ஞை செயலாக்க முறைகளுடன் ஒப்பிடும்போது ஆற்றல் மற்றும் நினைவக தேவைகளின் அடிப்படையில் கணக்கீட்டு செலவுகளை குறைக்க உயிரியல் அமைப்புகளிலிருந்து உத்வேகம் பெறுகிறது 4,5,6. சமீபத்தில், உந்துவிசை நரம்பியல் நெட்வொர்க்குகளை (TrueNorth7, BrainScaleS8, DYNAP-SE9, Loihi10, Spinnaker11) செயல்படுத்தும் புதுமையான பொதுநோக்க மூளை சார்ந்த அமைப்புகள் நிரூபிக்கப்பட்டுள்ளன. இந்த செயலிகள் இயந்திர கற்றல் மற்றும் கார்டிகல் சர்க்யூட் மாடலிங் ஆகியவற்றிற்கான குறைந்த ஆற்றல், குறைந்த தாமத தீர்வுகளை வழங்குகின்றன. அவற்றின் ஆற்றல் திறனை முழுமையாகப் பயன்படுத்த, இந்த நியூரோமார்பிக் செயலிகள் நேரடியாக நிகழ்வு-உந்துதல் உணரிகளுடன் இணைக்கப்பட வேண்டும்12,13. இருப்பினும், இன்று ஒரு சில தொடு சாதனங்கள் மட்டுமே நேரடியாக நிகழ்வு சார்ந்த தரவை வழங்குகின்றன. டிராக்கிங் மற்றும் மோஷன் கண்டறிதல் போன்ற பார்வை பயன்பாடுகளுக்கான டைனமிக் விஷுவல் சென்சார்கள் (DVS) சிலிக்கான் கோக்லியா18 மற்றும் நியூரோமார்பிக் ஆடிட்டரி சென்சார்கள் (NAS)19 செவிவழி சமிக்ஞை செயலாக்கம், ஆல்ஃபாக்டரி சென்சார்கள்20 மற்றும் பல எடுத்துக்காட்டுகள் . அமைப்பு உணரிகள்.
இந்த தாளில், பொருள் உள்ளூர்மயமாக்கலுக்குப் பயன்படுத்தப்படும் புதிதாக உருவாக்கப்பட்ட நிகழ்வு-உந்துதல் செவிவழி செயலாக்க அமைப்பை நாங்கள் வழங்குகிறோம். இங்கே, முதன்முறையாக, நியூரோமார்பிக் ரெசிஸ்டிவ் நினைவகத்தின் (RRAM) அடிப்படையிலான கணக்கீட்டு வரைபடத்துடன் அதிநவீன பைசோ எலக்ட்ரிக் மைக்ரோமச்சின் அல்ட்ராசோனிக் டிரான்ஸ்யூசரை (pMUT) இணைப்பதன் மூலம் பெறப்பட்ட பொருளின் உள்ளூர்மயமாக்கலுக்கான எண்ட்-டு-எண்ட் அமைப்பை நாங்கள் விவரிக்கிறோம். RRAM ஐப் பயன்படுத்தி நினைவகத்தில் உள்ள கணினி கட்டமைப்புகள் மின் நுகர்வு23,24,25,26,27,28,29 குறைப்பதற்கான ஒரு நம்பிக்கைக்குரிய தீர்வாகும். அவற்றின் உள்ளார்ந்த நிலையற்ற தன்மை-தகவலைச் சேமிக்க அல்லது புதுப்பிக்க செயலில் உள்ள ஆற்றல் நுகர்வு தேவையில்லை-நியூரோமார்பிக் கம்ப்யூட்டிங்கின் ஒத்திசைவற்ற, நிகழ்வு-உந்துதல் இயல்புடன் சரியாகப் பொருந்துகிறது, இதன் விளைவாக கணினி செயலற்ற நிலையில் இருக்கும்போது மின் நுகர்வு இல்லை. பைசோஎலக்ட்ரிக் மைக்ரோமச்சின் அல்ட்ராசோனிக் டிரான்ஸ்யூசர்கள் (pMUTகள்) மலிவானவை, மினியேட்டரைஸ் செய்யப்பட்ட சிலிக்கான் அடிப்படையிலான அல்ட்ராசோனிக் டிரான்ஸ்டியூசர்கள் டிரான்ஸ்மிட்டர்கள் மற்றும் ரிசீவர்களாக செயல்படும் திறன் கொண்டவை30,31,32,33. உள்ளமைக்கப்பட்ட சென்சார்கள் மூலம் பெறப்பட்ட சிக்னல்களை செயலாக்க, நாங்கள் பார்ன் ஆந்தை நியூரோஅனாடமி 35,36,37 இலிருந்து உத்வேகம் பெற்றோம். களஞ்சிய ஆந்தை டைட்டோ ஆல்பா அதன் குறிப்பிடத்தக்க இரவு வேட்டைத் திறன்களுக்காக அறியப்படுகிறது, இது மிகவும் திறமையான செவிவழி உள்ளூர்மயமாக்கல் அமைப்புக்கு நன்றி. இரையின் இருப்பிடத்தைக் கணக்கிட, களஞ்சிய ஆந்தையின் உள்ளூர்மயமாக்கல் அமைப்பு, இரையிலிருந்து வரும் ஒலி அலைகள் ஆந்தையின் ஒவ்வொரு காதுகளையும் அல்லது ஒலி ஏற்பிகளையும் அடையும் போது பறக்கும் நேரத்தை (ToF) குறியாக்குகிறது. காதுகளுக்கு இடையே உள்ள தூரம் கொடுக்கப்பட்டால், இரண்டு ToF அளவீடுகளுக்கு இடையே உள்ள வித்தியாசம் (Interaural Time Difference, ITD) இலக்கின் அசிமுத் நிலையை பகுப்பாய்வு முறையில் கணக்கிடுவதை சாத்தியமாக்குகிறது. இயற்கணித சமன்பாடுகளைத் தீர்ப்பதற்கு உயிரியல் அமைப்புகள் மிகவும் பொருத்தமாக இல்லை என்றாலும், அவை உள்ளூர்மயமாக்கல் சிக்கல்களை மிகவும் திறம்பட தீர்க்க முடியும். பார்ன் ஆந்தை நரம்பு மண்டலம் தற்செயல் கண்டுபிடிப்பான் (சிடி) 35 நியூரான்களின் தொகுப்பைப் பயன்படுத்துகிறது (அதாவது, ஸ்பைக்குகளுக்கு இடையே உள்ள தற்காலிக தொடர்புகளைக் கண்டறியும் திறன் கொண்ட நியூரான்கள் குவிந்த உற்சாக முடிவுகளுக்கு கீழ்நோக்கி பரவுகின்றன)
ITD13, 40 ஐப் பயன்படுத்தி நிலையைக் கணக்கிடுவதற்கான ஒரு திறமையான முறையாக பார்ன் ஆந்தையின் தாழ்வான கோலிகுலஸால் ("ஆடிட்டரி கார்டெக்ஸ்") ஈர்க்கப்பட்ட நிரப்பு உலோக-ஆக்சைடு-குறைக்கடத்தி (CMOS) வன்பொருள் மற்றும் RRAM-சார்ந்த நியூரோமார்பிக் வன்பொருள் என்று முந்தைய ஆராய்ச்சி காட்டுகிறது. 42. முக்கிய பிரச்சனை அனலாக் CMOS சுற்றுகளின் உள்ளார்ந்த மாறுபாடு ஆகும், இது போட்டி கண்டறிதலின் துல்லியத்தை பாதிக்கிறது. சமீபத்தில், ITD47 மதிப்பீடுகளின் மாற்று எண் செயலாக்கங்கள் நிரூபிக்கப்பட்டுள்ளன. இந்தத் தாளில், அனலாக் சர்க்யூட்களில் உள்ள மாறுபாட்டை எதிர்ப்பதற்கு, நிலையற்ற முறையில் கடத்தல் மதிப்பை மாற்ற RRAM இன் திறனைப் பயன்படுத்த நாங்கள் முன்மொழிகிறோம். 111.9 kHz அதிர்வெண்ணில் இயங்கும் ஒரு pMUT டிரான்ஸ்மிட்டிங் சவ்வு, இரண்டு pMUT பெறும் சவ்வுகள் (சென்சார்கள்) பார்ன் ஆந்தை காதுகளை உருவகப்படுத்துதல் மற்றும் ஒன்று ஆகியவற்றைக் கொண்ட ஒரு சோதனை முறையை நாங்கள் செயல்படுத்தினோம். எங்கள் உள்ளூர்மயமாக்கல் அமைப்பைச் சோதிக்கவும் அதன் கோணத் தீர்மானத்தை மதிப்பிடவும் pMUT கண்டறிதல் அமைப்பு மற்றும் RRAM-அடிப்படையிலான ITD கணக்கீட்டு வரைபடத்தை நாங்கள் சோதனை முறையில் வகைப்படுத்தினோம்.
வழக்கமான பீம்ஃபார்மிங் அல்லது நியூரோமார்பிக் முறைகளைப் பயன்படுத்தி அதே உள்ளூர்மயமாக்கல் பணியைச் செய்யும் மைக்ரோகண்ட்ரோலரில் டிஜிட்டல் செயலாக்கத்துடன் எங்கள் முறையை ஒப்பிடுகிறோம், மேலும் குறிப்பில் முன்மொழியப்பட்ட ஐடிடி மதிப்பீட்டிற்கான புல நிரலாக்க கேட் அணிவரிசை (எஃப்பிஜிஏ). 47. இந்த ஒப்பீடு முன்மொழியப்பட்ட RRAM-அடிப்படையிலான அனலாக் நியூரோமார்பிக் அமைப்பின் போட்டி ஆற்றல் திறனை எடுத்துக்காட்டுகிறது.
ஒரு துல்லியமான மற்றும் திறமையான பொருள் உள்ளூர்மயமாக்கல் அமைப்பின் மிகவும் குறிப்பிடத்தக்க எடுத்துக்காட்டுகளில் ஒன்று பார்ன் ஆந்தை 35,37,48 இல் காணலாம். அந்தி மற்றும் விடியற்காலையில், கொட்டகை ஆந்தை (டைட்டோ ஆல்பா) முதன்மையாக செயலற்ற கேட்பதை நம்பியுள்ளது, வோல்ஸ் அல்லது எலிகள் போன்ற சிறிய இரையை தீவிரமாக தேடுகிறது. இந்த செவிப்புல வல்லுநர்கள், படம் 1a இல் காட்டப்பட்டுள்ளபடி, வியக்கத்தக்க துல்லியத்துடன் (சுமார் 2°)35 இரையிலிருந்து கேட்கும் சமிக்ஞைகளை உள்ளூர்மயமாக்க முடியும். பார்ன் ஆந்தைகள் அஜிமுத் (கிடைமட்ட) விமானத்தில் ஒலி மூலங்களின் இருப்பிடத்தை ஒலி மூலத்திலிருந்து இரண்டு காதுகளுக்கு வரும் விமானத்தின் (ITD) வேறுபாட்டிலிருந்து ஊகிக்கின்றன. ITD கணக்கீட்டு பொறிமுறையானது Jeffress49,50 ஆல் முன்மொழியப்பட்டது, இது நரம்பியல் வடிவவியலை நம்பியுள்ளது மற்றும் இரண்டு முக்கிய கூறுகள் தேவைப்படுகிறது: ஒரு ஆக்சன், ஒரு நியூரானின் நரம்பு இழை தாமதக் கோடாக செயல்படுகிறது மற்றும் ஒரு கணிப்பு அமைப்பில் ஒழுங்கமைக்கப்பட்ட தற்செயல் கண்டறிதல் நியூரான்களின் வரிசை. படம் 1b இல் காட்டப்பட்டுள்ளபடி வரைபடம். அசிமுத் சார்ந்த நேர தாமதத்துடன் (ITD) ஒலி காதை அடைகிறது. பின்னர் ஒலி ஒவ்வொரு காதிலும் ஒரு ஸ்பைக் வடிவமாக மாற்றப்படுகிறது. இடது மற்றும் வலது காதுகளின் அச்சுகள் தாமதக் கோடுகளாகச் செயல்படுகின்றன மற்றும் குறுவட்டு நியூரான்களில் ஒன்றிணைகின்றன. கோட்பாட்டளவில், பொருந்திய நியூரான்களின் வரிசையில் ஒரே ஒரு நியூரான் மட்டுமே ஒரே நேரத்தில் உள்ளீட்டைப் பெறும் (தாமதம் சரியாக ரத்து செய்யப்படும்) மேலும் அதிகபட்சமாக (அண்டை செல்களும் சுடும், ஆனால் குறைந்த அதிர்வெண்ணில்) சுடும். சில நியூரான்களைச் செயல்படுத்துவது, ஐடிடியை மேலும் கோணங்களுக்கு மாற்றாமல் விண்வெளியில் இலக்கின் நிலையை குறியாக்குகிறது. இந்த கருத்து படம் 1c இல் சுருக்கப்பட்டுள்ளது: எடுத்துக்காட்டாக, வலது காதில் இருந்து உள்ளீட்டு சமிக்ஞை இடது காதில் இருந்து வரும் பாதையை விட நீண்ட பாதையில் பயணிக்கும் போது, ​​ITD களின் எண்ணிக்கையை ஈடுசெய்யும் போது, ​​வலது பக்கத்திலிருந்து ஒலி வந்தால், எடுத்துக்காட்டாக, நியூரான் 2 பொருந்தும் போது. வேறு வார்த்தைகளில் கூறுவதானால், ஒவ்வொரு சிடியும் ஒரு குறிப்பிட்ட ஐடிடிக்கு (உகந்த தாமதம் என்றும் அழைக்கப்படுகிறது) அச்சுத் தாமதம் காரணமாக பதிலளிக்கிறது. இதனால், மூளை தற்காலிக தகவல்களை இடஞ்சார்ந்த தகவலாக மாற்றுகிறது. இந்த பொறிமுறைக்கான உடற்கூறியல் சான்றுகள் 37,51 கண்டுபிடிக்கப்பட்டுள்ளன. கட்டம் பூட்டப்பட்ட மேக்ரோநியூக்ளியஸ் நியூரான்கள் உள்வரும் ஒலிகளைப் பற்றிய தற்காலிகத் தகவல்களைச் சேமித்து வைக்கின்றன: அவற்றின் பெயர் குறிப்பிடுவது போல, அவை சில சமிக்ஞை கட்டங்களில் சுடுகின்றன. ஜெஃப்ரஸ் மாதிரியின் தற்செயல் கண்டுபிடிப்பு நியூரான்கள் லேமினார் மையத்தில் காணப்படுகின்றன. அவை மேக்ரோநியூக்ளியர் நியூரான்களிலிருந்து தகவல்களைப் பெறுகின்றன, அதன் அச்சுகள் தாமதக் கோடுகளாக செயல்படுகின்றன. தாமதக் கோட்டால் வழங்கப்படும் தாமதத்தின் அளவை ஆக்சனின் நீளம் மற்றும் கடத்தல் வேகத்தை மாற்றும் மற்றொரு மயிலினேஷன் முறை மூலம் விளக்கலாம். களஞ்சிய ஆந்தையின் செவிப்புலன் அமைப்பால் ஈர்க்கப்பட்டு, பொருட்களை உள்ளூர்மயமாக்குவதற்கான பயோமிமெடிக் அமைப்பை உருவாக்கியுள்ளோம். இரண்டு காதுகளும் இரண்டு pMUT பெறுநர்களால் குறிக்கப்படுகின்றன. ஒலி மூலமானது அவற்றுக்கிடையே அமைந்துள்ள pMUT டிரான்ஸ்மிட்டர் ஆகும் (படம். 1a), மற்றும் கணினி வரைபடம் RRAM-அடிப்படையிலான குறுவட்டு சுற்றுகள் (படம். 1b, பச்சை) ஒரு கட்டத்தால் உருவாக்கப்படுகிறது, அதன் உள்ளீடுகள் தாமதமான CD நியூரான்களின் பங்கு வகிக்கிறது. சுற்று வழியாக, தாமதக் கோடுகள் (நீலம்) உயிரியல் எதிரொலியில் அச்சுகளைப் போல செயல்படுகின்றன. முன்மொழியப்பட்ட உணர்திறன் அமைப்பு ஆந்தையின் இயக்க அதிர்வெண்ணில் வேறுபடுகிறது, அதன் செவிப்புலன் அமைப்பு 1-8 kHz வரம்பில் இயங்குகிறது, ஆனால் pMUT சென்சார்கள் சுமார் 117 kHz இல் செயல்படுகின்றன. மீயொலி மின்மாற்றியின் தேர்வு தொழில்நுட்ப மற்றும் தேர்வுமுறை அளவுகோல்களின்படி கருதப்படுகிறது. முதலாவதாக, பெறப்பட்ட அலைவரிசையை ஒற்றை அதிர்வெண்ணாகக் கட்டுப்படுத்துவது, அளவீட்டுத் துல்லியத்தை மேம்படுத்துகிறது மற்றும் செயலாக்கத்திற்குப் பிந்தைய படிநிலையை எளிதாக்குகிறது. கூடுதலாக, அல்ட்ராசவுண்டில் செயல்படுவது உமிழப்படும் பருப்பு வகைகள் கேட்கக்கூடியதாக இல்லை, எனவே மக்களை தொந்தரவு செய்யாதீர்கள், ஏனெனில் அவற்றின் செவிப்புலன் வரம்பு ~20-20 kHz ஆகும்.
கொட்டகை ஆந்தை ஒரு இலக்கிலிருந்து ஒலி அலைகளைப் பெறுகிறது, இந்த விஷயத்தில் இரையை நகர்த்துகிறது. ஒலி அலையின் பறக்கும் நேரம் (ToF) ஒவ்வொரு காதுக்கும் வித்தியாசமாக இருக்கும் (இரை ஆந்தைக்கு நேராக இருந்தால் தவிர). புள்ளியிடப்பட்ட கோடு, ஆந்தையின் காதுகளை அடைய ஒலி அலைகள் செல்லும் பாதையைக் காட்டுகிறது. இரண்டு ஒலிப்பாதைகளுக்கு இடையே உள்ள நீள வேறுபாடு மற்றும் அதனுடன் தொடர்புடைய இடையிடையே நேர வேறுபாடு (ITD) ஆகியவற்றின் அடிப்படையில் இரையை கிடைமட்டத் தளத்தில் துல்லியமாக உள்ளூர்மயமாக்கலாம் (குறிப்பு. 74, பதிப்புரிமை 2002, சொசைட்டி ஃபார் நியூரோ சயின்ஸ்). எங்கள் அமைப்பில், pMUT டிரான்ஸ்மிட்டர் (அடர் நீலம்) இலக்கைத் தாண்டிய ஒலி அலைகளை உருவாக்குகிறது. பிரதிபலித்த அல்ட்ராசவுண்ட் அலைகள் இரண்டு pMUT பெறுநர்களால் (வெளிர் பச்சை) பெறப்பட்டு நியூரோமார்பிக் செயலி (வலது) மூலம் செயலாக்கப்படுகிறது. b ஒரு ITD (Jeffress) கணக்கீட்டு மாதிரியானது, களஞ்சிய ஆந்தையின் காதுகளுக்குள் நுழையும் ஒலிகள் எவ்வாறு பெரிய அணுக்கருவில் (NM) கட்டம் பூட்டப்பட்ட கூர்முனைகளாக முதலில் குறியாக்கம் செய்யப்படுகின்றன என்பதை விவரிக்கிறது. செயலாக்கம் (நெதர்லாந்து) (இடது). தாமதக் கோடுகள் மற்றும் தற்செயல் கண்டறியும் நியூரான்களை இணைக்கும் நியூரோஐடிடி கணக்கீட்டு வரைபடத்தின் விளக்கப்படம், ஆந்தை பயோசென்சர் அமைப்பை RRAM-அடிப்படையிலான நியூரோமார்பிக் சர்க்யூட்களைப் பயன்படுத்தி (வலது) வடிவமைக்க முடியும். c முக்கிய ஜெஃப்ரஸ் பொறிமுறையின் திட்டவட்டம், ToF இல் உள்ள வேறுபாடு காரணமாக, இரண்டு காதுகளும் வெவ்வேறு நேரங்களில் ஒலி தூண்டுதல்களைப் பெறுகின்றன மற்றும் இரு முனைகளிலிருந்தும் அச்சுகளை கண்டறிபவருக்கு அனுப்புகின்றன. ஆக்சான்கள் தற்செயல் கண்டறிதல் (சிடி) நியூரான்களின் தொடரின் ஒரு பகுதியாகும், அவை ஒவ்வொன்றும் வலுவான நேர-தொடர்பு உள்ளீடுகளுக்கு தேர்ந்தெடுக்கப்பட்ட முறையில் பதிலளிக்கின்றன. இதன் விளைவாக, மிகச்சிறிய நேர வித்தியாசத்தில் உள்ளீடுகள் வரும் CDகள் மட்டுமே அதிகபட்சமாக உற்சாகமடைகின்றன (ITD சரியாக ஈடுசெய்யப்படுகிறது). குறுவட்டு இலக்கின் கோண நிலையை குறியாக்கம் செய்யும்.
பைசோ எலக்ட்ரிக் மைக்ரோமெக்கானிக்கல் அல்ட்ராசோனிக் டிரான்ஸ்யூசர்கள் அளவிடக்கூடிய மீயொலி மின்மாற்றிகளாகும், அவை மேம்பட்ட CMOS தொழில்நுட்பத்துடன் ஒருங்கிணைக்கப்படலாம் மற்றும் பாரம்பரிய வால்யூமெட்ரிக் டிரான்ஸ்யூசர்களைக் காட்டிலும் குறைந்த ஆரம்ப மின்னழுத்தம் மற்றும் மின் நுகர்வு ஆகியவற்றைக் கொண்டுள்ளன. எங்கள் வேலையில், சவ்வு விட்டம் 880 µm ஆகும், மேலும் அதிர்வு அதிர்வெண் 110-117 kHz வரம்பில் விநியோகிக்கப்படுகிறது (படம் 2a, விவரங்களுக்கு முறைகளைப் பார்க்கவும்). பத்து சோதனை சாதனங்களின் தொகுப்பில், சராசரி தரக் காரணி சுமார் 50 ஆக இருந்தது (குறிப்பு 31). தொழில்நுட்பம் தொழில்துறை முதிர்ச்சியை அடைந்துள்ளது மற்றும் தனிப்பட்ட முறையில் பயோ இன்ஸ்பைர் செய்யப்படவில்லை. வெவ்வேறு pMUT படங்களிலிருந்து தகவல்களை இணைப்பது நன்கு அறியப்பட்ட நுட்பமாகும், மேலும் கோணத் தகவலை pMUT களில் இருந்து பெறலாம், எடுத்துக்காட்டாக, பீம்ஃபார்மிங் நுட்பங்கள்31,54. இருப்பினும், கோணத் தகவலைப் பிரித்தெடுக்கத் தேவையான சமிக்ஞை செயலாக்கம் குறைந்த சக்தி அளவீடுகளுக்கு ஏற்றது அல்ல. முன்மொழியப்பட்ட அமைப்பு நியூரோமார்பிக் தரவு முன் செயலாக்க சுற்று pMUT ஐ ஒரு RRAM-அடிப்படையிலான நியூரோமார்பிக் கம்ப்யூட்டிங் வரைபடத்துடன் ஒருங்கிணைக்கிறது, இது ஜெஃப்ரஸ் மாதிரியால் (படம் 2c) ஈர்க்கப்பட்டது, இது ஒரு மாற்று ஆற்றல்-திறமையான மற்றும் வள-கட்டுப்படுத்தப்பட்ட வன்பொருள் தீர்வை வழங்குகிறது. இரண்டு பெறும் சவ்வுகளால் பெறப்பட்ட வெவ்வேறு ToF ஒலிகளைப் பயன்படுத்த இரண்டு pMUT சென்சார்கள் தோராயமாக 10 செமீ இடைவெளியில் வைக்கப்படும் ஒரு பரிசோதனையை நாங்கள் செய்தோம். ஒரு pMUT ஒரு டிரான்ஸ்மிட்டராக செயல்படும் ரிசீவர்களுக்கு இடையில் அமர்ந்திருக்கிறது. இலக்கானது 12 செமீ அகலமுள்ள PVC தட்டு ஆகும், இது pMUT சாதனத்திற்கு முன்னால் D தொலைவில் அமைந்துள்ளது (படம் 2b). ரிசீவர் பொருளிலிருந்து பிரதிபலிக்கும் ஒலியைப் பதிவுசெய்கிறது மற்றும் ஒலி அலை கடந்து செல்லும் போது முடிந்தவரை வினைபுரிகிறது. தூரம் D மற்றும் கோணம் θ மூலம் தீர்மானிக்கப்படும் பொருளின் நிலையை மாற்றுவதன் மூலம் பரிசோதனையை மீண்டும் செய்யவும். ஒரு இணைப்பால் ஈர்க்கப்பட்டது. 55, நியூரோமார்பிக் கணக்கீட்டு வரைபடத்தை உள்ளீடு செய்ய பிரதிபலித்த அலைகளை உச்சநிலைகளாக மாற்ற pMUT மூல சமிக்ஞைகளின் நரம்பியல் முன் செயலாக்கத்தை நாங்கள் முன்மொழிகிறோம். உச்ச வீச்சுடன் தொடர்புடைய ToF இரண்டு சேனல்கள் ஒவ்வொன்றிலிருந்தும் பிரித்தெடுக்கப்பட்டு தனிப்பட்ட உச்சங்களின் சரியான நேரமாக குறியாக்கம் செய்யப்படுகிறது. அத்திப்பழத்தில். 2c ஆனது RRAM-அடிப்படையிலான கணக்கீட்டு வரைபடத்துடன் pMUT உணரியை இடைமுகப்படுத்தத் தேவையான மின்சுற்றைக் காட்டுகிறது: இரண்டு pMUT பெறுநர்கள் ஒவ்வொன்றிற்கும், மூல சிக்னலானது பேண்ட்-பாஸ் வடிகட்டப்பட்டு மென்மையாகவும், சரிசெய்யவும், பின்னர் கடக்கும் பயன்முறையில் கசிவு ஒருங்கிணைப்பாளருக்கு அனுப்பப்படும். டைனமிக் த்ரெஷோல்ட் (படம். 2d) ஒரு வெளியீட்டு நிகழ்வு (ஸ்பைக்) மற்றும் ஃபைரிங் (LIF) நியூரானை உருவாக்குகிறது: வெளியீட்டு ஸ்பைக் நேரம் கண்டறியப்பட்ட விமான நேரத்தை குறியாக்குகிறது. LIF வரம்பு pMUT பதிலுக்கு எதிராக அளவீடு செய்யப்படுகிறது, இதன் மூலம் சாதனத்திலிருந்து சாதனத்திற்கு pMUT மாறுபாட்டைக் குறைக்கிறது. இந்த அணுகுமுறை மூலம், முழு ஒலி அலையையும் நினைவகத்தில் சேமித்து பின்னர் செயலாக்குவதற்குப் பதிலாக, ஒலி அலையின் ToF உடன் தொடர்புடைய உச்சத்தை உருவாக்குகிறோம், இது எதிர்ப்பு நினைவக கணக்கீட்டு வரைபடத்திற்கு உள்ளீட்டை உருவாக்குகிறது. கூர்முனைகள் தாமதக் கோடுகளுக்கு நேரடியாக அனுப்பப்பட்டு, நியூரோமார்பிக் கணக்கீட்டு வரைபடங்களில் பொருத்தம் கண்டறிதல் தொகுதிகளுடன் இணையாக மாற்றப்படுகின்றன. அவை டிரான்சிஸ்டர்களின் வாயில்களுக்கு அனுப்பப்படுவதால், கூடுதல் பெருக்க சுற்றுகள் தேவையில்லை (விவரங்களுக்கு துணை படம் 4 ஐப் பார்க்கவும்). pMUT மற்றும் முன்மொழியப்பட்ட சமிக்ஞை செயலாக்க முறையால் வழங்கப்பட்ட உள்ளூர்மயமாக்கல் கோணத் துல்லியத்தை மதிப்பிடுவதற்கு, பொருளின் தூரம் மற்றும் கோணம் மாறுபடும் போது ITD ஐ (அதாவது, இரண்டு பெறுநர்களால் உருவாக்கப்பட்ட உச்ச நிகழ்வுகளுக்கு இடையிலான நேர வேறுபாடு) அளந்தோம். ITD பகுப்பாய்வு பின்னர் கோணங்களாக மாற்றப்பட்டது (முறைகளைப் பார்க்கவும்) மற்றும் பொருளின் நிலைக்கு எதிராக திட்டமிடப்பட்டது: அளவிடப்பட்ட ITD இல் உள்ள நிச்சயமற்ற தன்மை பொருளின் தூரம் மற்றும் கோணத்துடன் அதிகரித்தது (படம் 2e,f). முக்கிய பிரச்சனை pMUT பதிலில் உள்ள பீக்-டு-இரைச்சல் விகிதம் (PNR) ஆகும். தொலைவில் உள்ள பொருள், குறைந்த ஒலி சமிக்ஞை, அதன் மூலம் PNR (படம் 2f, பச்சைக் கோடு) குறைகிறது. PNR இன் குறைவு ITD மதிப்பீட்டில் நிச்சயமற்ற தன்மையை அதிகரிக்க வழிவகுக்கிறது, இதன் விளைவாக உள்ளூர்மயமாக்கல் துல்லியம் அதிகரிக்கிறது (படம் 2f, நீலக் கோடு). டிரான்ஸ்மிட்டரிலிருந்து 50 செமீ தொலைவில் உள்ள ஒரு பொருளுக்கு, அமைப்பின் கோணத் துல்லியம் தோராயமாக 10° ஆகும். சென்சாரின் சிறப்பியல்புகளால் விதிக்கப்பட்ட இந்த வரம்பு மேம்படுத்தப்படலாம். எடுத்துக்காட்டாக, உமிழ்ப்பான் அனுப்பும் அழுத்தத்தை அதிகரிக்கலாம், இதன் மூலம் pMUT சவ்வை இயக்கும் மின்னழுத்தம் அதிகரிக்கும். கடத்தப்பட்ட சிக்னலைப் பெருக்குவதற்கான மற்றொரு தீர்வு, பல டிரான்ஸ்மிட்டர்களை இணைப்பதாகும். பெறும் பக்கத்தில் கூடுதல் மேம்பாடுகளைச் செய்யலாம். pMUT க்கும் முதல் நிலை பெருக்கிக்கும் இடையேயான இணைப்பை மேம்படுத்துவதன் மூலம் pMUT இன் ரிசீவர் இரைச்சல் தளத்தை கணிசமாகக் குறைக்கலாம், இது தற்போது கம்பி இணைப்புகள் மற்றும் RJ45 கேபிள்கள் மூலம் செய்யப்படுகிறது.
1.5 மிமீ சுருதியில் ஒருங்கிணைக்கப்பட்ட ஆறு 880 µm சவ்வுகளுடன் கூடிய pMUT படிகத்தின் படம். b அளவிடும் அமைப்பின் வரைபடம். இலக்கானது அஜிமுத் நிலையில் θ மற்றும் தொலைவில் D அமைந்துள்ளது. pMUT டிரான்ஸ்மிட்டர் 117.6 kHz சமிக்ஞையை உருவாக்குகிறது, அது இலக்கிலிருந்து குதித்து இரண்டு pMUT பெறுநர்களை வெவ்வேறு நேர-விமானத்துடன் (ToF) அடையும். இந்த வேறுபாடு, இன்டர்-ஆரல் நேர வேறுபாடு (ITD) என வரையறுக்கப்படுகிறது, ஒரு பொருளின் நிலையை குறியாக்குகிறது மற்றும் இரண்டு ரிசீவர் சென்சார்களின் உச்ச பதிலை மதிப்பிடுவதன் மூலம் மதிப்பிடலாம். c raw pMUT சிக்னலை ஸ்பைக் சீக்வென்ஸாக மாற்றுவதற்கான முன்-செயலாக்க படிகளின் திட்டம் (அதாவது நியூரோமார்பிக் கணக்கீட்டு வரைபடத்திற்கு உள்ளீடு). pMUT சென்சார்கள் மற்றும் நியூரோமார்பிக் கணக்கீட்டு வரைபடங்கள் புனையப்பட்டு சோதிக்கப்பட்டன, மேலும் நியூரோமார்பிக் முன்-செயலாக்கமானது மென்பொருள் உருவகப்படுத்துதலை அடிப்படையாகக் கொண்டது. d சிக்னல் கிடைத்தவுடன் pMUT மென்படலத்தின் பதில் மற்றும் அது ஸ்பைக் டொமைனாக மாறுகிறது. e சோதனை உள்ளூர்மயமாக்கல் கோணத் துல்லியம் என்பது பொருள் கோணம் (Θ) மற்றும் இலக்கு பொருளுக்கான தூரம் (D) ஆகியவற்றின் செயல்பாடாகும். ITD பிரித்தெடுக்கும் முறைக்கு குறைந்தபட்ச கோணத் தீர்மானம் தோராயமாக 4°C தேவைப்படுகிறது. f கோணத் துல்லியம் (நீலக் கோடு) மற்றும் Θ = 0க்கான பொருளின் தூரத்திற்கு எதிராக தொடர்புடைய உச்சம்-இரைச்சல் விகிதம் (பச்சைக் கோடு).
மின்தடை நினைவகம் ஒரு நிலையற்ற கடத்தும் நிலையில் தகவல்களைச் சேமிக்கிறது. முறையின் அடிப்படைக் கொள்கை என்னவென்றால், அணு மட்டத்தில் பொருளின் மாற்றம் அதன் மின் கடத்துத்திறனில் மாற்றத்தை ஏற்படுத்துகிறது57. இங்கே நாம் மேல் மற்றும் கீழ் டைட்டானியம் மற்றும் டைட்டானியம் நைட்ரைடு மின்முனைகளுக்கு இடையில் 5nm அடுக்கு ஹாஃப்னியம் டையாக்சைடு கொண்ட ஆக்சைடு அடிப்படையிலான எதிர்ப்பு நினைவகத்தைப் பயன்படுத்துகிறோம். மின்னோட்டம்/மின்னழுத்த அலைவடிவத்தைப் பயன்படுத்துவதன் மூலம் RRAM சாதனங்களின் கடத்துத்திறனை மாற்றலாம், இது மின்முனைகளுக்கு இடையில் ஆக்ஸிஜன் காலியிடங்களின் கடத்தும் இழைகளை உருவாக்குகிறது அல்லது உடைக்கிறது. தற்செயல் கண்டறிதல் மற்றும் தாமதக் கோடு சுற்று (படம் 3a) செயல்படுத்தும் புனையப்பட்ட மறுகட்டமைக்கக்கூடிய நியூரோமார்பிக் சர்க்யூட்டை உருவாக்க, நிலையான 130 nm CMOS செயல்முறையில் அத்தகைய சாதனங்கள்58ஐ இணைத்துள்ளோம். சாதனத்தின் நிலையற்ற மற்றும் அனலாக் தன்மை, நியூரோமார்பிக் சர்க்யூட்டின் நிகழ்வு-உந்துதல் இயல்புடன் இணைந்து, மின் நுகர்வு குறைக்கிறது. சர்க்யூட் ஒரு உடனடி ஆன்/ஆஃப் செயல்பாட்டைக் கொண்டுள்ளது: இது இயக்கப்பட்ட உடனேயே இயங்குகிறது, சுற்று செயலற்ற நிலையில் இருக்கும்போது மின்சாரத்தை முழுவதுமாக அணைக்க அனுமதிக்கிறது. முன்மொழியப்பட்ட திட்டத்தின் முக்கிய கட்டுமானத் தொகுதிகள் படம் காட்டப்பட்டுள்ளன. 3b. இது N பேரலல் சிங்கிள்-ரெசிஸ்டர் சிங்கிள்-டிரான்சிஸ்டர் (1T1R) கட்டமைப்புகளைக் கொண்டுள்ளது, அவை சினாப்டிக் எடையை குறியாக்குகின்றன, அதில் இருந்து எடையுள்ள மின்னோட்டங்கள் எடுக்கப்பட்டு, ஒரு வேறுபட்ட ஜோடி ஒருங்கிணைப்பாளரின் (DPI) 59 இன் பொதுவான சினாப்ஸில் செலுத்தப்பட்டு, இறுதியாக ஒருங்கிணைப்புடன் சினாப்ஸில் செலுத்தப்படுகிறது. கசிவு. செயல்படுத்தப்பட்ட (LIF) நியூரான் 60 (விவரங்களுக்கு முறைகளைப் பார்க்கவும்). நூற்றுக்கணக்கான நானோ விநாடிகளின் வரிசையில் ஒரு கால அளவு கொண்ட மின்னழுத்த பருப்புகளின் வரிசையின் வடிவத்தில் 1T1R கட்டமைப்பின் வாயிலில் உள்ளீடு அலைகள் பயன்படுத்தப்படுகின்றன. Vbottom தரையிறக்கப்படும்போது Vtop க்கு வெளிப்புற நேர்மறை குறிப்பைப் பயன்படுத்துவதன் மூலம் எதிர்ப்பு நினைவகத்தை உயர் கடத்தும் நிலையில் (HCS) வைக்கலாம், மேலும் Vtop தரையிறக்கப்படும்போது Vbottom க்கு நேர்மறை மின்னழுத்தத்தைப் பயன்படுத்துவதன் மூலம் குறைந்த கடத்தும் நிலைக்கு (LCS) மீட்டமைக்கலாம். HCS இன் சராசரி மதிப்பானது SET (ICC) இன் நிரலாக்க மின்னோட்டத்தை (இணக்கம்) தொடர் டிரான்சிஸ்டரின் கேட்-மூல மின்னழுத்தத்தால் கட்டுப்படுத்துவதன் மூலம் கட்டுப்படுத்தலாம் (படம் 3c). சுற்றுவட்டத்தில் RRAM இன் செயல்பாடுகள் இரண்டு மடங்கு ஆகும்: அவை உள்ளீட்டு பருப்புகளை இயக்கி எடை போடுகின்றன.
ஸ்கேனிங் எலக்ட்ரான் நுண்ணோக்கி (SEM) நீல நிற HfO2 1T1R RRAM சாதனத்தின் படம் 130 nm CMOS தொழில்நுட்பத்தில் செலக்டர் டிரான்சிஸ்டர்களுடன் (650 nm அகலம்) பச்சை நிறத்தில் ஒருங்கிணைக்கப்பட்டது. b முன்மொழியப்பட்ட நியூரோமார்பிக் திட்டத்தின் அடிப்படை கட்டுமானத் தொகுதிகள். உள்ளீடு மின்னழுத்த பருப்புகள் (சிகரங்கள்) Vin0 மற்றும் Vin1 தற்போதைய Iweight ஐப் பயன்படுத்துகின்றன, இது 1T1R கட்டமைப்பின் G0 மற்றும் G1 கடத்தல் நிலைகளுக்கு விகிதாசாரமாகும். இந்த மின்னோட்டம் DPI ஒத்திசைவுகளில் செலுத்தப்பட்டு LIF நியூரான்களை உற்சாகப்படுத்துகிறது. RRAM G0 மற்றும் G1 ஆகியவை முறையே HCS மற்றும் LCS இல் நிறுவப்பட்டுள்ளன. c 16K RRAM சாதனங்களின் குழுவிற்கான ஒட்டுமொத்த கடத்துத்திறன் அடர்த்தியின் செயல்பாடு ICC மின்னோட்டப் பொருத்தத்தின் செயல்பாடாக உள்ளது, இது கடத்தல் அளவை திறம்பட கட்டுப்படுத்துகிறது. d (a) இல் உள்ள சர்க்யூட் அளவீடுகள் G1 (LCS இல்) Vin1 (பச்சை) இலிருந்து உள்ளீட்டைத் திறம்படத் தடுக்கிறது, மேலும் உண்மையில் வெளியீட்டு நியூரானின் சவ்வு மின்னழுத்தம் Vin0 இலிருந்து நீல உள்ளீட்டிற்கு மட்டுமே பதிலளிக்கிறது. RRAM ஆனது சர்க்யூட்டில் உள்ள இணைப்புகளை திறம்பட தீர்மானிக்கிறது. மின்னழுத்த துடிப்பு Vin0 ஐப் பயன்படுத்திய பிறகு சவ்வு மின்னழுத்தம் Vmem இல் கடத்துத்திறன் மதிப்பு G0 இன் விளைவைக் காட்டும் (b) இல் உள்ள சுற்று அளவீடு. அதிக நடத்துதல், வலுவான பதில்: இதனால், RRAM சாதனம் I/O இணைப்பு எடையை செயல்படுத்துகிறது. சுற்றுவட்டத்தில் அளவீடுகள் செய்யப்பட்டன மற்றும் RRAM இன் இரட்டைச் செயல்பாடு, உள்ளீட்டு பருப்புகளின் ரூட்டிங் மற்றும் வெயிட்டிங் ஆகியவற்றை நிரூபிக்கிறது.
முதலில், இரண்டு அடிப்படை கடத்தல் நிலைகள் (HCS மற்றும் LCS) இருப்பதால், RRAMகள் முறையே LCS அல்லது HCS நிலைகளில் இருக்கும் போது உள்ளீட்டு பருப்புகளைத் தடுக்கலாம் அல்லது தவறவிடலாம். இதன் விளைவாக, RRAM ஆனது சர்க்யூட்டில் உள்ள இணைப்புகளை திறம்பட தீர்மானிக்கிறது. கட்டிடக்கலையை மீண்டும் கட்டமைக்க இதுவே அடிப்படை. இதை நிரூபிக்க, படம் 3b இல் சர்க்யூட் பிளாக்கின் புனையப்பட்ட சுற்று செயல்படுத்தலை விவரிப்போம். G0 உடன் தொடர்புடைய RRAM ஆனது HCS இல் திட்டமிடப்பட்டுள்ளது, மேலும் இரண்டாவது RRAM G1 LCS இல் திட்டமிடப்பட்டுள்ளது. Vin0 மற்றும் Vin1 இரண்டிற்கும் உள்ளீட்டு பருப்புகள் பயன்படுத்தப்படுகின்றன. நியூரான் சவ்வு மின்னழுத்தம் மற்றும் ஒரு அலைக்காட்டியைப் பயன்படுத்தி வெளியீட்டு சமிக்ஞையை சேகரிப்பதன் மூலம் உள்ளீட்டு பருப்புகளின் இரண்டு வரிசைகளின் விளைவுகள் வெளியீடு நியூரான்களில் பகுப்பாய்வு செய்யப்பட்டன. சவ்வு பதற்றத்தைத் தூண்டுவதற்காக HCS சாதனம் (G0) மட்டுமே நியூரானின் துடிப்புடன் இணைக்கப்பட்டபோது சோதனை வெற்றிகரமாக இருந்தது. இது படம் 3d இல் நிரூபிக்கப்பட்டுள்ளது, அங்கு நீல துடிப்பு ரயில் சவ்வு மின்னழுத்தத்தை சவ்வு மின்தேக்கியில் உருவாக்குகிறது, அதே நேரத்தில் பச்சை துடிப்பு ரயில் சவ்வு மின்னழுத்தத்தை நிலையானதாக வைத்திருக்கும்.
RRAM இன் இரண்டாவது முக்கியமான செயல்பாடு இணைப்பு எடைகளை செயல்படுத்துவதாகும். RRAM இன் அனலாக் கடத்தல் சரிசெய்தலைப் பயன்படுத்தி, I/O இணைப்புகளை அதற்கேற்ப எடையிடலாம். இரண்டாவது பரிசோதனையில், G0 சாதனம் HCS இன் வெவ்வேறு நிலைகளுக்கு திட்டமிடப்பட்டது, மேலும் VIN0 உள்ளீட்டில் உள்ளீட்டு துடிப்பு பயன்படுத்தப்பட்டது. உள்ளீட்டுத் துடிப்பானது சாதனத்திலிருந்து மின்னோட்டத்தை (Iweight) பெறுகிறது, இது கடத்துத்திறன் மற்றும் அதனுடன் தொடர்புடைய சாத்தியமான துளி Vtop - Vbotக்கு விகிதாசாரமாகும். இந்த எடையுள்ள மின்னோட்டம் DPI ஒத்திசைவுகள் மற்றும் LIF வெளியீடு நியூரான்களில் செலுத்தப்படுகிறது. வெளியீடு நியூரான்களின் சவ்வு மின்னழுத்தம் அலைக்காட்டியைப் பயன்படுத்தி பதிவு செய்யப்பட்டு படம் 3d இல் காட்டப்பட்டது. ஒற்றை உள்ளீட்டுத் துடிப்புக்கு பதிலளிக்கும் நியூரானின் மென்படலத்தின் மின்னழுத்த உச்சம், மின்தடை நினைவகத்தின் கடத்துத்திறனுக்கு விகிதாசாரமாகும், இது RRAM ஐ சினாப்டிக் எடையின் நிரல்படுத்தக்கூடிய உறுப்புகளாகப் பயன்படுத்தலாம் என்பதை நிரூபிக்கிறது. இந்த இரண்டு பூர்வாங்க சோதனைகள் முன்மொழியப்பட்ட RRAM-அடிப்படையிலான நியூரோமார்பிக் இயங்குதளமானது அடிப்படை ஜெஃப்ரஸ் பொறிமுறையின் அடிப்படை கூறுகளை செயல்படுத்த முடியும் என்பதைக் காட்டுகிறது, அதாவது தாமதக் கோடு மற்றும் தற்செயல் கண்டறிதல் சுற்று. படம் 3b இல் உள்ள தொகுதிகள் போன்ற அடுத்தடுத்த தொகுதிகளை அருகருகே அடுக்கி, அவற்றின் வாயில்களை பொதுவான உள்ளீட்டு வரியுடன் இணைப்பதன் மூலம் சர்க்யூட் பிளாட்பார்ம் கட்டப்பட்டுள்ளது. இரண்டு உள்ளீடுகளைப் பெறும் இரண்டு வெளியீட்டு நியூரான்களைக் கொண்ட நியூரோமார்பிக் தளத்தை வடிவமைத்து, புனையப்பட்டு, சோதித்தோம் (படம் 4a). சுற்று வரைபடம் படம் 4b இல் காட்டப்பட்டுள்ளது. மேல் 2 × 2 RRAM மேட்ரிக்ஸ் உள்ளீடு பருப்புகளை இரண்டு வெளியீட்டு நியூரான்களுக்கு இயக்க அனுமதிக்கிறது, அதே சமயம் கீழ் 2 × 2 அணி இரண்டு நியூரான்களின் (N0, N1) தொடர் இணைப்புகளை அனுமதிக்கிறது. படம். 4c-e இல் சோதனை அளவீடுகள் மூலம் காட்டப்பட்டுள்ளபடி, தாமதக் கோடு உள்ளமைவு மற்றும் இரண்டு வெவ்வேறு தற்செயல் கண்டறிதல் செயல்பாடுகளுடன் இந்த தளத்தைப் பயன்படுத்த முடியும் என்பதை நாங்கள் நிரூபிக்கிறோம்.
இரண்டு வெளியீடு நியூரான்கள் N0 மற்றும் N1 ஆகிய இரண்டு உள்ளீடுகள் 0 மற்றும் 1 பெறுவதன் மூலம் உருவாக்கப்பட்ட சுற்று வரைபடம். வரிசையின் முதல் நான்கு சாதனங்கள் உள்ளீட்டிலிருந்து வெளியீடு வரை சினாப்டிக் இணைப்புகளை வரையறுக்கின்றன, மேலும் கீழ் நான்கு செல்கள் நியூரான்களுக்கு இடையே மீண்டும் மீண்டும் இணைப்புகளை வரையறுக்கின்றன. வண்ண RRAMகள் வலதுபுறத்தில் உள்ள HCS இல் உள்ளமைக்கப்பட்ட சாதனங்களைக் குறிக்கின்றன: HCS இல் உள்ள சாதனங்கள் இணைப்புகளை அனுமதிக்கின்றன மற்றும் எடையைக் குறிக்கின்றன, அதே நேரத்தில் LCS இல் உள்ள சாதனங்கள் உள்ளீடு துடிப்புகளைத் தடுக்கின்றன மற்றும் வெளியீடுகளுக்கான இணைப்புகளை முடக்குகின்றன. b நீல நிறத்தில் உயர்த்தப்பட்ட எட்டு RRAM தொகுதிகள் கொண்ட சுற்று (a) வரைபடம். c டிபிஐ சினாப்சஸ் மற்றும் எல்ஐஎஃப் நியூரான்களின் இயக்கவியலைப் பயன்படுத்தி தாமதக் கோடுகள் உருவாகின்றன. பச்சை RRAM ஆனது உள்ளீடு தாமதத்திற்குப் பிறகு Δt வெளியீட்டில் ஒரு தடுமாற்றத்தைத் தூண்டும் அளவுக்கு அதிகமான கடத்துத்திறனுக்கு அமைக்கப்பட்டுள்ளது. d நேரம் சார்ந்த சிக்னல்களின் திசை-உணர்வற்ற CD கண்டறிதலின் திட்ட விளக்கப்படம். வெளியீடு நியூரான் 1, N1, உள்ளீடுகள் 0 மற்றும் 1 இல் சிறிது தாமதத்துடன் சுடுகிறது. e திசை உணர்திறன் குறுவட்டு சுற்று, உள்ளீடு 1 உள்ளீடு 0 ஐ அணுகும் மற்றும் உள்ளீடு 0 க்குப் பிறகு வரும்போது கண்டறியும் ஒரு சுற்று. சுற்று வெளியீடு நியூரான் 1 (N1) ஆல் குறிக்கப்படுகிறது.
தாமதக் கோடு (படம் 4c) Tdel ஐ தாமதப்படுத்துவதன் மூலம் Vin1 இலிருந்து Vout1 க்கு உள்ளீடு ஸ்பைக்கை மீண்டும் உருவாக்க DPI ஒத்திசைவுகள் மற்றும் LIF நியூரான்களின் மாறும் நடத்தையைப் பயன்படுத்துகிறது. Vin1 மற்றும் Vout1 உடன் இணைக்கப்பட்ட G3 RRAM மட்டுமே HCS இல் திட்டமிடப்பட்டுள்ளது, மீதமுள்ள RRAMகள் LCS இல் திட்டமிடப்பட்டுள்ளன. G3 சாதனம் 92.6 µs க்கு திட்டமிடப்பட்டது, ஒவ்வொரு உள்ளீட்டு துடிப்பும் வெளியீட்டு நியூரானின் சவ்வு மின்னழுத்தத்தை போதுமான அளவு அதிகரிப்பதை உறுதிசெய்து, வாசலை அடைய மற்றும் தாமதமான வெளியீட்டு துடிப்பை உருவாக்குகிறது. தாமதம் Tdel சினாப்டிக் மற்றும் நரம்பியல் நேர மாறிலிகளால் தீர்மானிக்கப்படுகிறது. தற்செயல் கண்டுபிடிப்பாளர்கள் தற்காலிகமாக தொடர்புள்ள ஆனால் இடஞ்சார்ந்த உள்ளீட்டு சமிக்ஞைகளின் நிகழ்வைக் கண்டறிகின்றனர். திசை-உணர்வற்ற குறுவட்டு ஒரு பொதுவான வெளியீட்டு நரம்பிற்கு மாற்றும் தனிப்பட்ட உள்ளீடுகளை நம்பியுள்ளது (படம் 4d). Vin0 மற்றும் Vin1 ஐ இணைக்கும் இரண்டு RRAMகள் முறையே Vout1, G2 மற்றும் G4 ஆகியவை உயர் கடத்துதலுக்காக திட்டமிடப்பட்டுள்ளன. Vin0 மற்றும் Vin1 இல் ஸ்பைக்குகளின் ஒரே நேரத்தில் வருகை, வெளியீட்டு ஸ்பைக்கை உருவாக்க தேவையான நுழைவாயிலுக்கு மேல் N1 நியூரானின் மென்படலத்தின் மின்னழுத்தத்தை அதிகரிக்கிறது. இரண்டு உள்ளீடுகளும் நேர இடைவெளியில் வெகு தொலைவில் இருந்தால், முதல் உள்ளீட்டின் மூலம் திரட்டப்பட்ட சவ்வு மின்னழுத்தத்தின் சார்ஜ் சிதைவடைய நேரமாகலாம், இது சவ்வு திறன் N1 வாசல் மதிப்பை அடைவதைத் தடுக்கிறது. G1 மற்றும் G2 ஆகியவை தோராயமாக 65 µsக்கு திட்டமிடப்பட்டுள்ளன, இது ஒரு உள்ளீட்டு எழுச்சியானது சவ்வு மின்னழுத்தத்தை போதுமான அளவு அதிகரிப்பதில்லை என்பதை உறுதி செய்கிறது. விண்வெளி மற்றும் நேரத்தில் விநியோகிக்கப்படும் நிகழ்வுகளுக்கு இடையே தற்செயல் கண்டறிதல் என்பது ஆப்டிகல் ஃப்ளோ அடிப்படையிலான தடைகளைத் தவிர்ப்பது மற்றும் ஒலி மூல உள்ளூர்மயமாக்கல் போன்ற பரந்த அளவிலான உணர்திறன் பணிகளில் பயன்படுத்தப்படும் ஒரு அடிப்படை செயல்பாடாகும். எனவே, திசை-உணர்திறன் மற்றும் உணர்வற்ற குறுந்தகடுகளைக் கணக்கிடுவது காட்சி மற்றும் ஆடியோ உள்ளூர்மயமாக்கல் அமைப்புகளை உருவாக்குவதற்கான ஒரு அடிப்படை கட்டுமானத் தொகுதியாகும். நேர மாறிலிகளின் குணாதிசயங்களால் காட்டப்பட்டுள்ளபடி (துணை படம் 2 ஐப் பார்க்கவும்), முன்மொழியப்பட்ட மின்சுற்று அளவு நேர அளவீடுகளின் நான்கு வரிசைகளின் பொருத்தமான வரம்பை செயல்படுத்துகிறது. இதனால், இது காட்சி மற்றும் ஒலி அமைப்புகளின் தேவைகளை ஒரே நேரத்தில் பூர்த்தி செய்ய முடியும். திசை-உணர்திறன் குறுவட்டு என்பது பருப்புகளின் வருகையின் இடஞ்சார்ந்த வரிசைக்கு உணர்திறன் கொண்ட ஒரு சுற்று ஆகும்: வலமிருந்து இடமாக மற்றும் நேர்மாறாகவும். டிரோசோபிலா காட்சி அமைப்பின் அடிப்படை இயக்கம் கண்டறிதல் நெட்வொர்க்கில் இது ஒரு அடிப்படை கட்டுமானத் தொகுதியாகும், இது இயக்க திசைகளைக் கணக்கிடவும் மோதல்களைக் கண்டறியவும் பயன்படுகிறது62. ஒரு திசை-உணர்திறன் CD ஐ அடைய, இரண்டு உள்ளீடுகள் இரண்டு வெவ்வேறு நியூரான்களுக்கு (N0, N1) அனுப்பப்பட வேண்டும் மற்றும் அவற்றுக்கிடையே ஒரு திசை இணைப்பு நிறுவப்பட வேண்டும் (படம் 4e). முதல் உள்ளீடு பெறப்படும் போது, ​​NO ஆனது அதன் சவ்வு முழுவதும் மின்னழுத்தத்தை வாசல் மதிப்பிற்கு மேல் அதிகரித்து, ஒரு எழுச்சியை அனுப்புகிறது. இந்த வெளியீட்டு நிகழ்வு, பச்சை நிறத்தில் முன்னிலைப்படுத்தப்பட்ட திசை இணைப்புக்கு நன்றி N1 ஐச் செயல்படுத்துகிறது. ஒரு உள்ளீட்டு நிகழ்வு Vin1 வந்து அதன் சவ்வு மின்னழுத்தம் அதிகமாக இருக்கும் போது N1 ஐ உற்சாகப்படுத்தினால், N1 இரண்டு உள்ளீடுகளுக்கு இடையே ஒரு பொருத்தம் இருப்பதைக் குறிக்கும் ஒரு வெளியீட்டு நிகழ்வை உருவாக்குகிறது. உள்ளீடு 0க்குப் பிறகு உள்ளீடு 1 வந்தால் மட்டுமே திசை இணைப்புகள் N1 வெளியீட்டை வெளியிட அனுமதிக்கின்றன. G0, G3 மற்றும் G7 ஆகியவை முறையே 73.5 µS, 67.3 µS மற்றும் 40.2 µS என திட்டமிடப்பட்டு, Vin0 உள்ளீட்டில் ஒரு ஸ்பைக் தாமதம் ஏற்படுவதை உறுதி செய்கிறது. வெளியீடு ஸ்பைக், அதே சமயம் N1 இன் சவ்வு திறன் இரண்டு உள்ளீட்டு வெடிப்புகளும் ஒத்திசைவில் வரும்போது மட்டுமே வாசலை அடைகிறது. .
63,64,65 மாதிரியான நரம்பியல் அமைப்புகளில் மாறுபாடு அபூரணத்தின் மூலமாகும். இது நியூரான்கள் மற்றும் ஒத்திசைவுகளின் பன்முக நடத்தைக்கு வழிவகுக்கிறது. இத்தகைய குறைபாடுகளுக்கான எடுத்துக்காட்டுகளில் 30% (சராசரி நிலையான விலகல்) உள்ளீட்டு ஆதாயத்தின் மாறுபாடு, நேர மாறிலி மற்றும் பயனற்ற காலம் ஆகியவை அடங்கும், ஆனால் சிலவற்றைக் குறிப்பிடலாம் (முறைகளைப் பார்க்கவும்). இரண்டு நியூரான்களைக் கொண்ட நோக்குநிலை-உணர்திறன் குறுவட்டு போன்ற பல நரம்பியல் சுற்றுகள் ஒன்றாக இணைக்கப்படும்போது இந்த சிக்கல் இன்னும் அதிகமாக வெளிப்படுகிறது. சரியாக வேலை செய்ய, இரண்டு நியூரான்களின் ஆதாயம் மற்றும் சிதைவு நேர மாறிலிகள் முடிந்தவரை ஒத்ததாக இருக்க வேண்டும். எடுத்துக்காட்டாக, உள்ளீட்டு ஆதாயத்தில் ஒரு பெரிய வேறுபாடு ஒரு நியூரானை உள்ளீட்டுத் துடிப்புக்கு மிகைப்படுத்தி, மற்ற நியூரான் அரிதாகவே பதிலளிக்கும். அத்திப்பழத்தில். தோராயமாக தேர்ந்தெடுக்கப்பட்ட நியூரான்கள் ஒரே உள்ளீட்டு துடிப்புக்கு வித்தியாசமாக பதிலளிக்கின்றன என்பதை படம் 5a காட்டுகிறது. இந்த நரம்பியல் மாறுபாடு பொருத்தமானது, எடுத்துக்காட்டாக, திசை-உணர்திறன் குறுந்தகடுகளின் செயல்பாட்டிற்கு. படத்தில் காட்டப்பட்டுள்ள திட்டத்தில். 5b, c, நியூரான் 1 இன் உள்ளீட்டு ஆதாயம் நியூரான் 0 ஐ விட அதிகமாக உள்ளது. எனவே, நியூரான் 0 க்கு வாசலை அடைய மூன்று உள்ளீட்டு துடிப்புகள் (1 க்கு பதிலாக) தேவைப்படுகிறது, மேலும் நியூரான் 1, எதிர்பார்த்தபடி, இரண்டு உள்ளீட்டு நிகழ்வுகள் தேவை. ஸ்பைக் நேரத்தைச் சார்ந்த பயோமிமெடிக் பிளாஸ்டிசிட்டியை (STDP) செயல்படுத்துவது, கணினி செயல்திறனில் துல்லியமற்ற மற்றும் மந்தமான நரம்பியல் மற்றும் சினாப்டிக் சுற்றுகளின் தாக்கத்தைத் தணிக்க ஒரு சாத்தியமான வழியாகும். நரம்பியல் உள்ளீட்டை மேம்படுத்துவதற்கும், நரம்பியல் சுற்றுகளில் மாறுபாட்டின் விளைவுகளைக் குறைப்பதற்கும் ஒரு வழிமுறையாக எதிர்ப்பு நினைவகத்தின் பிளாஸ்டிக் நடத்தையைப் பயன்படுத்த இங்கே நாங்கள் முன்மொழிகிறோம். படத்தில் காட்டப்பட்டுள்ளபடி. 4e, RRAM சினாப்டிக் வெகுஜனத்துடன் தொடர்புடைய கடத்துத்திறன் நிலைகள் தொடர்புடைய நரம்பு சவ்வு மின்னழுத்த பதிலை திறம்பட மாற்றியமைத்தன. நாங்கள் மீண்டும் ஒரு RRAM நிரலாக்க உத்தியைப் பயன்படுத்துகிறோம். கொடுக்கப்பட்ட உள்ளீட்டிற்கு, சினாப்டிக் எடைகளின் கடத்துத்திறன் மதிப்புகள் சுற்றுவட்டத்தின் இலக்கு நடத்தை பெறப்படும் வரை மறுவடிவமைக்கப்படும் (முறைகளைப் பார்க்கவும்).
ஒரே உள்ளீட்டுத் துடிப்புக்குத் தோராயமாகத் தேர்ந்தெடுக்கப்பட்ட ஒன்பது தனிப்பட்ட நியூரான்களின் பதிலின் சோதனை அளவீடுகள். பதில் மக்கள் தொகையில் மாறுபடும், உள்ளீடு ஆதாயம் மற்றும் நேர மாறிலி ஆகியவற்றை பாதிக்கிறது. b திசை-உணர்திறன் CD ஐ பாதிக்கும் நியூரான்களின் மாறுபாட்டின் மீது நியூரான்களின் செல்வாக்கின் சோதனை அளவீடுகள். இரண்டு திசை-உணர்திறன் குறுவட்டு வெளியீடு நியூரான்கள் நியூரான்-டு-நியூரான் மாறுபாடு காரணமாக உள்ளீட்டு தூண்டுதலுக்கு வித்தியாசமாக பதிலளிக்கின்றன. நியூரான் 0 ஆனது நியூரான் 1 ஐ விட குறைவான உள்ளீட்டு ஆதாயத்தைக் கொண்டுள்ளது, எனவே அவுட்புட் ஸ்பைக்கை உருவாக்க மூன்று உள்ளீட்டு பருப்புகளை (1க்கு பதிலாக) எடுக்கும். எதிர்பார்த்தபடி, நியூரான் 1 இரண்டு உள்ளீட்டு நிகழ்வுகளுடன் வாசலை அடைகிறது. நியூரான் 0 எரிந்த பிறகு உள்ளீடு 1 Δt = 50 µs வந்தால், சிடி அமைதியாக இருக்கும், ஏனெனில் Δt நியூரான் 1 இன் நேர மாறிலியை விட அதிகமாக உள்ளது (சுமார் 22 µs). c ஆனது Δt = 20 µs ஆல் குறைக்கப்படுகிறது, இதனால் நியூரானின் 1′s துப்பாக்கிச் சூடு இன்னும் அதிகமாக இருக்கும் போது உள்ளீடு 1 உச்சத்தை அடைகிறது, இதன் விளைவாக இரண்டு உள்ளீட்டு நிகழ்வுகள் ஒரே நேரத்தில் கண்டறியப்படும்.
ITD கணக்கீடு நெடுவரிசையில் பயன்படுத்தப்படும் இரண்டு கூறுகள் தாமதக் கோடு மற்றும் திசை உணர்வற்ற குறுவட்டு ஆகும். இரண்டு சுற்றுகளுக்கும் நல்ல பொருள் பொருத்துதல் செயல்திறனை உறுதி செய்ய துல்லியமான அளவுத்திருத்தம் தேவைப்படுகிறது. தாமதக் கோடு உள்ளீடு உச்சத்தின் (படம் 6a) துல்லியமாக தாமதமான பதிப்பை வழங்க வேண்டும், மேலும் இலக்கு கண்டறிதல் வரம்பிற்குள் உள்ளீடு வரும்போது மட்டுமே CD செயல்படுத்தப்பட வேண்டும். தாமதக் கோட்டிற்கு, உள்ளீட்டு இணைப்புகளின் சினாப்டிக் எடைகள் (படம். 4a இல் G3) இலக்கு தாமதம் கிடைக்கும் வரை மறுபிரசுரம் செய்யப்பட்டது. நிரலை நிறுத்த இலக்கு தாமதத்தைச் சுற்றி ஒரு சகிப்புத்தன்மையை அமைக்கவும்: சிறிய சகிப்புத்தன்மை, தாமதக் கோட்டை வெற்றிகரமாக அமைப்பது மிகவும் கடினம். அத்திப்பழத்தில். படம் 6b தாமத வரி அளவுத்திருத்த செயல்முறையின் முடிவுகளைக் காட்டுகிறது: முன்மொழியப்பட்ட திட்டமானது வடிவமைப்பு திட்டத்தில் (10 முதல் 300 μs வரை) தேவையான அனைத்து தாமதங்களையும் சரியாக வழங்க முடியும் என்பதைக் காணலாம். அளவுத்திருத்த மறு செய்கைகளின் அதிகபட்ச எண்ணிக்கை அளவுத்திருத்த செயல்முறையின் தரத்தை பாதிக்கிறது: 200 மறு செய்கைகள் பிழையை 5% க்கும் குறைவாக குறைக்கலாம். ஒரு அளவுத்திருத்த மறு செய்கை RRAM கலத்தின் செட்/ரீசெட் செயல்பாட்டிற்கு ஒத்திருக்கிறது. சிடி தொகுதி உடனடி நெருக்கமான நிகழ்வு கண்டறிதலின் துல்லியத்தை மேம்படுத்துவதற்கும் டியூனிங் செயல்முறை முக்கியமானது. 95% (படம் 6c இல் நீலக் கோடு) க்கு மேல் உண்மையான நேர்மறை விகிதத்தை (அதாவது, தொடர்புடையதாக சரியாக அடையாளம் காணப்பட்ட நிகழ்வுகளின் விகிதம்) அடைய பத்து அளவுத்திருத்த மறு செய்கைகள் தேவைப்பட்டன. இருப்பினும், சரிப்படுத்தும் செயல்முறை தவறான நேர்மறை நிகழ்வுகளை பாதிக்கவில்லை (அதாவது, தொடர்புடையதாக தவறாக அடையாளம் காணப்பட்ட நிகழ்வுகளின் அதிர்வெண்). வேகமாகச் செயல்படுத்தும் பாதைகளின் நேரக் கட்டுப்பாடுகளைக் கடப்பதற்கு உயிரியல் அமைப்புகளில் காணப்பட்ட மற்றொரு முறை பணிநீக்கம் (அதாவது, கொடுக்கப்பட்ட செயல்பாட்டைச் செய்ய ஒரே பொருளின் பல பிரதிகள் பயன்படுத்தப்படுகின்றன). உயிரியல்66 மூலம் ஈர்க்கப்பட்டு, தவறான நேர்மறைகளின் தாக்கத்தைக் குறைக்க இரண்டு தாமதக் கோடுகளுக்கு இடையே ஒவ்வொரு சிடி தொகுதியிலும் பல குறுவட்டு சுற்றுகளை வைத்தோம். படத்தில் காட்டப்பட்டுள்ளபடி. 6c (பச்சைக் கோடு), ஒவ்வொரு சிடி தொகுதியிலும் மூன்று குறுவட்டு கூறுகளை வைப்பது தவறான அலாரம் வீதத்தை 10-2க்கும் குறைவாகக் குறைக்கலாம்.
தாமத வரி சுற்றுகளில் நரம்பியல் மாறுபாட்டின் விளைவு. b, தொடர்புடைய LIF நியூரான்கள் மற்றும் DPI ஒத்திசைவுகளின் நேர மாறிலிகளை பெரிய மதிப்புகளுக்கு அமைப்பதன் மூலம், தாமத வரி சுற்றுகளை பெரிய தாமதங்களுக்கு அளவிட முடியும். RRAM அளவுத்திருத்த செயல்முறையின் மறு செய்கைகளின் எண்ணிக்கையை அதிகரிப்பது இலக்கு தாமதத்தின் துல்லியத்தை கணிசமாக மேம்படுத்துவதை சாத்தியமாக்கியது: 200 மறு செய்கைகள் பிழையை 5% க்கும் குறைவாகக் குறைத்தன. ஒரு மறு செய்கை RRAM கலத்தில் SET/RESET செயல்பாட்டிற்கு ஒத்திருக்கிறது. சி ஜெஃப்ரஸ் மாடலில் உள்ள ஒவ்வொரு சிடி தொகுதியும், சிஸ்டம் தோல்விகளைப் பொறுத்து அதிக நெகிழ்வுத்தன்மைக்காக என் இணையான சிடி கூறுகளைப் பயன்படுத்தி செயல்படுத்தலாம். d மேலும் RRAM அளவுத்திருத்த மறு செய்கைகள் உண்மையான நேர்மறை விகிதத்தை (நீலக் கோடு) அதிகரிக்கின்றன, அதே சமயம் தவறான நேர்மறை விகிதம் மறு செய்கைகளின் எண்ணிக்கையிலிருந்து (பச்சைக் கோடு) சுயாதீனமாக இருக்கும். அதிக சிடி கூறுகளை இணையாக வைப்பது குறுவட்டு தொகுதி பொருத்தங்களை தவறாகக் கண்டறிவதைத் தவிர்க்கிறது.
pMUT சென்சார், சிடி மற்றும் நியூரோமார்பிக் கம்ப்யூட்டிங் வரைபடத்தை உருவாக்கும் டிலே லைன் சர்க்யூட்களின் ஒலியியல் பண்புகளின் அளவீடுகளைப் பயன்படுத்தி படம் 2 இல் காட்டப்பட்டுள்ள எண்ட்-டு-எண்ட் ஒருங்கிணைந்த பொருள் உள்ளூர்மயமாக்கல் அமைப்பின் செயல்திறன் மற்றும் ஆற்றல் நுகர்வு ஆகியவற்றை நாங்கள் இப்போது மதிப்பீடு செய்கிறோம். ஜெஃப்ரஸ் மாதிரி (படம் 1a). நியூரோமார்பிக் கம்ப்யூட்டிங் வரைபடத்தைப் பொறுத்தவரை, அதிக எண்ணிக்கையிலான சிடி தொகுதிகள், சிறந்த கோணத் தீர்மானம், ஆனால் கணினியின் அதிக ஆற்றல் (படம் 7a). முழு அமைப்பின் துல்லியத்துடன் தனிப்பட்ட கூறுகளின் (pMUT சென்சார்கள், நியூரான்கள் மற்றும் சினாப்டிக் சுற்றுகள்) துல்லியத்தை ஒப்பிடுவதன் மூலம் ஒரு சமரசத்தை அடைய முடியும். தாமதக் கோட்டின் தெளிவுத்திறன் உருவகப்படுத்தப்பட்ட ஒத்திசைவுகள் மற்றும் நியூரான்களின் நேர மாறிலிகளால் வரையறுக்கப்படுகிறது, இது எங்கள் திட்டத்தில் 10 µs ஐ விட அதிகமாக உள்ளது, இது 4° கோணத் தீர்மானத்திற்கு ஒத்திருக்கிறது (முறைகளைப் பார்க்கவும்). CMOS தொழில்நுட்பத்துடன் கூடிய மேம்பட்ட முனைகள் குறைந்த நேர மாறிலிகளுடன் நரம்பியல் மற்றும் சினாப்டிக் சுற்றுகளை வடிவமைக்க அனுமதிக்கும், இதன் விளைவாக தாமதக் கோடு கூறுகளின் அதிக துல்லியம் கிடைக்கும். எவ்வாறாயினும், எங்கள் அமைப்பில், கோண நிலையை மதிப்பிடுவதில் pMUT பிழையால் துல்லியம் வரையறுக்கப்பட்டுள்ளது, அதாவது 10° (படம் 7a இல் நீல கிடைமட்ட கோடு). சிடி தொகுதிகளின் எண்ணிக்கையை 40 இல் சரி செய்தோம், இது சுமார் 4° கோணத் தீர்மானத்திற்கு ஒத்திருக்கிறது, அதாவது கணக்கீட்டு வரைபடத்தின் கோணத் துல்லியம் (படம் 7a இல் வெளிர் நீல கிடைமட்டக் கோடு). கணினி மட்டத்தில், இது சென்சார் அமைப்புக்கு முன் 50 செமீ தொலைவில் அமைந்துள்ள பொருட்களுக்கு 4° தீர்மானத்தையும் 10° துல்லியத்தையும் தருகிறது. இந்த மதிப்பு ref இல் தெரிவிக்கப்பட்ட நியூரோமார்பிக் ஒலி உள்ளூர்மயமாக்கல் அமைப்புகளுடன் ஒப்பிடத்தக்கது. 67. முன்மொழியப்பட்ட அமைப்பைக் கலையின் நிலையுடன் ஒப்பிடுவதை துணை அட்டவணை 1 இல் காணலாம். கூடுதல் pMUTகளைச் சேர்ப்பது, ஒலி சமிக்ஞை அளவை அதிகரிப்பது மற்றும் மின்னணு இரைச்சலைக் குறைப்பது ஆகியவை உள்ளூர்மயமாக்கல் துல்லியத்தை மேலும் மேம்படுத்துவதற்கான சாத்தியமான வழிகளாகும். 9.7 என மதிப்பிடப்பட்டுள்ளது. nz. 55. கணக்கீட்டு வரைபடத்தில் 40 CD அலகுகள் கொடுக்கப்பட்டால், SPICE உருவகப்படுத்துதல் ஒரு செயல்பாட்டிற்கான ஆற்றலை (அதாவது, பொருள் பொருத்துதல் ஆற்றல்) 21.6 nJ என மதிப்பிட்டுள்ளது. ஒரு உள்ளீட்டு நிகழ்வு வரும்போது மட்டுமே நியூரோமார்பிக் அமைப்பு செயல்படுத்தப்படுகிறது, அதாவது ஒலி அலை எந்த pMUT பெறுநரையும் அடைந்து கண்டறிதல் வரம்பை மீறும் போது, ​​இல்லையெனில் அது செயலற்ற நிலையில் இருக்கும். உள்ளீடு சமிக்ஞை இல்லாத போது இது தேவையற்ற மின் நுகர்வு தவிர்க்கிறது. 100 ஹெர்ட்ஸ் உள்ளூர்மயமாக்கல் செயல்பாடுகளின் அதிர்வெண் மற்றும் ஒரு செயல்பாட்டிற்கு 300 µs செயல்படுத்தும் காலம் (அதிகபட்ச சாத்தியமான ITD) ஆகியவற்றைக் கருத்தில் கொண்டு, நியூரோமார்பிக் கம்ப்யூட்டிங் வரைபடத்தின் ஆற்றல் நுகர்வு 61.7 nW ஆகும். ஒவ்வொரு pMUT பெறுநருக்கும் நியூரோமார்பிக் முன்-செயலாக்கத்துடன், முழு அமைப்பின் மின் நுகர்வு 81.6 nW ஐ அடைகிறது. வழக்கமான வன்பொருளுடன் ஒப்பிடும்போது முன்மொழியப்பட்ட நியூரோமார்பிக் அணுகுமுறையின் ஆற்றல் செயல்திறனைப் புரிந்து கொள்ள, நியூரோமார்பிக் அல்லது வழக்கமான பீம்ஃபார்மிங்68 திறன்களைப் பயன்படுத்தி நவீன குறைந்த சக்தி மைக்ரோகண்ட்ரோலரில் அதே பணியைச் செய்யத் தேவையான ஆற்றலுடன் இந்த எண்ணை ஒப்பிட்டோம். நியூரோமார்பிக் அணுகுமுறையானது அனலாக்-டு-டிஜிட்டல் கன்வெர்ட்டர் (ADC) நிலையைக் கருதுகிறது, அதைத் தொடர்ந்து ஒரு பேண்ட்-பாஸ் வடிகட்டி மற்றும் ஒரு உறை பிரித்தெடுக்கும் நிலை (டீகர்-கெய்சர் முறை). இறுதியாக, ToF ஐ பிரித்தெடுக்க ஒரு வாசல் செயல்பாடு செய்யப்படுகிறது. ஒவ்வொரு அளவீட்டிற்கும் ஒரு முறை நிகழும் என்பதால், ToF அடிப்படையிலான ITD கணக்கீடு மற்றும் மதிப்பிடப்பட்ட கோண நிலைக்கு மாற்றுவதை நாங்கள் தவிர்த்துவிட்டோம் (முறைகளைப் பார்க்கவும்). இரண்டு சேனல்களிலும் (pMUT பெறுநர்கள்), 18 பேண்ட் பாஸ் வடிகட்டி செயல்பாடுகள், 3 உறை பிரித்தெடுத்தல் செயல்பாடுகள் மற்றும் ஒரு மாதிரிக்கு 1 த்ரெஷோல்ட் செயல்பாடு என இரண்டு சேனல்களிலும் 250 kHz மாதிரி வீதம் இருந்தால், மொத்த மின் நுகர்வு 245 மைக்ரோவாட்களாக மதிப்பிடப்பட்டுள்ளது. இது மைக்ரோகண்ட்ரோலரின் லோ-பவர் மோட்69 ஐப் பயன்படுத்துகிறது, இது அல்காரிதம்கள் இயங்காதபோது இயக்கப்படும், இது மின் நுகர்வு 10.8 µW ஆக குறைக்கிறது. குறிப்பில் முன்மொழியப்பட்ட பீம்ஃபார்மிங் சிக்னல் செயலாக்க தீர்வின் மின் நுகர்வு. 31, 5 pMUT பெறுநர்கள் மற்றும் 11 பீம்கள் அஜிமுத் விமானத்தில் ஒரே மாதிரியாக விநியோகிக்கப்படுகிறது [-50°, +50°], 11.71 மெகாவாட் (விவரங்களுக்கு முறைகள் பகுதியைப் பார்க்கவும்). கூடுதலாக, FPGA47-அடிப்படையிலான நேர வேறுபாடு குறியாக்கியின் (TDE) மின் நுகர்வு 1.5 மெகாவாட் என மதிப்பிடப்பட்டுள்ளது, இது ஜெஃப்ரஸ் மாதிரிக்கு மாற்றாக பொருள் உள்ளூர்மயமாக்கலுக்கு மாற்றாக உள்ளது. இந்த மதிப்பீடுகளின் அடிப்படையில், முன்மொழியப்பட்ட நியூரோமார்பிக் அணுகுமுறையானது, பொருள் பரவல் செயல்பாடுகளுக்கான கிளாசிக்கல் பீம்ஃபார்மிங் நுட்பங்களைப் பயன்படுத்தும் மைக்ரோகண்ட்ரோலருடன் ஒப்பிடும்போது மின் நுகர்வு அளவை ஐந்து ஆர்டர்களால் குறைக்கிறது. கிளாசிக் மைக்ரோகண்ட்ரோலரில் சிக்னல் செயலாக்கத்திற்கு ஒரு நியூரோமார்பிக் அணுகுமுறையை ஏற்றுக்கொள்வது மின் நுகர்வு அளவை இரண்டு ஆர்டர்களால் குறைக்கிறது. முன்மொழியப்பட்ட அமைப்பின் செயல்திறனை ஒரு ஒத்திசைவற்ற ரெசிஸ்டிவ்-மெமரி அனலாக் சர்க்யூட்டின் கலவையால் விளக்க முடியும்.
சிடி தொகுதிகளின் எண்ணிக்கையைப் பொறுத்து உள்ளூர்மயமாக்கல் செயல்பாட்டின் கோணத் தீர்மானம் (நீலம்) மற்றும் மின் நுகர்வு (பச்சை). அடர் நீல கிடைமட்ட பட்டை PMUT இன் கோண துல்லியத்தையும் வெளிர் நீல கிடைமட்ட பட்டை நியூரோமார்பிக் கணக்கீட்டு வரைபடத்தின் கோண துல்லியத்தையும் குறிக்கிறது. b முன்மொழியப்பட்ட அமைப்பின் மின் நுகர்வு மற்றும் மைக்ரோகண்ட்ரோலர் செயலாக்கங்கள் மற்றும் நேர வேறுபாடு குறியாக்கியின் (TDE)47 FPGA இன் டிஜிட்டல் செயல்படுத்தல் ஆகியவற்றுடன் ஒப்பிடுதல்.
இலக்கு உள்ளூர்மயமாக்கல் அமைப்பின் மின் நுகர்வு குறைக்க, நாங்கள் ஒரு திறமையான, நிகழ்வு-உந்துதல் RRAM-அடிப்படையிலான நியூரோமார்பிக் சர்க்யூட்டை உருவாக்கி, வடிவமைத்து செயல்படுத்தினோம், இது இலக்கு பொருளின் நிலையை உண்மையான நிலையில் கணக்கிட உள்ளமைக்கப்பட்ட சென்சார்கள் மூலம் உருவாக்கப்பட்ட சமிக்ஞை தகவலை செயலாக்குகிறது. நேரம். . பாரம்பரிய செயலாக்க முறைகள் கண்டறியப்பட்ட சிக்னல்களை தொடர்ந்து மாதிரி செய்து, பயனுள்ள தகவல்களைப் பிரித்தெடுக்க கணக்கீடுகளைச் செய்யும் போது, ​​முன்மொழியப்பட்ட நியூரோமார்பிக் தீர்வு பயனுள்ள தகவல் வரும்போது ஒத்திசைவற்ற முறையில் கணக்கீடுகளைச் செய்கிறது, இது கணினி சக்தி செயல்திறனை ஐந்து ஆர்டர்களால் அதிகரிக்கிறது. கூடுதலாக, RRAM-அடிப்படையிலான நியூரோமார்பிக் சுற்றுகளின் நெகிழ்வுத்தன்மையை நாங்கள் முன்னிலைப்படுத்துகிறோம். RRAM-ன் கடத்துத்திறனை நிலையற்ற முறையில் மாற்றும் திறன் (பிளாஸ்டிசிட்டி) அல்ட்ரா-லோ பவர் அனலாக் டிபிஐயின் சினாப்டிக் மற்றும் நியூரல் சர்க்யூட்களின் உள்ளார்ந்த மாறுபாட்டை ஈடுசெய்கிறது. இது இந்த RRAM-அடிப்படையிலான சர்க்யூட்டை பல்துறை மற்றும் சக்தி வாய்ந்ததாக ஆக்குகிறது. சிக்னல்களிலிருந்து சிக்கலான செயல்பாடுகள் அல்லது வடிவங்களைப் பிரித்தெடுப்பது எங்கள் குறிக்கோள் அல்ல, ஆனால் உண்மையான நேரத்தில் பொருட்களை உள்ளூர்மயமாக்குவது. எங்கள் சிஸ்டம் சிக்னலை திறம்பட சுருக்கி, தேவைப்படும்போது மிகவும் சிக்கலான முடிவுகளை எடுப்பதற்கு மேலும் செயலாக்க நடவடிக்கைகளுக்கு அனுப்பலாம். உள்ளூர்மயமாக்கல் பயன்பாடுகளின் சூழலில், எங்கள் நரம்பியல் முன்செயலாக்கம் படி பொருட்களின் இருப்பிடம் பற்றிய தகவலை வழங்க முடியும். இந்த தகவலை இயக்கம் கண்டறிதல் அல்லது சைகை அங்கீகாரம் போன்றவற்றுக்கு பயன்படுத்தலாம். அல்ட்ரா லோ பவர் எலக்ட்ரானிக்ஸ் உடன் pMUTகள் போன்ற அல்ட்ரா லோ பவர் சென்சார்களை இணைப்பதன் முக்கியத்துவத்தை நாங்கள் வலியுறுத்துகிறோம். இதற்கு, நியூரோமார்பிக் அணுகுமுறைகள் முக்கியமானவை, ஏனெனில் அவை ஜெஃப்ரஸ் மாதிரி போன்ற உயிரியல் ரீதியாக ஈர்க்கப்பட்ட கணக்கீட்டு முறைகளின் புதிய சுற்று செயலாக்கங்களை உருவாக்க வழிவகுத்தன. சென்சார் இணைவு பயன்பாடுகளின் பின்னணியில், மிகவும் துல்லியமான தகவலைப் பெற எங்கள் கணினி பல்வேறு நிகழ்வு அடிப்படையிலான சென்சார்களுடன் இணைக்கப்படலாம். இருட்டில் இரையை கண்டுபிடிப்பதில் ஆந்தைகள் சிறந்து விளங்கினாலும், அவை சிறந்த கண்பார்வை கொண்டவை மற்றும் இரையைப் பிடிப்பதற்கு முன்பு ஒருங்கிணைக்கப்பட்ட செவி மற்றும் காட்சித் தேடலைச் செய்கின்றன. ஒரு குறிப்பிட்ட செவிப்புல நியூரான் எரியும் போது, ​​ஆந்தை அதன் காட்சித் தேடலை எந்த திசையில் தொடங்க வேண்டும் என்பதைத் தீர்மானிக்கத் தேவையான தகவலைப் பெறுகிறது, இதனால் காட்சிக் காட்சியின் ஒரு சிறிய பகுதியில் அதன் கவனத்தை செலுத்துகிறது. காட்சி உணரிகள் (DVS கேமரா) மற்றும் முன்மொழியப்பட்ட கேட்கும் சென்சார் (pMUT அடிப்படையில்) ஆகியவற்றின் கலவையானது எதிர்கால தன்னாட்சி முகவர்களின் வளர்ச்சிக்காக ஆராயப்பட வேண்டும்.
pMUT சென்சார் ஒரு PCB இல் சுமார் 10 செமீ இடைவெளியில் இரண்டு ரிசீவர்களுடன் அமைந்துள்ளது, மேலும் டிரான்ஸ்மிட்டர் பெறுநர்களுக்கு இடையில் அமைந்துள்ளது. இந்த வேலையில், ஒவ்வொரு மென்படலமும் பைசோ எலக்ட்ரிக் அலுமினியம் நைட்ரைடு (AlN) 800 nm தடிமன் கொண்ட மாலிப்டினம் (Mo) மூன்று அடுக்குகளுக்கு இடையே 200 nm தடிமன் மற்றும் 200 nm தடிமன் கொண்ட அடுக்குடன் பூசப்பட்ட இரண்டு அடுக்குகளைக் கொண்ட இடைநிறுத்தப்பட்ட பைமார்ஃப் அமைப்பாகும். குறிப்பில் விவரிக்கப்பட்டுள்ளபடி மேல் செயலற்ற SiN அடுக்கு. 71. உள் மற்றும் வெளிப்புற மின்முனைகள் மாலிப்டினத்தின் கீழ் மற்றும் மேல் அடுக்குகளுக்குப் பயன்படுத்தப்படுகின்றன, அதே சமயம் நடுத்தர மாலிப்டினம் மின்முனையானது வடிவமற்றது மற்றும் தரையாகப் பயன்படுத்தப்படுகிறது, இதன் விளைவாக நான்கு ஜோடி மின்முனைகளைக் கொண்ட ஒரு சவ்வு உருவாகிறது.
இந்த கட்டிடக்கலை ஒரு பொதுவான சவ்வு சிதைவைப் பயன்படுத்த அனுமதிக்கிறது, இதன் விளைவாக மேம்பட்ட பரிமாற்றம் மற்றும் உணர்திறன் பெறுகிறது. அத்தகைய pMUT பொதுவாக 700 nm/V ஒரு உமிழ்ப்பானாக ஒரு தூண்டுதல் உணர்திறனை வெளிப்படுத்துகிறது, இது 270 Pa/V இன் மேற்பரப்பு அழுத்தத்தை வழங்குகிறது. ஒரு பெறுநராக, ஒரு pMUT படம் 15 nA/Pa இன் குறுகிய சுற்று உணர்திறனை வெளிப்படுத்துகிறது, இது AlN இன் பைசோ எலக்ட்ரிக் குணகத்துடன் நேரடியாக தொடர்புடையது. AlN லேயரில் உள்ள மின்னழுத்தத்தின் தொழில்நுட்ப மாறுபாடு அதிர்வு அதிர்வெண்ணில் மாற்றத்திற்கு வழிவகுக்கிறது, இது pMUT க்கு DC சார்பைப் பயன்படுத்துவதன் மூலம் ஈடுசெய்யப்படலாம். DC உணர்திறன் 0.5 kHz/V இல் அளவிடப்பட்டது. ஒலியியல் தன்மைக்கு, pMUTக்கு முன்னால் மைக்ரோஃபோன் பயன்படுத்தப்படுகிறது.
எதிரொலி துடிப்பை அளவிட, வெளிவரும் ஒலி அலைகளை பிரதிபலிக்கும் வகையில் pMUT க்கு முன் சுமார் 50 செமீ2 பரப்பளவு கொண்ட ஒரு செவ்வக தகட்டை வைத்தோம். தட்டுகளுக்கு இடையிலான தூரம் மற்றும் pMUT விமானத்துடன் தொடர்புடைய கோணம் ஆகிய இரண்டும் சிறப்பு ஹோல்டர்களைப் பயன்படுத்தி கட்டுப்படுத்தப்படுகின்றன. ஒரு Tectronix CPX400DP மின்னழுத்த மூலமானது மூன்று pMUT சவ்வுகளை சார்பு செய்கிறது, அதிர்வு அதிர்வெண்ணை 111.9 kHz31 க்கு மாற்றுகிறது, அதே சமயம் டிரான்ஸ்மிட்டர்கள் Tectronix AFG 3102 பல்ஸ் ஜெனரேட்டரால் இயக்கப்படுகின்றன, அதிர்வு அதிர்வெண் (111.0 kHz இன் ட்யூட்டி சுழற்சி) ஒவ்வொரு pMUT ரிசீவரின் நான்கு வெளியீட்டு போர்ட்களிலிருந்து படிக்கப்படும் மின்னோட்டங்கள் ஒரு சிறப்பு வேறுபட்ட மின்னோட்டம் மற்றும் மின்னழுத்த கட்டமைப்பைப் பயன்படுத்தி மின்னழுத்தங்களாக மாற்றப்படுகின்றன, மேலும் இதன் விளைவாக வரும் சமிக்ஞைகள் ஸ்பெக்ட்ரம் தரவு கையகப்படுத்தல் அமைப்பால் டிஜிட்டல் மயமாக்கப்படுகின்றன. கண்டறிதலின் வரம்பு வெவ்வேறு நிலைமைகளின் கீழ் pMUT சிக்னல் கையகப்படுத்துதலால் வகைப்படுத்தப்பட்டது: நாங்கள் பிரதிபலிப்பாளரை வெவ்வேறு தூரங்களுக்கு [30, 40, 50, 60, 80, 100] செமீ நகர்த்தினோம் மற்றும் pMUT ஆதரவு கோணத்தை மாற்றினோம் ([0, 20, 40] o ) டிகிரிகளில் தொடர்புடைய கோண நிலையைப் பொறுத்து தற்காலிக ITD கண்டறிதல் தீர்மானத்தை படம் 2b காட்டுகிறது.
இந்தக் கட்டுரை இரண்டு வெவ்வேறு ஆஃப்-தி-ஷெல்ஃப் RRAM சுற்றுகளைப் பயன்படுத்துகிறது. முதலாவது 16,384 (16,000) சாதனங்களின் (128 × 128 சாதனங்கள்) ஒரு ட்ரான்சிஸ்டர் மற்றும் ஒரு மின்தடையத்துடன் கூடிய 1T1R கட்டமைப்பில் உள்ளது. இரண்டாவது சிப் படம் 4a இல் காட்டப்பட்டுள்ள நியூரோமார்பிக் தளமாகும். RRAM செல் ஆனது TiN/HfO2/Ti/TiN அடுக்கில் உட்பொதிக்கப்பட்ட 5 nm தடிமன் கொண்ட HfO2 ஃபிலிமைக் கொண்டுள்ளது. RRAM அடுக்கு நிலையான 130nm CMOS செயல்முறையின் பின்-ஆஃப்-லைனில் (BEOL) ஒருங்கிணைக்கப்பட்டுள்ளது. RRAM-அடிப்படையிலான நியூரோமார்பிக் சர்க்யூட்கள் அனைத்து அனலாக் எலக்ட்ரானிக் அமைப்புகளுக்கான வடிவமைப்பு சவாலை முன்வைக்கின்றன, இதில் RRAM சாதனங்கள் பாரம்பரிய CMOS தொழில்நுட்பத்துடன் இணைந்து செயல்படுகின்றன. குறிப்பாக, RRAM சாதனத்தின் கடத்தல் நிலையை கணினியின் செயல்பாட்டு மாறியாகப் படித்துப் பயன்படுத்த வேண்டும். இந்த நோக்கத்திற்காக, ஒரு உள்ளீட்டு துடிப்பு பெறப்படும் போது சாதனத்திலிருந்து மின்னோட்டத்தைப் படிக்கும் ஒரு சுற்று வடிவமைக்கப்பட்டு, புனையப்பட்டது மற்றும் சோதிக்கப்பட்டது மற்றும் இந்த மின்னோட்டத்தைப் பயன்படுத்தி ஒரு வேறுபட்ட ஜோடி ஒருங்கிணைப்பாளரின் (DPI) ஒத்திசைவின் பதிலை எடைபோடுகிறது. இந்த சுற்று படம் 3a இல் காட்டப்பட்டுள்ளது, இது படம் 4a இல் உள்ள நியூரோமார்பிக் தளத்தின் அடிப்படை கட்டுமானத் தொகுதிகளைக் குறிக்கிறது. உள்ளீட்டு துடிப்பு 1T1R சாதனத்தின் நுழைவாயிலை செயல்படுத்துகிறது, RRAM மூலம் மின்னோட்டத்தை சாதனத்தின் கடத்துத்திறன் G (Iweight = G(Vtop – Vx)) விகிதாசாரமாக தூண்டுகிறது. செயல்பாட்டு பெருக்கி (op-amp) சுற்றுகளின் தலைகீழ் உள்ளீடு நிலையான DC சார்பு மின்னழுத்தம் Vtop ஐக் கொண்டுள்ளது. op-amp இன் எதிர்மறை கருத்து M1 இலிருந்து சம மின்னோட்டத்தை வழங்குவதன் மூலம் Vx = Vtop ஐ வழங்கும். சாதனத்திலிருந்து பெறப்பட்ட தற்போதைய Iweight DPI ஒத்திசைவில் செலுத்தப்படுகிறது. ஒரு வலுவான மின்னோட்டம் அதிக டிப்போலரைசேஷன் விளைவிக்கும், எனவே RRAM கடத்துத்திறன் சினாப்டிக் எடைகளை திறம்பட செயல்படுத்துகிறது. இந்த அதிவேக சினாப்டிக் மின்னோட்டம் கசிவு ஒருங்கிணைப்பு மற்றும் தூண்டுதல் (LIF) நியூரான்களின் சவ்வு மின்தேக்கி மூலம் செலுத்தப்படுகிறது, அங்கு அது மின்னழுத்தமாக ஒருங்கிணைக்கப்படுகிறது. மென்படலத்தின் வாசல் மின்னழுத்தம் (இன்வெர்ட்டரின் மாறுதல் மின்னழுத்தம்) மீறப்பட்டால், நியூரானின் வெளியீடு பகுதி செயல்படுத்தப்பட்டு, வெளியீட்டு ஸ்பைக்கை உருவாக்குகிறது. இந்த துடிப்பு மீண்டும் வந்து, நியூரானின் சவ்வு மின்தேக்கியை தரையில் நிறுத்துகிறது, இதனால் அது வெளியேற்றப்படுகிறது. இந்த சுற்று பின்னர் ஒரு பல்ஸ் எக்ஸ்பாண்டருடன் (படம் 3a இல் காட்டப்படவில்லை) கூடுதலாக வழங்கப்படுகிறது, இது LIF நியூரானின் வெளியீட்டுத் துடிப்பை இலக்கு துடிப்பு அகலத்திற்கு வடிவமைக்கிறது. மல்டிபிளெக்சர்கள் ஒவ்வொரு வரியிலும் கட்டமைக்கப்பட்டுள்ளன, RRAM சாதனத்தின் மேல் மற்றும் கீழ் மின்முனைகளுக்கு மின்னழுத்தத்தைப் பயன்படுத்த அனுமதிக்கிறது.
மின் சோதனையில் அனலாக் சர்க்யூட்களின் டைனமிக் நடத்தையை பகுப்பாய்வு செய்தல் மற்றும் பதிவு செய்தல், அத்துடன் நிரலாக்கம் மற்றும் RRAM சாதனங்களைப் படித்தல் ஆகியவை அடங்கும். இரண்டு படிகளுக்கும் சிறப்பு கருவிகள் தேவை, இவை அனைத்தும் ஒரே நேரத்தில் சென்சார் போர்டுடன் இணைக்கப்பட்டுள்ளன. நியூரோமார்பிக் சர்க்யூட்களில் உள்ள RRAM சாதனங்களுக்கான அணுகல் வெளிப்புற கருவிகளிலிருந்து மல்டிபிளெக்சர் (MUX) மூலம் மேற்கொள்ளப்படுகிறது. MUX ஆனது 1T1R கலத்தை அது சேர்ந்த மற்ற சுற்றுகளில் இருந்து பிரிக்கிறது, இது சாதனத்தை படிக்க மற்றும்/அல்லது நிரல்படுத்த அனுமதிக்கிறது. RRAM சாதனங்களை நிரல்படுத்தவும் படிக்கவும், ஒரு Keithley 4200 SCS இயந்திரம் Arduino மைக்ரோகண்ட்ரோலருடன் இணைந்து பயன்படுத்தப்படுகிறது: முதலாவது துல்லியமான துடிப்பு உருவாக்கம் மற்றும் தற்போதைய வாசிப்புக்கு, இரண்டாவது நினைவக வரிசையில் தனிப்பட்ட 1T1R கூறுகளை விரைவாக அணுகுவதற்கு. RRAM சாதனத்தை உருவாக்குவதே முதல் செயல்பாடு. செல்கள் ஒவ்வொன்றாகத் தேர்ந்தெடுக்கப்பட்டு, மேல் மற்றும் கீழ் மின்முனைகளுக்கு இடையே நேர்மறை மின்னழுத்தம் பயன்படுத்தப்படுகிறது. இந்த வழக்கில், மின்னோட்டம் தேர்ந்தெடுக்கப்பட்ட டிரான்சிஸ்டருக்கு தொடர்புடைய கேட் மின்னழுத்தத்தை வழங்குவதன் காரணமாக பல்லாயிரக்கணக்கான மைக்ரோஆம்பியர்களின் வரிசையில் வரையறுக்கப்பட்டுள்ளது. RRAM செல் பின்னர் முறையே ரீசெட் மற்றும் செட் செயல்பாடுகளைப் பயன்படுத்தி குறைந்த கடத்தும் நிலை (எல்சிஎஸ்) மற்றும் உயர் மின்கடத்து நிலை (எச்சிஎஸ்) இடையே சுழற்சி செய்யலாம். 1 μs கால அளவு கொண்ட செவ்வக மின்னழுத்த துடிப்பு மற்றும் மேல் மின்முனைக்கு 2.0-2.5 V உச்ச மின்னழுத்தம் மற்றும் 0.9-1.3 V உச்ச மின்னழுத்தத்துடன் ஒத்த வடிவத்தின் ஒத்திசைவு துடிப்பு ஆகியவற்றைப் பயன்படுத்துவதன் மூலம் SET செயல்பாடு மேற்கொள்ளப்படுகிறது. தேர்வி டிரான்சிஸ்டரின் வாயில். இந்த மதிப்புகள் RRAM கடத்துத்திறனை 20-150 µs இடைவெளியில் மாற்றியமைக்க அனுமதிக்கின்றன. RESET க்கு, கேட் மின்னழுத்தம் 2.5-3.0 V வரம்பில் இருக்கும்போது செல்லின் கீழ் மின்முனையில் (பிட் லைன்) 1 µs அகலம், 3 V பீக் துடிப்பு பயன்படுத்தப்படுகிறது. அனலாக் சுற்றுகளின் உள்ளீடுகள் மற்றும் வெளியீடுகள் டைனமிக் சிக்னல்கள் ஆகும். . உள்ளீட்டிற்காக, இரண்டு HP 8110 பல்ஸ் ஜெனரேட்டர்களை Tektronix AFG3011 சிக்னல் ஜெனரேட்டர்களுடன் இணைத்துள்ளோம். உள்ளீட்டுத் துடிப்பின் அகலம் 1 µs மற்றும் எழுச்சி / வீழ்ச்சி விளிம்பு 50 ns. இந்த வகை துடிப்பு அனலாக் க்ளிட்ச் அடிப்படையிலான சுற்றுகளில் ஒரு பொதுவான தடுமாற்றமாக கருதப்படுகிறது. வெளியீட்டு சமிக்ஞையைப் பொறுத்தவரை, டெலிடைன் லெக்ராய் 1 ஜிகாஹெர்ட்ஸ் அலைக்காட்டியைப் பயன்படுத்தி வெளியீட்டு சமிக்ஞை பதிவு செய்யப்பட்டது. அலைக்காட்டியின் கையகப்படுத்தல் வேகமானது சுற்று தரவுகளின் பகுப்பாய்வு மற்றும் கையகப்படுத்துதலில் கட்டுப்படுத்தும் காரணியாக இல்லை என நிரூபிக்கப்பட்டுள்ளது.
நியூரான்கள் மற்றும் ஒத்திசைவுகளின் நடத்தையை உருவகப்படுத்த அனலாக் எலக்ட்ரானிக்ஸின் இயக்கவியலைப் பயன்படுத்துவது கணக்கீட்டு செயல்திறனை மேம்படுத்த ஒரு நேர்த்தியான மற்றும் திறமையான தீர்வாகும். இந்தக் கணக்கீட்டு அடித்தளத்தின் தீமை என்னவென்றால், இது திட்டத்திற்குத் திட்டத்திற்கு மாறுபடும். நியூரான்கள் மற்றும் சினாப்டிக் சுற்றுகளின் மாறுபாட்டை நாங்கள் கணக்கிட்டோம் (துணை படம் 2a,b). மாறுபாட்டின் அனைத்து வெளிப்பாடுகளிலும், நேர மாறிலிகள் மற்றும் உள்ளீட்டு ஆதாயத்துடன் தொடர்புடையவை கணினி மட்டத்தில் மிகப்பெரிய தாக்கத்தை ஏற்படுத்துகின்றன. LIF நியூரானின் நேர மாறிலி மற்றும் DPI ஒத்திசைவு ஒரு RC சுற்று மூலம் தீர்மானிக்கப்படுகிறது, R இன் மதிப்பு டிரான்சிஸ்டரின் வாயிலில் பயன்படுத்தப்படும் ஒரு சார்பு மின்னழுத்தத்தால் கட்டுப்படுத்தப்படுகிறது (நியூரானுக்கான Vlk மற்றும் சினாப்ஸுக்கு Vtau), கசிவு விகிதம். உள்ளீட்டுத் துடிப்பால் தூண்டப்பட்ட சினாப்டிக் மற்றும் நரம்பியல் சவ்வு மின்தேக்கிகளால் அடையப்படும் உச்ச மின்னழுத்தம் என உள்ளீடு ஆதாயம் வரையறுக்கப்படுகிறது. உள்ளீட்டு ஆதாயம் மற்றொரு சார்பு டிரான்சிஸ்டரால் கட்டுப்படுத்தப்படுகிறது, இது உள்ளீட்டு மின்னோட்டத்தை மாற்றியமைக்கிறது. ST மைக்ரோ எலக்ட்ரானிக்ஸின் 130nm செயல்பாட்டில் அளவீடு செய்யப்பட்ட மான்டே கார்லோ உருவகப்படுத்துதல் சில உள்ளீட்டு ஆதாயம் மற்றும் நேர நிலையான புள்ளிவிவரங்களை சேகரிக்க நிகழ்த்தப்பட்டது. முடிவுகள் துணை படம் 2 இல் வழங்கப்பட்டுள்ளன, அங்கு உள்ளீட்டு ஆதாயம் மற்றும் நேர மாறிலி ஆகியவை கசிவு விகிதத்தைக் கட்டுப்படுத்தும் சார்பு மின்னழுத்தத்தின் செயல்பாடாக அளவிடப்படுகின்றன. பச்சை குறிப்பான்கள் சராசரியிலிருந்து நேர மாறிலியின் நிலையான விலகலைக் கணக்கிடுகின்றன. நியூரான்கள் மற்றும் சினாப்டிக் சுற்றுகள் இரண்டும் 10-5-10-2 வி வரம்பில் பரந்த அளவிலான நேர மாறிலிகளை வெளிப்படுத்த முடிந்தது, துணை படம். திட்டத்தில் காட்டப்பட்டுள்ளது. நரம்பியல் மற்றும் சினாப்ஸ் மாறுபாட்டின் உள்ளீடு பெருக்கம் (துணை படம். 2e,d) முறையே தோராயமாக 8% மற்றும் 3% ஆகும். இத்தகைய குறைபாடு இலக்கியத்தில் நன்கு ஆவணப்படுத்தப்பட்டுள்ளது: LIF63 நியூரான்களின் மக்கள்தொகைக்கு இடையிலான பொருந்தாத தன்மையை மதிப்பிடுவதற்கு DYNAP சில்லுகளின் வரிசையில் பல்வேறு அளவீடுகள் செய்யப்பட்டன. BrainScale கலப்பு சமிக்ஞை சிப்பில் உள்ள ஒத்திசைவுகள் அளவிடப்பட்டு அவற்றின் முரண்பாடுகள் பகுப்பாய்வு செய்யப்பட்டன, மேலும் கணினி நிலை மாறுபாட்டின் விளைவைக் குறைக்க ஒரு அளவுத்திருத்த செயல்முறை முன்மொழியப்பட்டது.
நியூரோமார்பிக் சர்க்யூட்களில் RRAM இன் செயல்பாடு இரண்டு மடங்கு ஆகும்: கட்டிடக்கலை வரையறை (வெளியீடுகளுக்கு ரூட்டிங் உள்ளீடுகள்) மற்றும் சினாப்டிக் எடைகளை செயல்படுத்துதல். மாதிரியான நியூரோமார்பிக் சுற்றுகளின் மாறுபாட்டின் சிக்கலைத் தீர்க்க பிந்தைய சொத்து பயன்படுத்தப்படலாம். பகுப்பாய்வு செய்யப்படும் சர்க்யூட் சில தேவைகளைப் பூர்த்தி செய்யும் வரை RRAM சாதனத்தை மறு நிரலாக்கத்தை உள்ளடக்கிய எளிய அளவுத்திருத்த செயல்முறையை நாங்கள் உருவாக்கியுள்ளோம். கொடுக்கப்பட்ட உள்ளீட்டிற்கு, வெளியீடு கண்காணிக்கப்படுகிறது மற்றும் இலக்கு நடத்தை அடையும் வரை RRAM மறுநிரலாக்கம் செய்யப்படுகிறது. RRAM தளர்வின் சிக்கலைத் தீர்க்க நிரலாக்க செயல்பாடுகளுக்கு இடையில் 5 வினாடிகள் காத்திருக்கும் நேரம் அறிமுகப்படுத்தப்பட்டது, இதன் விளைவாக நிலையற்ற கடத்தல் ஏற்ற இறக்கங்கள் (துணைத் தகவல்). நியூரோமார்பிக் சர்க்யூட்டின் தேவைகளுக்கு ஏற்ப சினாப்டிக் எடைகள் சரிசெய்யப்படுகின்றன அல்லது அளவீடு செய்யப்படுகின்றன. அளவுத்திருத்த செயல்முறையானது நியூரோமார்பிக் இயங்குதளங்களின் இரண்டு அடிப்படை அம்சங்கள், தாமதக் கோடுகள் மற்றும் திசை உணர்வற்ற குறுவட்டு ஆகியவற்றின் மீது கவனம் செலுத்தும் கூடுதல் வழிமுறைகளில் [1, 2] சுருக்கப்பட்டுள்ளது. ஒரு தாமதக் கோடு கொண்ட ஒரு சுற்றுக்கு, இலக்கு நடத்தை ஒரு தாமதமான Δt உடன் வெளியீடு துடிப்பு வழங்குவதாகும். உண்மையான சுற்று தாமதமானது இலக்கு மதிப்பை விட குறைவாக இருந்தால், G3 இன் சினாப்டிக் எடை குறைக்கப்பட வேண்டும் (G3 மீட்டமைக்கப்பட்டு, பின்னர் குறைந்த பொருந்தும் தற்போதைய Icc க்கு அமைக்கப்பட வேண்டும்). மாறாக, உண்மையான தாமதமானது இலக்கு மதிப்பை விட அதிகமாக இருந்தால், G3 இன் கடத்துத்திறன் அதிகரிக்கப்பட வேண்டும் (G3 முதலில் மீட்டமைக்கப்பட்டு பின்னர் அதிக Icc மதிப்பிற்கு அமைக்கப்பட வேண்டும்). சுற்று உருவாக்கும் தாமதம் இலக்கு மதிப்புடன் பொருந்தி, அளவுத்திருத்த செயல்முறையை நிறுத்த சகிப்புத்தன்மை அமைக்கப்படும் வரை இந்த செயல்முறை மீண்டும் மீண்டும் செய்யப்படுகிறது. நோக்குநிலை உணர்வற்ற குறுந்தகடுகளுக்கு, இரண்டு RRAM சாதனங்கள், G1 மற்றும் G3, அளவுத்திருத்தச் செயல்பாட்டில் ஈடுபட்டுள்ளன. இந்த சுற்று இரண்டு உள்ளீடுகளைக் கொண்டுள்ளது, Vin0 மற்றும் Vin1, dt ஆல் தாமதமானது. சுற்று பொருந்தும் வரம்பிற்குக் கீழே உள்ள தாமதங்களுக்கு மட்டுமே பதிலளிக்க வேண்டும் [0,dtCD]. வெளியீட்டு உச்சம் இல்லை, ஆனால் உள்ளீட்டு உச்சம் நெருக்கமாக இருந்தால், நியூரான் வாசலை அடைய உதவும் இரண்டு RRAM சாதனங்களும் அதிகரிக்கப்பட வேண்டும். மாறாக, டிடிசிடியின் இலக்கு வரம்பை மீறும் தாமதத்திற்கு சர்க்யூட் பதிலளித்தால், கடத்தல் குறைக்கப்பட வேண்டும். சரியான நடத்தை கிடைக்கும் வரை செயல்முறையை மீண்டும் செய்யவும். ref இல் உள்ள உள்ளமைக்கப்பட்ட அனலாக் சுற்று மூலம் இணக்க மின்னோட்டத்தை மாற்றியமைக்க முடியும். 72.73. இந்த உள்ளமைக்கப்பட்ட சர்க்யூட் மூலம், கணினியை அளவீடு செய்ய அல்லது மற்றொரு பயன்பாட்டிற்கு மீண்டும் பயன்படுத்த இதுபோன்ற நடைமுறைகள் அவ்வப்போது செய்யப்படலாம்.
ஒரு நிலையான 32-பிட் மைக்ரோகண்ட்ரோலர்68 இல் எங்கள் நியூரோமார்பிக் சிக்னல் செயலாக்க அணுகுமுறையின் சக்தி நுகர்வு மதிப்பீடு செய்கிறோம். இந்த மதிப்பீட்டில், ஒரு pMUT டிரான்ஸ்மிட்டர் மற்றும் இரண்டு pMUT ரிசீவர்களுடன் இந்தத் தாளில் உள்ள அதே அமைப்புடன் செயல்படுவோம். இந்த முறை ஒரு பேண்ட்பாஸ் வடிப்பானைப் பயன்படுத்துகிறது, அதைத் தொடர்ந்து ஒரு உறை பிரித்தெடுக்கும் படி (டீகர்-கெய்சர்) மற்றும் இறுதியாக விமானத்தின் நேரத்தைப் பிரித்தெடுக்க சிக்னலில் ஒரு த்ரெஷோல்டிங் செயல்பாடு பயன்படுத்தப்படுகிறது. ஐடிடியின் கணக்கீடு மற்றும் கண்டறிதல் கோணங்களாக மாற்றுவது மதிப்பீட்டில் தவிர்க்கப்பட்டது. 18 ஃப்ளோட்டிங் பாயிண்ட் செயல்பாடுகள் தேவைப்படும் 4வது வரிசையின் எல்லையற்ற உந்துவிசை பதில் வடிப்பானைப் பயன்படுத்தி பேண்ட் பாஸ் வடிப்பானைச் செயல்படுத்துவதை நாங்கள் கருதுகிறோம். உறை பிரித்தெடுத்தல் மேலும் மூன்று மிதக்கும் புள்ளி செயல்பாடுகளைப் பயன்படுத்துகிறது, மேலும் கடைசி செயல்பாடு வாசலை அமைக்க பயன்படுத்தப்படுகிறது. சிக்னலை முன்கூட்டியே செயலாக்குவதற்கு மொத்தம் 22 மிதக்கும் புள்ளி செயல்பாடுகள் தேவை. கடத்தப்பட்ட சமிக்ஞையானது 111.9 kHz சைன் அலைவடிவத்தின் ஒரு குறுகிய வெடிப்பு ஆகும், இது ஒவ்வொரு 10 ms க்கும் உருவாக்கப்படுகிறது, இதன் விளைவாக 100 Hz இன் நிலைப்படுத்தல் இயக்க அதிர்வெண் ஏற்படுகிறது. Nyquist உடன் இணங்க 250 kHz மாதிரி விகிதத்தையும், 1 மீட்டர் வரம்பைப் பிடிக்க ஒவ்வொரு அளவீட்டிற்கும் 6 ms சாளரத்தையும் பயன்படுத்தினோம். 6 மில்லி விநாடிகள் என்பது 1 மீட்டர் தொலைவில் உள்ள ஒரு பொருளின் பறக்கும் நேரம் என்பதை நினைவில் கொள்ளவும். இது 0.5 MSPS இல் A/D மாற்றத்திற்கு 180 µW மின் நுகர்வை வழங்குகிறது. சிக்னல் முன் செயலாக்கம் 6.60 எம்ஐபிஎஸ் (வினாடிக்கு வழிமுறைகள்), 0.75 மெகாவாட் உற்பத்தி செய்கிறது. இருப்பினும், அல்காரிதம் இயங்காதபோது மைக்ரோகண்ட்ரோலர் குறைந்த சக்தி முறை 69க்கு மாறலாம். இந்த பயன்முறையானது நிலையான மின் நுகர்வு 10.8 μW மற்றும் 113 μs விழிப்பு நேரத்தை வழங்குகிறது. கடிகார அதிர்வெண் 84 மெகா ஹெர்ட்ஸ் கொடுக்கப்பட்டால், மைக்ரோகண்ட்ரோலர் நியூரோமார்பிக் அல்காரிதத்தின் அனைத்து செயல்பாடுகளையும் 10 எம்எஸ்க்குள் முடிக்கிறது, மேலும் அல்காரிதம் 6.3% கடமை சுழற்சியைக் கணக்கிடுகிறது, இதனால் குறைந்த சக்தி பயன்முறையைப் பயன்படுத்துகிறது. இதன் விளைவாக சக்தி சிதறல் 244.7 μW ஆகும். ToF இலிருந்து ITD வெளியீடு மற்றும் கண்டறிதல் கோணத்திற்கு மாற்றுவதை நாங்கள் தவிர்க்கிறோம், இதனால் மைக்ரோகண்ட்ரோலரின் மின் நுகர்வு குறைத்து மதிப்பிடப்படுகிறது. இது முன்மொழியப்பட்ட அமைப்பின் ஆற்றல் திறனுக்கான கூடுதல் மதிப்பை வழங்குகிறது. கூடுதல் ஒப்பீட்டு நிபந்தனையாக, குறிப்பில் முன்மொழியப்பட்ட கிளாசிக்கல் பீம்ஃபார்மிங் முறைகளின் மின் நுகர்வுகளை மதிப்பீடு செய்கிறோம். 1.8V விநியோக மின்னழுத்தத்தில் அதே மைக்ரோகண்ட்ரோலர்68 இல் உட்பொதிக்கப்பட்ட போது 31.54. பீம்ஃபார்மிங்கிற்கான தரவைப் பெற ஐந்து சம இடைவெளி கொண்ட pMUT சவ்வுகள் பயன்படுத்தப்படுகின்றன. செயலாக்கத்தைப் பொறுத்தவரை, பயன்படுத்தப்படும் பீம்ஃபார்மிங் முறை தாமத கூட்டுத்தொகை ஆகும். இது ஒரு லேன் மற்றும் ரெஃபரன்ஸ் லேன் இடையே எதிர்பார்க்கப்படும் வருகை நேர வேறுபாட்டுடன் தொடர்புடைய லேன்களுக்கு தாமதத்தைப் பயன்படுத்துவதைக் கொண்டுள்ளது. சிக்னல்கள் கட்டத்தில் இருந்தால், இந்த சிக்னல்களின் கூட்டு நேர மாற்றத்திற்குப் பிறகு அதிக ஆற்றலைக் கொண்டிருக்கும். அவை கட்டத்திற்கு வெளியே இருந்தால், அழிவுகரமான குறுக்கீடு அவற்றின் கூட்டுத்தொகையின் ஆற்றலைக் கட்டுப்படுத்தும். ஒரு உறவில். அத்திப்பழத்தில். 31, 2 மெகா ஹெர்ட்ஸ் மாதிரி விகிதம் ஒரு முழு எண் மாதிரிகள் மூலம் தரவை மாற்றுவதற்கு தேர்ந்தெடுக்கப்பட்டது. 250 kHz இன் கரடுமுரடான மாதிரி விகிதத்தை பராமரிப்பது மற்றும் பகுதியளவு தாமதங்களை ஒருங்கிணைக்க ஒரு Finite Impulse Response (FIR) வடிப்பானைப் பயன்படுத்துவது மிகவும் எளிமையான அணுகுமுறையாகும். பீம்ஃபார்மிங் அல்காரிதத்தின் சிக்கலானது முக்கியமாக நேர மாற்றத்தால் தீர்மானிக்கப்படுகிறது என்று கருதுவோம், ஏனெனில் ஒவ்வொரு சேனலும் ஒவ்வொரு திசையிலும் 16 தட்டுகள் கொண்ட எஃப்ஐஆர் வடிகட்டியுடன் இணைக்கப்பட்டுள்ளது. இந்தச் செயல்பாட்டிற்குத் தேவையான MIPS இன் எண்ணிக்கையைக் கணக்கிட, 1 மீட்டர், 5 சேனல்கள், 11 பீம்ஃபார்மிங் திசைகள் (வரம்பு +/- 50° 10° படிகள்) ஆகியவற்றைப் பிடிக்க ஒரு அளவீட்டுக்கு 6ms என்ற விண்டோவைக் கருதுகிறோம். வினாடிக்கு 75 அளவீடுகள் மைக்ரோகண்ட்ரோலரை அதன் அதிகபட்ச 100 MIPS க்கு தள்ளியது. இணைப்பு. 68, இதன் விளைவாக 11.26 மெகாவாட் மின்சாரம் சிதறி 11.71 மெகாவாட் மொத்த மின் சிதறலுக்கு ஆன்போர்டு ஏடிசி பங்களிப்பைச் சேர்த்த பிறகு.
இந்த ஆய்வின் முடிவுகளை ஆதரிக்கும் தரவு நியாயமான கோரிக்கையின் பேரில், அந்தந்த எழுத்தாளர், FM இலிருந்து கிடைக்கிறது.
Indiveri, G. & Sandamirskaya, Y. நியூரோமார்பிக் முகவர்களில் சமிக்ஞை செயலாக்கத்திற்கான இடம் மற்றும் நேரத்தின் முக்கியத்துவம்: சுற்றுச்சூழலுடன் தொடர்பு கொள்ளும் குறைந்த சக்தி, தன்னாட்சி முகவர்களை உருவாக்கும் சவால். Indiveri, G. & Sandamirskaya, Y. நியூரோமார்பிக் முகவர்களில் சமிக்ஞை செயலாக்கத்திற்கான இடம் மற்றும் நேரத்தின் முக்கியத்துவம்: சுற்றுச்சூழலுடன் தொடர்பு கொள்ளும் குறைந்த சக்தி, தன்னாட்சி முகவர்களை உருவாக்கும் சவால்.Indiveri G. மற்றும் Sandamirskaya Y. நியூரோமார்பிக் முகவர்களில் சமிக்ஞை செயலாக்கத்திற்கான இடம் மற்றும் நேரத்தின் முக்கியத்துவம்: சுற்றுச்சூழலுடன் தொடர்பு கொள்ளும் குறைந்த சக்தி தன்னாட்சி முகவர்களை உருவாக்கும் சவால். இந்திவேரி, ஜி. & சண்டாமிர்ஸ்கயா, ஒய். 、自主代理的挑战。 இந்திவேரி, ஜி. & சண்டமிர்ஸ்கயா, ஒய்.Indiveri G. மற்றும் Sandamirskaya Y. நியூரோமார்பிக் முகவர்களில் சமிக்ஞை செயலாக்கத்திற்கான இடம் மற்றும் நேரத்தின் முக்கியத்துவம்: சுற்றுச்சூழலுடன் தொடர்பு கொள்ளும் குறைந்த சக்தி தன்னாட்சி முகவர்களை உருவாக்கும் சவால்.IEEE சிக்னல் செயலாக்கம். ஜர்னல் 36, 16–28 (2019).
தோர்ப், SJ பீக் வருகை நேரம்: ஒரு திறமையான நரம்பியல் நெட்வொர்க் குறியீட்டு திட்டம். Eckmiller, R., Hartmann, G. & Hauske, G. (eds). Eckmiller, R., Hartmann, G. & Hauske, G. (eds).Eckmiller, R., Hartmann, G. மற்றும் Hauske, G. (eds.).எக்மில்லரில், ஆர்., ஹார்ட்மேன், ஜி., மற்றும் ஹவுஸ்கே, ஜி. (பதிப்பு.). நரம்பியல் அமைப்புகள் மற்றும் கணினிகளில் இணையான செயலாக்கம் 91–94 (நார்த்-ஹாலண்ட் எல்சேவியர், 1990).
Levy, WB & Calvert, VG Communication ஆனது மனிதப் புறணியில் உள்ள கணக்கீட்டை விட 35 மடங்கு அதிக ஆற்றலைப் பயன்படுத்துகிறது, ஆனால் சினாப்ஸ் எண்ணைக் கணிக்க இரண்டு செலவுகளும் தேவை. Levy, WB & Calvert, VG Communication ஆனது மனிதப் புறணியில் உள்ள கணக்கீட்டை விட 35 மடங்கு அதிக ஆற்றலைப் பயன்படுத்துகிறது, ஆனால் சினாப்ஸ் எண்ணைக் கணிக்க இரண்டு செலவுகளும் தேவை.லெவி, டபிள்யூபி மற்றும் கால்வர்ட், டபிள்யூஜி கம்யூனிகேஷன் மனிதப் புறணியில் உள்ள கணக்கீட்டை விட 35 மடங்கு அதிக ஆற்றலைப் பயன்படுத்துகிறது, ஆனால் சினாப்ஸின் எண்ணிக்கையைக் கணிக்க இரண்டு செலவுகளும் தேவைப்படுகின்றன. லெவி, டபிள்யூபி & கால்வர்ட், விஜி தகவல் தொடர்பு லெவி, டபிள்யூபி & கால்வர்ட், விஜி கம்யூனிகேஷன்லெவி, டபிள்யூபி மற்றும் கால்வெர்ட், டபிள்யூஜி கம்யூனிகேஷன் மனிதப் புறணியில் உள்ள கணக்கீட்டை விட 35 மடங்கு அதிக ஆற்றலைப் பயன்படுத்துகிறது, ஆனால் இரண்டு செலவுகளுக்கும் ஒத்திசைவுகளின் எண்ணிக்கையைக் கணிக்க வேண்டும்.செயல்முறை. தேசிய அறிவியல் அகாடமி. அறிவியல். 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. மற்றும் Casas, J. Insect-inspired neuromorphic computing.Dalgati T., Vianello E., DeSalvo B. மற்றும் Casas J. பூச்சியால் தூண்டப்பட்ட நியூரோமார்பிக் கம்ப்யூட்டிங். தற்போதைய. கருத்து. பூச்சி அறிவியல். 30, 59–66 (2018).
ராய், கே., ஜெய்ஸ்வால், ஏ. & பாண்டா, பி. நியூரோமார்பிக் கம்ப்யூட்டிங்குடன் கூடிய ஸ்பைக் அடிப்படையிலான இயந்திர நுண்ணறிவை நோக்கி. ராய், கே., ஜெய்ஸ்வால், ஏ. & பாண்டா, பி. நியூரோமார்பிக் கம்ப்யூட்டிங்குடன் கூடிய ஸ்பைக் அடிப்படையிலான இயந்திர நுண்ணறிவை நோக்கி. ராய், கே. ஜெய்ஸ்வால், ஏராய் கே, ஜெய்ஸ்வால் ஏ மற்றும் பாண்டா பி. நியூரோமார்பிக் கம்ப்யூட்டிங்கைப் பயன்படுத்தி பல்ஸ் அடிப்படையிலான செயற்கை நுண்ணறிவு. இயற்கை 575, 607–617 (2019).
இந்திவேரி, ஜி. & லியு, எஸ்.-சி. இந்திவேரி, ஜி. & லியு, எஸ்.-சி.இந்திவேரி, ஜி. மற்றும் லியு, எஸ்.-கே. இந்திவேரி, ஜி. & லியு, எஸ்.-சி. இந்திவேரி, ஜி. & லியு, எஸ்.-சி.இந்திவேரி, ஜி. மற்றும் லியு, எஸ்.-கே.நியூரோமார்பிக் அமைப்புகளில் நினைவகம் மற்றும் தகவல் செயலாக்கம். செயல்முறை. IEEE 103, 1379–1397 (2015).
Akopyan F. மற்றும் பலர். Truenorth: 65 mW 1 மில்லியன் நியூரான் புரோகிராம் செய்யக்கூடிய சினாப்டிக் சிப்புக்கான வடிவமைப்பு மற்றும் கருவித்தொகுப்பு. IEEE பரிவர்த்தனைகள். ஒருங்கிணைந்த சுற்று அமைப்புகளின் கணினி வடிவமைப்பு. 34, 1537–1557 (2015).
ஸ்கெமெல், ஜே. மற்றும் பலர். லைவ் டெமோ: பிளேட் அளவில் ப்ரைன்ஸ்கேல்ஸ் நியூரோமார்ஃபிக் அமைப்பின் அளவிடப்பட்ட பதிப்பு. 2012 IEEE சர்க்யூட்ஸ் அண்ட் சிஸ்டம்ஸ் (ISCAS), (IEEE ed.) 702–702 (2012) பற்றிய சர்வதேச சிம்போசியம்.
மொராடி, எஸ்., கியாவோ, என்., ஸ்டெபானினி, எஃப். & இன்டிவேரி, ஜி. டைனமிக் நியூரோமார்பிக் ஒத்திசைவற்ற செயலிகளுக்கான (டிஎன்ஏபி) பன்முக நினைவக அமைப்புகளுடன் கூடிய அளவிடக்கூடிய மல்டிகோர் ஆர்கிடெக்சர். மொராடி, எஸ்., கியாவோ, என்., ஸ்டெபானினி, எஃப். & இன்டிவேரி, ஜி. டைனமிக் நியூரோமார்பிக் ஒத்திசைவற்ற செயலிகளுக்கான (டிஎன்ஏபி) பன்முக நினைவக அமைப்புகளுடன் கூடிய அளவிடக்கூடிய மல்டிகோர் ஆர்கிடெக்சர்.மொராடி எஸ்., கியாவோ என்., ஸ்டெபானினி எஃப். மற்றும் இண்டிவிரி ஜி. டைனமிக் நியூரோமார்ஃபிக் ஒத்திசைவற்ற செயலிகளுக்கான (DYNAP) பன்முக நினைவக அமைப்புகளுடன் கூடிய அளவிடக்கூடிய மல்டிகோர் கட்டிடக்கலை. மொராடி, S.、Qiao, N.、Stefanini, F. & Indiveri, G. 一种可扩展的多核架构，具有用于动态神用于动态神经形歄)异构内存结构。 மொராடி, S.、Qiao, N.、Stefanini, F. & Indiveri, G. டைனமிக் நியூரல் ப்ராசஸிங்கிற்கான (DYNAP) தனித்துவமான நினைவக அமைப்புடன் கூடிய விரிவாக்கக்கூடிய மல்டி-கோர் ஆர்கிடெக்சர்.மொராடி எஸ்., கியாவோ என்., ஸ்டெபானினி எஃப். மற்றும் இண்டிவிரி ஜி. டைனமிக் நியூரோமார்ஃபிக் ஒத்திசைவற்ற செயலிகளுக்கான (DYNAP) பன்முக நினைவக அமைப்புகளுடன் கூடிய அளவிடக்கூடிய மல்டிகோர் கட்டிடக்கலை.பயோமெடிக்கல் அறிவியலில் IEEE பரிவர்த்தனைகள். மின் அமைப்பு. 12, 106–122 (2018).
டேவிஸ், எம். மற்றும் பலர். லோஹி: உட்பொதிக்கப்பட்ட கற்றலுடன் கூடிய நியூரோமார்பிக் மல்டி-கோர் செயலி. IEEE மைக்ரோ 38, 82–99 (2018).
Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker திட்டம். Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker திட்டம்.Ferber SB, Galluppi F., Temple S. மற்றும் Plana LA SpiNNaker திட்டம்.Ferber SB, Galluppi F., Temple S. மற்றும் Plana LA SpiNNaker திட்டம். செயல்முறை. IEEE 102, 652–665 (2014).
லியு, எஸ்.-கே. & டெல்ப்ரூக், டி. நியூரோமார்பிக் உணர்வு அமைப்புகள். & டெல்ப்ரூக், டி. நியூரோமார்பிக் உணர்வு அமைப்புகள்.மற்றும் Delbrück T. நியூரோமார்பிக் உணர்வு அமைப்புகள். & டெல்ப்ரூக், டி. 神经形态感觉系统。 & டெல்ப்ரூக், டி.மற்றும் Delbrück T. நியூரோமார்பிக் உணர்வு அமைப்பு.தற்போதைய. கருத்து. நரம்பியல். 20, 288–295 (2010).
சோப், டி. மற்றும் பலர். ஒருங்கிணைந்த ஒலி மூல உள்ளூர்மயமாக்கல் மற்றும் மோதலை தவிர்ப்பதற்கான நியூரோமார்பிக் உணர்வு ஒருங்கிணைப்பு. 2019 இல் பயோமெடிக்கல் சர்க்யூட்ஸ் மற்றும் சிஸ்டம்ஸ் (பயோகாஸ்) மீதான IEEE மாநாட்டில், (IEEE எட்.) 1–4 (2019).
ரிசி, என்., ஐமர், ஏ., டோனாட்டி, ஈ., சோலினாஸ், எஸ். & இண்டிவேரி, ஜி. ஸ்டீரியோ பார்வையின் ஸ்பைக் அடிப்படையிலான நியூரோமார்பிக் கட்டமைப்பு. ரிசி, என்., ஐமர், ஏ., டோனாட்டி, ஈ., சோலினாஸ், எஸ். & இண்டிவேரி, ஜி. ஸ்டீரியோ பார்வையின் ஸ்பைக் அடிப்படையிலான நியூரோமார்பிக் கட்டமைப்பு.ரிசி என், அய்மர் ஏ, டொனாட்டி இ, சோலினாஸ் எஸ், மற்றும் இண்டிவேரி ஜி. ரிசி, என்., ஐமர், ஏ., டோனாட்டி, ஈ., சோலினாஸ், எஸ். & இண்டிவேரி, ஜி. 一种基于脉冲的立体视觉神经形态结构。 ரிசி, என்., ஐமர், ஏ., டொனாட்டி, ஈ., சோலினாஸ், எஸ். & இந்திவேரி, ஜி.ரிசி என், ஐமர் ஏ, டோனாட்டி இ, சோலினாஸ் எஸ், மற்றும் இன்டிவேரி ஜி. ஸ்டீரியோ பார்வைக்கான ஸ்பைக் அடிப்படையிலான நியூரோமார்பிக் கட்டிடக்கலை.முன். நியூரோபோடிக்ஸ் 14, 93 (2020).
Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. நிகழ்வு அடிப்படையிலான நியூரோமார்பிக் ஸ்டீரியோ பார்வை அமைப்புகளுக்கான 3D பெர்செப்ஷனின் ஸ்பைக்கிங் நியூரல் நெட்வொர்க் மாடல். Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. நிகழ்வு அடிப்படையிலான நியூரோமார்பிக் ஸ்டீரியோ பார்வை அமைப்புகளுக்கான 3D பெர்செப்ஷனின் ஸ்பைக்கிங் நியூரல் நெட்வொர்க் மாடல்.ஆஸ்வால்ட், எம்., ஐஎங், எஸ்.-எச்., பெனோஸ்மேன், ஆர்., மற்றும் இண்டிவேரி, ஜி. ஏ 3டி பல்ஸ்டு நியூரல் நெட்வொர்க் பெர்செப்சன் மாடல் ஃபார் ஈவென்ட் பேஸ்டு நியூரோமார்பிக் ஸ்டீரியோ விஷன் சிஸ்டம்ஸ். ஆஸ்வால்ட், எம்., ஐஎங், எஸ்.-எச்., பெனோஸ்மேன், ஆர். & இன்டிவேரி, ஜி. ஆஸ்வால்ட், எம்., ஐஎங், எஸ்.-எச்., பெனோஸ்மேன், ஆர். & இன்டிவேரி, ஜி. 3டிபெர்செப்ஷன்ஆஸ்வால்ட், எம்., ஐஎங், எஸ்.-எச்., பெனோஸ்மேன், ஆர்., மற்றும் இன்டிவேரி, ஜி. ஸ்பைக்டு 3டிபெர்செப்ஷன் நியூரல் நெட்வொர்க் மாடல் ஒரு நிகழ்வு அடிப்படையிலான நியூரோமார்பிக் ஸ்டீரியோ விஷன் சிஸ்டம்.அறிவியல். அறிக்கை 7, 1–11 (2017).
டல்காட்டி, டி. மற்றும் பலர். பூச்சியால் தூண்டப்பட்ட அடிப்படை இயக்கம் கண்டறிதல் எதிர்ப்பு நினைவகம் மற்றும் வெடித்த நரம்பியல் நெட்வொர்க்குகளை உள்ளடக்கியது. பயோனிக் பயோஹைப்ரிட் அமைப்பு. 10928, 115–128 (2018).
டி'ஏஞ்சலோ, ஜி. மற்றும் பலர். டெம்போரல் டிஃபெரன்ஷியல் குறியீட்டைப் பயன்படுத்தி நிகழ்வு அடிப்படையிலான விசித்திரமான இயக்கத்தைக் கண்டறிதல். முன். நரம்பியல். 14, 451 (2020).