خبریں

حقیقی دنیا کے ڈیٹا پروسیسنگ ایپلی کیشنز کو کمپیکٹ، کم تاخیر، کم طاقت والے کمپیوٹنگ سسٹم کی ضرورت ہوتی ہے۔ ایونٹ سے چلنے والی کمپیوٹنگ کی صلاحیتوں کے ساتھ، تکمیلی دھاتی آکسائیڈ-سیمک کنڈکٹر ہائبرڈ یادگاری نیورومورفک فن تعمیر ایسے کاموں کے لیے ایک مثالی ہارڈویئر بنیاد فراہم کرتے ہیں۔ اس طرح کے نظاموں کی مکمل صلاحیت کو ظاہر کرنے کے لیے، ہم حقیقی دنیا کے آبجیکٹ لوکلائزیشن ایپلی کیشنز کے لیے ایک جامع سینسر پروسیسنگ حل تجویز کرتے ہیں اور تجرباتی طور پر اس کا مظاہرہ کرتے ہیں۔ barn owl neuroanatomy سے متاثر ہوکر، ہم نے ایک بایو انسپائرڈ، ایونٹ سے چلنے والا آبجیکٹ لوکلائزیشن سسٹم تیار کیا ہے جو ایک جدید ترین پیزو الیکٹرک مائیکرو مکینیکل ٹرانسڈیوسر کو کمپیوٹیشنل گراف پر مبنی نیورومورفک ریزسٹیو میموری کے ساتھ جوڑتا ہے۔ ہم ایک من گھڑت نظام کی پیمائش دکھاتے ہیں جس میں میموری پر مبنی مزاحمتی اتفاق کا پتہ لگانے والا، تاخیر لائن سرکٹری، اور مکمل طور پر حسب ضرورت الٹراسونک ٹرانسڈیوسر شامل ہوتا ہے۔ ہم ان تجرباتی نتائج کو سسٹم لیول پر سمیولیشن کیلیبریٹ کرنے کے لیے استعمال کرتے ہیں۔ اس کے بعد ان نقالی کو آبجیکٹ لوکلائزیشن ماڈل کی کونیی ریزولوشن اور توانائی کی کارکردگی کا جائزہ لینے کے لیے استعمال کیا جاتا ہے۔ نتائج ظاہر کرتے ہیں کہ ہمارا نقطہ نظر ایک ہی کام کو انجام دینے والے مائیکرو کنٹرولرز کے مقابلے میں زیادہ توانائی کے قابل ہو سکتا ہے۔
ہم ہر جگہ کمپیوٹنگ کے اس دور میں داخل ہو رہے ہیں جہاں ہماری روزمرہ کی زندگی میں ہماری مدد کرنے کے لیے تعینات آلات اور سسٹمز کی تعداد تیزی سے بڑھ رہی ہے۔ ان سسٹمز سے توقع کی جاتی ہے کہ وہ مستقل طور پر چلیں گے، ممکنہ حد تک کم طاقت استعمال کریں گے جبکہ وہ ڈیٹا کی تشریح کرنا سیکھیں گے جو وہ متعدد سینسروں سے حقیقی وقت میں جمع کرتے ہیں اور درجہ بندی یا شناختی کاموں کے نتیجے میں بائنری آؤٹ پٹ تیار کرتے ہیں۔ اس مقصد کو حاصل کرنے کے لیے درکار سب سے اہم اقدامات میں سے ایک شور مچانے والے اور اکثر نامکمل حسی ڈیٹا سے مفید اور کمپیکٹ معلومات نکالنا ہے۔ Conventional engineering approaches typically sample sensor signals at a constant and high rate, generating large amounts of data even in the absence of useful inputs. اس کے علاوہ، یہ طریقے پیچیدہ ڈیجیٹل سگنل پروسیسنگ تکنیکوں کو (اکثر شور والے) ان پٹ ڈیٹا کو پہلے سے پروسیس کرنے کے لیے استعمال کرتے ہیں۔ Instead, biology offers alternative solutions for processing noisy sensory data using energy-efficient, asynchronous, event-driven approaches (spikes)2,3. Neuromorphic computing takes inspiration from biological systems to reduce computational costs in terms of energy and memory requirements compared to traditional signal processing methods4,5,6. Recently, innovative general purpose brain-based systems implementing impulse neural networks (TrueNorth7, BrainScaleS8, DYNAP-SE9, Loihi10, Spinnaker11) have been demonstrated. یہ پروسیسرز مشین لرننگ اور کارٹیکل سرکٹ ماڈلنگ کے لیے کم طاقت، کم تاخیر کے حل فراہم کرتے ہیں۔ To fully exploit their energy efficiency, these neuromorphic processors must be directly connected to event-driven sensors12,13. However, today there are only a few touch devices that directly provide event-driven data. نمایاں مثالیں وژن ایپلی کیشنز کے لیے ڈائنامک ویژول سینسرز (DVS) ہیں جیسے ٹریکنگ اور موشن ڈٹیکشن14,15,16,17 دی سلکان کوکلیا18 اور نیورومورفک آڈیٹری سینسرز (NAS)19 سمعی سگنل پروسیسنگ کے لیے، olfactory sensors20 اور numer21. . texture sensors.
In this paper, we present a newly developed event-driven auditory processing system applied to object localization. یہاں، پہلی بار، ہم ایک جدید ترین پیزو الیکٹرک مائکرو مشین الٹراسونک ٹرانسڈیوسر (pMUT) کو نیورومورفک ریزسٹیو میموری (RRAM) پر مبنی کمپیوٹیشنل گراف کے ساتھ جوڑ کر حاصل کردہ آبجیکٹ لوکلائزیشن کے لیے ایک اینڈ ٹو اینڈ سسٹم کی وضاحت کرتے ہیں۔ In-memory computing architectures using RRAM are a promising solution for reducing power consumption23,24,25,26,27,28,29. Their inherent non-volatility—not requiring active power consumption to store or update information—is a perfect fit with the asynchronous, event-driven nature of neuromorphic computing, resulting in near-no power consumption when the system is idle. Piezoelectric micromachined ultrasonic transducers (pMUTs) are inexpensive, miniaturized silicon-based ultrasonic transducers capable of acting as transmitters and receivers30,31,32,33,34. To process the signals received by the built-in sensors, we drew inspiration from barn owl neuroanatomy35,36,37. بارن اللو ٹائیٹو البا ایک انتہائی موثر سمعی لوکلائزیشن سسٹم کی بدولت اپنی رات کے شکار کی قابل ذکر صلاحیتوں کے لیے جانا جاتا ہے۔ شکار کے محل وقوع کا حساب لگانے کے لیے، بارن اللو کا لوکلائزیشن سسٹم پرواز کے وقت (ToF) کو انکوڈ کرتا ہے جب شکار سے آواز کی لہریں اُلّو کے کانوں یا ساؤنڈ ریسیپٹرز میں سے ہر ایک تک پہنچتی ہیں۔ کانوں کے درمیان فاصلے کو دیکھتے ہوئے، دو ToF پیمائشوں کے درمیان فرق (Interaural Time Difference, ITD) ہدف کی ایزیمتھ پوزیشن کا تجزیاتی طور پر حساب لگانا ممکن بناتا ہے۔ Although biological systems are poorly suited to solving algebraic equations, they can solve localization problems very effectively. بارن اللو اعصابی نظام اتفاقات کا پتہ لگانے والے (CD) 35 نیورونز کا ایک سیٹ استعمال کرتا ہے (یعنی، اسپائکس کے درمیان وقتی ارتباط کا پتہ لگانے کے قابل نیوران جو نیچے کی طرف متضاد پرجوش اختتام تک پھیلتے ہیں) 38,39 کو پوزیشننگ کے مسائل کو حل کرنے کے لیے کمپیوٹیشنل گراف میں منظم کیا جاتا ہے۔

ہم روایتی بیمفارمنگ یا نیورومورفک طریقوں کا استعمال کرتے ہوئے ایک ہی لوکلائزیشن کا کام انجام دینے والے مائیکرو کنٹرولر پر ڈیجیٹل نفاذ کے ساتھ اپنے طریقہ کار کا موازنہ کرتے ہیں، ساتھ ہی حوالہ میں تجویز کردہ ITD تخمینہ کے لیے فیلڈ پروگرامیبل گیٹ اری (FPGA)۔ 47. یہ موازنہ مجوزہ RRAM پر مبنی اینالاگ نیورومورفک سسٹم کی مسابقتی طاقت کی کارکردگی کو نمایاں کرتا ہے۔


پیزو الیکٹرک مائیکرو مکینیکل الٹراسونک ٹرانسڈیوسرز توسیع پذیر الٹراسونک ٹرانس ڈوسرز ہیں جنہیں جدید CMOS ٹیکنالوجی 31,32,33,52 کے ساتھ مربوط کیا جا سکتا ہے اور روایتی والیومیٹرک ٹرانسڈیوسرز کے مقابلے میں ابتدائی وولٹیج اور بجلی کی کھپت کم ہوتی ہے۔ ہمارے کام میں، جھلی کا قطر 880 µm ہے، اور گونجنے والی فریکوئنسی 110–117 kHz کی حد میں تقسیم کی گئی ہے (تصویر 2a، تفصیلات کے لیے طریقے دیکھیں)۔ دس ٹیسٹ آلات کے بیچ میں، اوسط معیار کا عنصر تقریباً 50 تھا (ریفری 31)۔ ٹیکنالوجی صنعتی پختگی کو پہنچ چکی ہے اور یہ بائیو انسپائرڈ نہیں ہے۔ مختلف pMUT فلموں سے معلومات کو یکجا کرنا ایک معروف تکنیک ہے، اور زاویہ کی معلومات pMUTs سے حاصل کی جا سکتی ہیں، مثال کے طور پر بیمفارمنگ تکنیک 31,54۔ تاہم، زاویہ کی معلومات کو نکالنے کے لیے ضروری سگنل پروسیسنگ کم طاقت کی پیمائش کے لیے موزوں نہیں ہے۔ مجوزہ نظام نیورومورفک ڈیٹا پری پروسیسنگ سرکٹ پی ایم یو ٹی کو جیفریس ماڈل (فگر 2c) سے متاثر RRAM پر مبنی نیورومورفک کمپیوٹنگ گراف کے ساتھ جوڑتا ہے، جو ایک متبادل توانائی کے قابل اور وسائل سے محدود ہارڈ ویئر حل فراہم کرتا ہے۔ ہم نے ایک تجربہ کیا جس میں دو پی ایم یو ٹی سینسرز کو تقریباً 10 سینٹی میٹر کے فاصلے پر رکھا گیا تھا تاکہ دو وصول کرنے والی جھلیوں کو موصول ہونے والی مختلف ToF آوازوں کا فائدہ اٹھایا جا سکے۔ ٹرانسمیٹر کے طور پر کام کرنے والا ایک پی ایم یو ٹی ریسیورز کے درمیان بیٹھتا ہے۔ ہدف 12 سینٹی میٹر چوڑی PVC پلیٹ تھی، جو pMUT ڈیوائس (تصویر 2b) کے سامنے ایک فاصلے پر واقع تھی۔ ریسیور آبجیکٹ سے منعکس ہونے والی آواز کو ریکارڈ کرتا ہے اور آواز کی لہر کے گزرنے کے دوران زیادہ سے زیادہ ردعمل ظاہر کرتا ہے۔ فاصلہ D اور زاویہ θ سے متعین آبجیکٹ کی پوزیشن کو تبدیل کر کے تجربے کو دہرائیں۔ ایک لنک سے متاثر۔ 55، ہم نیورومورفک کمپیوٹیشنل گراف کو ان پٹ کرنے کے لیے عکاس لہروں کو چوٹیوں میں تبدیل کرنے کے لیے pMUT خام سگنلز کی ایک نیورومورفک پری پروسیسنگ کی تجویز پیش کرتے ہیں۔ چوٹی کے طول و عرض سے متعلقہ ToF ہر دو چینلز سے نکالا جاتا ہے اور انفرادی چوٹیوں کے عین مطابق وقت کے طور پر انکوڈ کیا جاتا ہے۔ انجیر پر۔ 2c ایک RRAM پر مبنی کمپیوٹیشنل گراف کے ساتھ pMUT سینسر کو انٹرفیس کرنے کے لیے درکار سرکٹری کو دکھاتا ہے: ہر دو pMUT ریسیورز کے لیے، خام سگنل بینڈ پاس کو ہموار کرنے، درست کرنے کے لیے فلٹر کیا جاتا ہے، اور پھر قابو پانے کے موڈ میں لیکی انٹیگریٹر کو منتقل کیا جاتا ہے۔ متحرک حد (تصویر 2d) ایک آؤٹ پٹ ایونٹ (اسپائک) اور فائرنگ (LIF) نیورون بناتی ہے: آؤٹ پٹ اسپائک ٹائم پتہ چلنے والے فلائٹ ٹائم کو انکوڈ کرتا ہے۔ LIF تھریشولڈ کو pMUT ردعمل کے خلاف کیلیبریٹ کیا جاتا ہے، اس طرح pMUT تغیر کو آلہ سے آلہ تک کم کرتا ہے۔ اس نقطہ نظر کے ساتھ، پوری صوتی لہر کو میموری میں ذخیرہ کرنے اور بعد میں اس پر کارروائی کرنے کے بجائے، ہم صرف آواز کی لہر کے ToF کے مطابق ایک چوٹی پیدا کرتے ہیں، جو مزاحم میموری کمپیوٹیشنل گراف میں ان پٹ کو تشکیل دیتا ہے۔ اسپائکس براہ راست تاخیر کی لکیروں پر بھیجے جاتے ہیں اور نیورومورفک کمپیوٹیشن گرافس میں میچ کا پتہ لگانے والے ماڈیولز کے ساتھ متوازی ہوتے ہیں۔ چونکہ وہ ٹرانزسٹروں کے دروازوں پر بھیجے جاتے ہیں، اس لیے کسی اضافی ایمپلیفیکیشن سرکٹری کی ضرورت نہیں ہے (تفصیلات کے لیے ضمنی تصویر 4 دیکھیں)۔ pMUT اور مجوزہ سگنل پروسیسنگ طریقہ کے ذریعہ فراہم کردہ لوکلائزیشن کونیی درستگی کا جائزہ لینے کے لیے، ہم نے ITD (یعنی دو ریسیورز کے ذریعے پیدا ہونے والے چوٹی کے واقعات کے درمیان وقت میں فرق) کی پیمائش کی کیونکہ آبجیکٹ کا فاصلہ اور زاویہ مختلف تھا۔ اس کے بعد ITD تجزیہ کو زاویوں میں تبدیل کیا گیا (طریقہ دیکھیں) اور آبجیکٹ کی پوزیشن کے خلاف منصوبہ بندی کی گئی: ناپے گئے ITD میں غیر یقینی صورتحال آبجیکٹ کے فاصلے اور زاویہ کے ساتھ بڑھ گئی (تصویر 2e،f)۔ اہم مسئلہ pMUT جواب میں چوٹی سے شور کا تناسب (PNR) ہے۔ آبجیکٹ جتنا دور ہوگا، صوتی سگنل اتنا ہی کم ہوگا، اس طرح PNR (تصویر 2f، گرین لائن) میں کمی آئے گی۔ PNR میں کمی ITD تخمینہ میں غیر یقینی صورتحال میں اضافے کا باعث بنتی ہے، جس کے نتیجے میں لوکلائزیشن کی درستگی میں اضافہ ہوتا ہے (تصویر 2f، بلیو لائن)۔ ٹرانسمیٹر سے 50 سینٹی میٹر کے فاصلے پر کسی چیز کے لیے، نظام کی کونیی درستگی تقریباً 10° ہے۔ سینسر کی خصوصیات کی طرف سے عائد کردہ اس حد کو بہتر کیا جا سکتا ہے۔ مثال کے طور پر، ایمیٹر کے ذریعے بھیجے جانے والے دباؤ کو بڑھایا جا سکتا ہے، اس طرح پی ایم یو ٹی جھلی کو چلانے والی وولٹیج میں اضافہ ہوتا ہے۔ منتقلی سگنل کو بڑھانے کا ایک اور حل ایک سے زیادہ ٹرانسمیٹر 56 کو جوڑنا ہے۔ یہ حل توانائی کی بڑھتی ہوئی لاگت کی قیمت پر پتہ لگانے کی حد میں اضافہ کریں گے۔ وصول کرنے والے پہلو پر اضافی بہتری لائی جا سکتی ہے۔ pMUT کے ریسیور شور فلور کو pMUT اور پہلے مرحلے کے ایمپلیفائر کے درمیان کنکشن کو بہتر بنا کر نمایاں طور پر کم کیا جا سکتا ہے، جو فی الحال وائر کنکشنز اور RJ45 کیبلز کے ساتھ کیا جاتا ہے۔
a Image of a pMUT crystal with six 880 µm membranes integrated at 1.5 mm pitch. ب ماپنے کے سیٹ اپ کا خاکہ۔ The target is located at azimuth position θ and at distance D. The pMUT transmitter generates a 117.6 kHz signal that bounces off the target and reaches two pMUT receivers with different time-of-flight (ToF). This difference, defined as the inter-aural time difference (ITD), encodes the position of an object and can be estimated by estimating the peak response of the two receiver sensors. c Schematic of pre-processing steps for converting the raw pMUT signal into spike sequences (ie input to the neuromorphic computation graph). The pMUT sensors and neuromorphic computational graphs have been fabricated and tested, and the neuromorphic pre-processing is based on software simulation. d Response of the pMUT membrane upon receipt of a signal and its transformation into a spike domain. e Experimental localization angular accuracy as a function of object angle (Θ) and distance (D) to the target object. The ITD extraction method requires a minimum angular resolution of approximately 4°C. f Angular accuracy (blue line) and corresponding peak-to-noise ratio (green line) versus object distance for Θ = 0.
Resistive memory stores information in a non-volatile conductive state. The basic principle of the method is that the modification of the material at the atomic level causes a change in its electrical conductivity57. یہاں ہم ایک آکسائیڈ پر مبنی مزاحمتی میموری استعمال کرتے ہیں جس میں ہفنیم ڈائی آکسائیڈ کی 5nm پرت ہوتی ہے جو اوپر اور نیچے ٹائٹینیم اور ٹائٹینیم نائٹرائڈ الیکٹروڈ کے درمیان سینڈویچ ہوتی ہے۔ RRAM ڈیوائسز کی چالکتا کو کرنٹ/وولٹیج ویوفارم لگا کر تبدیل کیا جا سکتا ہے جو الیکٹروڈز کے درمیان آکسیجن خالی جگہوں کے کنڈکٹیو فلامینٹ بناتا یا توڑتا ہے۔ ہم نے اس طرح کے آلات58 کو ایک معیاری 130 nm CMOS عمل میں مربوط کیا تاکہ ایک من گھڑت ری کنفیگر ایبل نیورومورفک سرکٹ بنایا جا سکے جس میں اتفاق کا پتہ لگانے والے اور تاخیری لائن سرکٹ کو لاگو کیا جا سکے (تصویر 3a)۔ ڈیوائس کی غیر اتار چڑھاؤ اور ینالاگ نوعیت، نیورومورفک سرکٹ کی واقعہ سے چلنے والی نوعیت کے ساتھ مل کر، بجلی کی کھپت کو کم کرتی ہے۔ سرکٹ میں فوری آن/آف فنکشن ہوتا ہے: یہ آن ہونے کے فوراً بعد کام کرتا ہے، جس سے سرکٹ کے بیکار ہونے پر بجلی کو مکمل طور پر بند کیا جا سکتا ہے۔ The main building blocks of the proposed scheme are shown in fig. 3b. یہ N متوازی سنگل ریزسٹر سنگل ٹرانجسٹر (1T1R) ڈھانچے پر مشتمل ہے جو Synaptic وزن کو انکوڈ کرتا ہے جس سے وزنی کرنٹ لیا جاتا ہے، ایک ڈیفرینشل پیئر انٹیگریٹر (DPI)59 کے مشترکہ synapse میں انجکشن لگایا جاتا ہے، اور آخر میں انضمام کے ساتھ Synapse میں انجکشن لگایا جاتا ہے۔ رساو activated (LIF) neuron 60 (see Methods for details). ان پٹ سرجز کو 1T1R ڈھانچے کے گیٹ پر وولٹیج کی دالوں کی ترتیب کی شکل میں سینکڑوں نینو سیکنڈز کے دورانیے کے ساتھ لاگو کیا جاتا ہے۔ جب Vbottom کو گراؤنڈ کیا جاتا ہے تو Vtop پر ایک بیرونی مثبت حوالہ لگا کر مزاحمتی میموری کو ہائی کنڈیکٹیو سٹیٹ (HCS) میں رکھا جا سکتا ہے، اور Vtop کے گراؤنڈ ہونے پر Vbottom پر مثبت وولٹیج لگا کر کم کنڈیکٹو سٹیٹ (LCS) پر ری سیٹ کیا جا سکتا ہے۔ HCS کی اوسط قدر کو SET (ICC) کے پروگرامنگ کرنٹ (تعمیل) کو سیریز ٹرانجسٹر (تصویر 3c) کے گیٹ سورس وولٹیج کے ذریعے محدود کر کے کنٹرول کیا جا سکتا ہے۔ The functions of RRAM in the circuit are twofold: they direct and weight the input pulses.
نیلے رنگ کے HfO2 1T1R RRAM ڈیوائس کی سکیننگ الیکٹران مائکروسکوپ (SEM) تصویر جو 130 nm CMOS ٹیکنالوجی میں سلیکٹر ٹرانزسٹرز (650 nm چوڑے) سبز رنگ میں ہے۔ b مجوزہ نیورومورفک اسکیما کے بنیادی بلڈنگ بلاکس۔ ان پٹ وولٹیج کی دالیں (چوٹیوں) Vin0 اور Vin1 موجودہ Iweight کو استعمال کرتی ہیں، جو کہ 1T1R ڈھانچے کی ترسیل ریاستوں G0 اور G1 کے متناسب ہے۔ یہ کرنٹ DPI Synapses میں داخل کیا جاتا ہے اور LIF نیوران کو اکساتا ہے۔ RRAM G0 اور G1 بالترتیب HCS اور LCS میں نصب ہیں۔ c 16K RRAM ڈیوائسز کے ایک گروپ کے لیے ICC کرنٹ مماثلت کے فنکشن کے طور پر مجموعی کنڈکشن کثافت کا فنکشن، جو مؤثر طریقے سے ترسیل کی سطح کو کنٹرول کرتا ہے۔ d (a) میں سرکٹ کی پیمائش ظاہر کرتی ہے کہ G1 (LCS میں) مؤثر طریقے سے Vin1 (سبز) سے ان پٹ کو روکتا ہے، اور درحقیقت آؤٹ پٹ نیوران کی جھلی کا وولٹیج صرف Vin0 سے آنے والے نیلے ان پٹ کا جواب دیتا ہے۔ RRAM effectively determines the connections in the circuit. e میں سرکٹ کی پیمائش (b) وولٹیج پلس Vin0 لگانے کے بعد جھلی وولٹیج Vmem پر کنڈکنس ویلیو G0 کا اثر دکھاتی ہے۔ The more conductance, the stronger the response: thus, the RRAM device implements I/O connection weighting. Measurements were made on the circuit and demonstrate the dual function of RRAM, routing and weighting of input pulses.
سب سے پہلے، چونکہ دو بنیادی کنڈکشن سٹیٹس (HCS اور LCS) ہیں، RRAMs ان پٹ پلس کو بلاک یا مس کر سکتے ہیں جب وہ بالترتیب LCS یا HCS ریاستوں میں ہوں۔ نتیجے کے طور پر، RRAM مؤثر طریقے سے سرکٹ میں کنکشن کا تعین کرتا ہے. یہ فن تعمیر کو دوبارہ ترتیب دینے کے قابل ہونے کی بنیاد ہے۔ اس کو ظاہر کرنے کے لیے، ہم تصویر 3b میں سرکٹ بلاک کے من گھڑت سرکٹ کے نفاذ کو بیان کریں گے۔ G0 کے مطابق RRAM HCS میں پروگرام کیا گیا ہے، اور دوسرا RRAM G1 LCS میں پروگرام کیا گیا ہے۔ ان پٹ دالیں Vin0 اور Vin1 دونوں پر لگائی جاتی ہیں۔ ان پٹ دالوں کے دو تسلسل کے اثرات کا تجزیہ آؤٹ پٹ نیوران میں نیوران میمبرین وولٹیج اور آؤٹ پٹ سگنل کو ایک آسیلوسکوپ کا استعمال کرتے ہوئے کیا گیا۔ تجربہ اس وقت کامیاب ہوا جب صرف HCS ڈیوائس (G0) کو جھلی کے تناؤ کو متحرک کرنے کے لیے نیوران کی نبض سے جوڑا گیا تھا۔ یہ شکل 3d میں دکھایا گیا ہے، جہاں نیلی پلس ٹرین جھلی کیپسیٹر پر جھلی کے وولٹیج کو بنانے کا سبب بنتی ہے، جبکہ سبز پلس ٹرین جھلی کے وولٹیج کو مستقل رکھتی ہے۔
The second important function of RRAM is the implementation of connection weights. RRAM کی ینالاگ کنڈکٹنس ایڈجسٹمنٹ کا استعمال کرتے ہوئے، I/O کنکشن کو اس کے مطابق وزن کیا جا سکتا ہے۔ دوسرے تجربے میں، G0 ڈیوائس کو HCS کی مختلف سطحوں پر پروگرام کیا گیا تھا، اور ان پٹ پلس کو VIn0 ان پٹ پر لاگو کیا گیا تھا۔ ان پٹ پلس ڈیوائس سے کرنٹ (آئی ویٹ) کھینچتی ہے، جو کنڈکٹنس اور متعلقہ ممکنہ ڈراپ Vtop − Vbot کے متناسب ہے۔ اس وزنی کرنٹ کو پھر DPI Synapses اور LIF آؤٹ پٹ نیوران میں داخل کیا جاتا ہے۔ آؤٹ پٹ نیوران کی جھلی وولٹیج کو ایک آسیلوسکوپ کا استعمال کرتے ہوئے ریکارڈ کیا گیا تھا اور تصویر 3d میں دکھایا گیا تھا۔ The voltage peak of the neuron membrane in response to a single input pulse is proportional to the conductance of the resistive memory, demonstrating that RRAM can be used as a programmable element of synaptic weight. یہ دو ابتدائی ٹیسٹ ظاہر کرتے ہیں کہ مجوزہ RRAM پر مبنی نیورومورفک پلیٹ فارم بنیادی جیفریس میکانزم کے بنیادی عناصر یعنی تاخیر کی لکیر اور اتفاق کا پتہ لگانے والے سرکٹ کو نافذ کرنے کے قابل ہے۔ The circuit platform is built by stacking successive blocks side by side, such as the blocks in Figure 3b, and connecting their gates to a common input line. ہم نے ایک نیورومورفک پلیٹ فارم کو ڈیزائن، من گھڑت، اور تجربہ کیا جس میں دو آؤٹ پٹ نیوران شامل ہیں جو دو ان پٹ حاصل کرتے ہیں (تصویر 4a)۔ سرکٹ ڈایاگرام کو شکل 4b میں دکھایا گیا ہے۔ اوپری 2 × 2 RRAM میٹرکس ان پٹ دالوں کو دو آؤٹ پٹ نیوران کی طرف جانے کی اجازت دیتا ہے، جبکہ نچلا 2 × 2 میٹرکس دو نیوران (N0, N1) کے بار بار ہونے والے کنکشن کی اجازت دیتا ہے۔ ہم یہ ظاہر کرتے ہیں کہ اس پلیٹ فارم کو تاخیر کی لکیر کی ترتیب اور دو مختلف اتفاقات کا پتہ لگانے والے افعال کے ساتھ استعمال کیا جا سکتا ہے، جیسا کہ تصویر 4c-e میں تجرباتی پیمائش سے دکھایا گیا ہے۔
سرکٹ ڈایاگرام دو آؤٹ پٹ نیوران N0 اور N1 کے ذریعہ تشکیل دیا گیا ہے جس میں دو ان پٹ 0 اور 1 موصول ہوتے ہیں۔ سرنی کے اوپری چار آلات ان پٹ سے آؤٹ پٹ تک Synaptic کنکشن کی وضاحت کرتے ہیں، اور نیچے کے چار خلیے نیوران کے درمیان بار بار ہونے والے رابطوں کی وضاحت کرتے ہیں۔ رنگین RRAMs HCS میں دائیں طرف کنفیگر کیے گئے آلات کی نمائندگی کرتے ہیں: HCS میں موجود آلات کنکشن کی اجازت دیتے ہیں اور وزن کی نمائندگی کرتے ہیں، جب کہ LCS میں موجود آلات ان پٹ پلس کو روکتے ہیں اور آؤٹ پٹ سے کنکشن کو غیر فعال کرتے ہیں۔ b سرکٹ کا خاکہ (a) نیلے رنگ میں نمایاں کردہ آٹھ RRAM ماڈیولز کے ساتھ۔ c تاخیر کی لکیریں صرف DPI synapses اور LIF نیوران کی حرکیات کا استعمال کرتے ہوئے بنتی ہیں۔ گرین RRAM اتنی زیادہ کنڈکٹنس پر سیٹ ہے تاکہ ان پٹ میں تاخیر Δt کے بعد آؤٹ پٹ میں خرابی پیدا کر سکے۔ d وقت پر منحصر سگنلز کی سمت غیر حساس سی ڈی کا پتہ لگانے کی منصوبہ بندی کی مثال۔ آؤٹ پٹ نیوران 1، N1، تھوڑی تاخیر کے ساتھ ان پٹ 0 اور 1 پر فائر کرتا ہے۔ ای ڈائریکشن حساس سی ڈی سرکٹ، ایک سرکٹ جو پتہ لگاتا ہے کہ ان پٹ 1 کب ان پٹ 0 تک پہنچتا ہے اور ان پٹ 0 کے بعد آتا ہے۔ سرکٹ کی آؤٹ پٹ نیورون 1 (N1) سے ظاہر ہوتی ہے۔
The delay line (Figure 4c) simply uses the dynamic behavior of DPI synapses and LIF neurons to reproduce the input spike from Vin1 to Vout1 by delaying Tdel. صرف G3 RRAM جو Vin1 اور Vout1 سے منسلک ہے HCS میں پروگرام کیا گیا ہے، باقی RRAMs کو LCS میں پروگرام کیا گیا ہے۔ The G3 device was programmed for 92.6 µs to ensure that each input pulse increases the membrane voltage of the output neuron sufficiently to reach the threshold and generate a delayed output pulse. تاخیر کا تعین Synaptic اور عصبی وقت کے استحکام سے ہوتا ہے۔ اتفاق کا پتہ لگانے والے وقتی طور پر منسلک لیکن مقامی طور پر تقسیم شدہ ان پٹ سگنلز کی موجودگی کا پتہ لگاتے ہیں۔ Direction-insensitive CD relies on individual inputs converging to a common output neuron (Figure 4d). The two RRAMs connecting Vin0 and Vin1 to Vout1, G2 and G4 respectively are programmed for high conduction. Vin0 اور Vin1 پر اسپائکس کی بیک وقت آمد سے N1 نیوران جھلی کا وولٹیج آؤٹ پٹ اسپائک پیدا کرنے کے لیے درکار حد سے اوپر بڑھ جاتا ہے۔ اگر دونوں ان پٹ وقت کے ساتھ بہت دور ہیں، تو پہلے ان پٹ کے ذریعے جمع ہونے والے جھلی کے وولٹیج پر چارج کے زوال کا وقت ہو سکتا ہے، جو جھلی کے ممکنہ N1 کو حد کی قدر تک پہنچنے سے روکتا ہے۔ G1 اور G2 کو تقریباً 65 µs کے لیے پروگرام کیا گیا ہے، جو اس بات کو یقینی بناتا ہے کہ ایک ان پٹ اضافے سے جھلی کے وولٹیج میں اتنا اضافہ نہیں ہوتا ہے کہ آؤٹ پٹ میں اضافہ ہو۔ جگہ اور وقت میں تقسیم ہونے والے واقعات کے درمیان اتفاق کا پتہ لگانا ایک بنیادی آپریشن ہے جو سینسنگ کے کاموں کی ایک وسیع رینج میں استعمال ہوتا ہے جیسے آپٹیکل فلو پر مبنی رکاوٹ سے بچنا اور صوتی ذریعہ لوکلائزیشن۔ Thus, computing direction-sensitive and insensitive CDs is a fundamental building block for constructing visual and audio localization systems. جیسا کہ وقت کے مستقل کی خصوصیات سے دکھایا گیا ہے (ضمیمہ تصویر 2 دیکھیں)، مجوزہ سرکٹ وقت کے پیمانے کے چار آرڈرز کی ایک مناسب رینج کو لاگو کرتا ہے۔ اس طرح، یہ بیک وقت بصری اور ساؤنڈ سسٹم کی ضروریات کو پورا کر سکتا ہے۔ دشاتمک حساس سی ڈی ایک سرکٹ ہے جو دالوں کی آمد کے مقامی ترتیب کے لیے حساس ہے: دائیں سے بائیں اور اس کے برعکس۔ یہ ڈروسوفلا بصری نظام کے بنیادی حرکت کا پتہ لگانے والے نیٹ ورک میں ایک بنیادی عمارت کا بلاک ہے، جو حرکت کی سمتوں کا حساب لگانے اور تصادم کا پتہ لگانے کے لیے استعمال ہوتا ہے۔ سمت کے لحاظ سے حساس سی ڈی کو حاصل کرنے کے لیے، دو ان پٹس کو دو مختلف نیورانز (N0, N1) کی طرف لے جانا چاہیے اور ان کے درمیان ایک دشاتمک رابطہ قائم ہونا چاہیے (تصویر 4e)۔ جب پہلا ان پٹ موصول ہوتا ہے تو، NO اپنی جھلی کے پار وولٹیج کو حد کی قدر سے اوپر بڑھا کر اور اضافے کو بھیج کر رد عمل ظاہر کرتا ہے۔ یہ آؤٹ پٹ ایونٹ، بدلے میں، سبز رنگ میں نمایاں کردہ دشاتمک کنکشن کی بدولت N1 کو فائر کرتا ہے۔ If an input event Vin1 arrives and energizes N1 while its membrane voltage is still high, N1 generates an output event indicating that a match has been found between the two inputs. Directional connections allow the N1 to emit output only if input 1 comes after input 0. G0, G3, and G7 are programmed to 73.5 µS, 67.3 µS, and 40.2 µS, respectively, ensuring that a single spike on the input Vin0 causes a delayed output spike, while N1′s membrane potential only reaches threshold when both input bursts arrive in sync. .
Variability is a source of imperfection in modeled neuromorphic systems63,64,65. This leads to heterogeneous behavior of neurons and synapses. Examples of such disadvantages include 30% (mean standard deviation) variability in input gain, time constant, and refractory period, to name but a few (see Methods). This problem is even more pronounced when multiple neural circuits are connected together, such as an orientation-sensitive CD consisting of two neurons. To work properly, the gain and decay time constants of the two neurons should be as similar as possible. For example, a large difference in input gain can cause one neuron to overreact to an input pulse while the other neuron is barely responsive. On fig. شکل 5a سے پتہ چلتا ہے کہ تصادفی طور پر منتخب نیوران ایک ہی ان پٹ پلس کو مختلف طریقے سے جواب دیتے ہیں۔ یہ اعصابی تغیرات متعلقہ ہے، مثال کے طور پر، سمت حساس سی ڈیز کے کام سے۔ انجیر میں دکھایا گیا اسکیم میں۔ 5b, c, the input gain of neuron 1 is much higher than that of neuron 0. Thus, neuron 0 requires three input pulses (instead of 1) to reach the threshold, and neuron 1, as expected, needs two input events. اسپائک ٹائم پر منحصر بایومیمیٹک پلاسٹکٹی (STDP) کو لاگو کرنا سسٹم کی کارکردگی پر غلط اور سست نیورل اور سائنپٹک سرکٹس کے اثرات کو کم کرنے کا ایک ممکنہ طریقہ ہے۔ Here we propose to use the plastic behavior of resistive memory as a means of influencing the enhancement of neural input and reducing the effects of variability in neuromorphic circuits. As shown in fig. 4e, conductance levels associated with RRAM synaptic mass effectively modulated the corresponding neural membrane voltage response. ہم ایک تکراری RRAM پروگرامنگ حکمت عملی استعمال کرتے ہیں۔ For a given input, the conductance values ​​of the synaptic weights are reprogrammed until the target behavior of the circuit is obtained (see Methods).
ایک ہی ان پٹ پلس پر نو تصادفی طور پر منتخب انفرادی نیوران کے ردعمل کی تجرباتی پیمائش۔ جواب آبادیوں کے لحاظ سے مختلف ہوتا ہے، جس سے ان پٹ کے حصول اور وقت کے مستقل کو متاثر ہوتا ہے۔ b سمت حساس سی ڈی کو متاثر کرنے والے نیوران کی تغیر پر نیوران کے اثر و رسوخ کی تجرباتی پیمائش۔ دو سمت حساس CD آؤٹ پٹ نیوران نیوران سے نیوران تغیر کی وجہ سے ان پٹ محرکات کا مختلف انداز میں جواب دیتے ہیں۔ نیوران 0 میں نیوران 1 کے مقابلے میں کم ان پٹ گین ہوتا ہے، اس لیے آؤٹ پٹ اسپائک بنانے کے لیے اسے تین ان پٹ دالیں (1 کی بجائے) لگتی ہیں۔ جیسا کہ توقع کی جاتی ہے، نیوران 1 دو ان پٹ واقعات کے ساتھ دہلیز تک پہنچ جاتا ہے۔ اگر ان پٹ 1 نیوران 0 فائر ہونے کے بعد Δt = 50 µs آتا ہے، تو CD خاموش رہتا ہے کیونکہ Δt نیوران 1 (تقریباً 22 µs) کے مستقل وقت سے زیادہ ہے۔ c کو Δt = 20 µs سے کم کیا جاتا ہے، تاکہ ان پٹ 1 چوٹیوں پر پہنچ جائے جب نیوران 1 کی فائرنگ اب بھی زیادہ ہوتی ہے، جس کے نتیجے میں دو ان پٹ واقعات کا بیک وقت پتہ چلتا ہے۔
آئی ٹی ڈی کیلکولیشن کالم میں استعمال ہونے والے دو عناصر تاخیر کی لکیر اور سمت غیر حساس سی ڈی ہیں۔ دونوں سرکٹس کو اچھی آبجیکٹ پوزیشننگ کارکردگی کو یقینی بنانے کے لیے عین مطابق انشانکن کی ضرورت ہوتی ہے۔ تاخیر کی لکیر کو ان پٹ چوٹی (تصویر 6a) کا قطعی طور پر تاخیری ورژن فراہم کرنا چاہیے، اور CD کو صرف اس وقت چالو کیا جانا چاہیے جب ان پٹ ہدف کا پتہ لگانے کی حد میں آئے۔ تاخیر کی لکیر کے لیے، ان پٹ کنکشنز کے Synaptic وزن (تصویر 4a میں G3) کو دوبارہ پروگرام کیا گیا جب تک کہ ہدف میں تاخیر حاصل نہ ہو جائے۔ پروگرام کو روکنے کے لیے ہدف کی تاخیر کے ارد گرد ایک رواداری مقرر کریں: برداشت جتنی کم ہوگی، تاخیر کی لکیر کو کامیابی سے سیٹ کرنا اتنا ہی مشکل ہوگا۔ On fig. شکل 6b تاخیر کی لائن کیلیبریشن کے عمل کے نتائج کو ظاہر کرتا ہے: یہ دیکھا جا سکتا ہے کہ مجوزہ سکیم بالکل ڈیزائن سکیم میں درکار تمام تاخیر فراہم کر سکتی ہے (10 سے 300 μs تک)۔ انشانکن تکرار کی زیادہ سے زیادہ تعداد انشانکن کے عمل کے معیار کو متاثر کرتی ہے: 200 تکراریں غلطی کو 5% سے کم کر سکتی ہیں۔ One calibration iteration corresponds to a set/reset operation of an RRAM cell. The tuning process is also critical to improving the accuracy of CD module instant close event detection. 95% سے اوپر (شکل 6c میں نیلی لکیر) سے اوپر ایک حقیقی مثبت شرح (یعنی واقعات کی صحیح طور پر شناخت کی گئی شرح) حاصل کرنے کے لیے دس انشانکن اعادہ درکار ہے۔ تاہم، ٹیوننگ کے عمل نے غلط مثبت واقعات کو متاثر نہیں کیا (یعنی واقعات کی تعدد جن کی غلطی سے متعلقہ کے طور پر شناخت کی گئی تھی)۔ حیاتیاتی نظاموں میں تیزی سے متحرک ہونے والے راستوں کی وقتی رکاوٹوں پر قابو پانے کے لیے ایک اور طریقہ دیکھا جاتا ہے وہ ہے فالتو پن (یعنی ایک ہی شے کی بہت سی کاپیاں کسی مخصوص کام کو انجام دینے کے لیے استعمال ہوتی ہیں)۔ Inspired by biology66, we placed several CD circuits in each CD module between the two delay lines to reduce the impact of false positives. As shown in fig. 6c (green line), placing three CD elements in each CD module can reduce the false alarm rate to less than 10–2.
تاخیر لائن سرکٹس پر نیورونل تغیر کا اثر۔ b Delay line circuits can be scaled to large delays by setting the time constants of the corresponding LIF neurons and DPI synapses to large values. Increasing the number of iterations of the RRAM calibration procedure made it possible to significantly improve the accuracy of the target delay: 200 iterations reduced the error to less than 5%. ایک تکرار RRAM سیل پر SET/RESET آپریشن سے مساوی ہے۔ سی جیفریس ماڈل میں ہر CD ماڈیول کو N متوازی CD عناصر کا استعمال کرتے ہوئے لاگو کیا جا سکتا ہے تاکہ سسٹم کی خرابیوں کے حوالے سے زیادہ لچک پیدا ہو۔ d More RRAM calibration iterations increase the true positive rate (blue line), while the false positive rate is independent of the number of iterations (green line). مزید CD عناصر کو متوازی میں رکھنے سے CD ماڈیول کے مماثلتوں کا غلط پتہ لگانے سے بچ جاتا ہے۔

a Angular resolution (blue) and power consumption (green) of the localization operation depending on the number of CD modules. گہرا نیلا افقی بار PMUT کی کونیی درستگی کی نمائندگی کرتا ہے اور ہلکا نیلا افقی بار نیورومورفک کمپیوٹیشنل گراف کی کونیی درستگی کی نمائندگی کرتا ہے۔ b مجوزہ نظام کی بجلی کی کھپت اور دو زیر بحث مائیکرو کنٹرولر کے نفاذ اور ٹائم ڈیفرنس انکوڈر (TDE) 47 FPGA کے ڈیجیٹل نفاذ کے ساتھ موازنہ۔
ٹارگٹ لوکلائزیشن سسٹم کی بجلی کی کھپت کو کم کرنے کے لیے، ہم نے ایک موثر، ایونٹ سے چلنے والے RRAM پر مبنی نیورومورفک سرکٹ کا تصور کیا، ڈیزائن کیا اور اسے لاگو کیا جو بلٹ ان سینسرز کے ذریعے پیدا ہونے والی سگنل کی معلومات پر کارروائی کرتا ہے تاکہ ٹارگٹ آبجیکٹ کی پوزیشن کا حقیقی اندازہ لگایا جا سکے۔ وقت . جبکہ روایتی پروسیسنگ کے طریقے مسلسل پتہ لگائے گئے سگنلز کا نمونہ بناتے ہیں اور مفید معلومات کو نکالنے کے لیے حسابات انجام دیتے ہیں، مجوزہ نیورومورفک حل مفید معلومات کے آتے ہی حسابات کو متضاد طریقے سے انجام دیتا ہے، جس سے نظام کی طاقت کی کارکردگی کو زیادہ سے زیادہ پانچ آرڈرز کے ذریعے حاصل ہوتا ہے۔ In addition, we highlight the flexibility of RRAM-based neuromorphic circuits. غیر اتار چڑھاؤ (پلاسٹکٹی) میں کنڈکٹنس کو تبدیل کرنے کی RRAM کی صلاحیت الٹرا لو پاور اینالاگ DPI کے Synaptic اور نیورل سرکٹس کی موروثی تغیر کی تلافی کرتی ہے۔ This makes this RRAM-based circuit versatile and powerful. Our goal is not to extract complex functions or patterns from signals, but to localize objects in real time. ہمارا نظام بھی مؤثر طریقے سے سگنل کو کمپریس کر سکتا ہے اور ضرورت پڑنے پر اسے مزید پیچیدہ فیصلے کرنے کے لیے اسے مزید پروسیسنگ مراحل پر بھیج سکتا ہے۔ In the context of localization applications, our neuromorphic preprocessing step can provide information about the location of objects. This information can be used, for example, for motion detection or gesture recognition. We emphasize the importance of combining ultra low power sensors such as pMUTs with ultra low power electronics. اس کے لیے، نیورومورفک نقطہ نظر کلیدی حیثیت رکھتے ہیں کیونکہ انھوں نے ہمیں جیفریس ماڈل جیسے حیاتیاتی طور پر متاثر کمپیوٹیشنل طریقوں کے نئے سرکٹ کے نفاذ کو تیار کرنے کی راہنمائی کی ہے۔ سینسر فیوژن ایپلی کیشنز کے تناظر میں، ہمارے سسٹم کو مزید درست معلومات حاصل کرنے کے لیے کئی مختلف ایونٹ پر مبنی سینسر کے ساتھ جوڑا جا سکتا ہے۔ اگرچہ اللو اندھیرے میں شکار تلاش کرنے میں بہترین ہوتے ہیں، لیکن ان کی بینائی بہترین ہوتی ہے اور وہ شکار 70 کو پکڑنے سے پہلے مشترکہ سمعی اور بصری تلاش کرتے ہیں۔ جب کوئی خاص سمعی نیوران فائر کرتا ہے، تو اُلّو کو وہ معلومات حاصل ہوتی ہیں جن کی اسے اس بات کا تعین کرنے کی ضرورت ہوتی ہے کہ وہ اپنی بصری تلاش کو کس سمت سے شروع کرے، اس طرح اس کی توجہ بصری منظر کے ایک چھوٹے سے حصے پر مرکوز ہوتی ہے۔ A combination of visual sensors (DVS camera) and a proposed listening sensor (based on pMUT) should be explored for the development of future autonomous agents.
pMUT سینسر ایک PCB پر واقع ہے جس میں دو ریسیورز تقریباً 10 سینٹی میٹر کے فاصلے پر ہیں، اور ٹرانسمیٹر ریسیورز کے درمیان واقع ہے۔ اس کام میں، ہر جھلی ایک معلق بیمورف ڈھانچہ ہے جس میں پیزو الیکٹرک ایلومینیم نائٹرائڈ (AlN) 800 nm موٹی سینڈویچ کی دو تہوں پر مشتمل ہے جو molybdenum (Mo) 200 nm موٹی کی تین تہوں کے درمیان ہے اور 200 nm موٹی پرت کے ساتھ لیپت ہے۔ اوپری غیر فعال ہونے والی SiN پرت جیسا کہ حوالہ میں بیان کیا گیا ہے۔ 71. اندرونی اور بیرونی الیکٹروڈز مولیبڈینم کے نیچے اور اوپر کی تہوں پر لگائے جاتے ہیں، جب کہ درمیانی مولبڈینم الیکٹروڈ بغیر پیٹرن کے ہے اور اسے زمین کے طور پر استعمال کیا جاتا ہے، جس کے نتیجے میں ایک جھلی بنتی ہے جس میں الیکٹروڈ کے چار جوڑے ہوتے ہیں۔
یہ فن تعمیر عام جھلی کی اخترتی کے استعمال کی اجازت دیتا ہے، جس کے نتیجے میں ترسیل اور وصول کی حساسیت بہتر ہوتی ہے۔ اس طرح کا pMUT عام طور پر 700 nm/V کی جوش کی حساسیت کو ایک ایمیٹر کے طور پر ظاہر کرتا ہے، جو 270 Pa/V کی سطح کا دباؤ فراہم کرتا ہے۔ ایک وصول کنندہ کے طور پر، ایک pMUT فلم 15 nA/Pa کے شارٹ سرکٹ کی حساسیت کو ظاہر کرتی ہے، جس کا براہ راست تعلق AlN کے پیزو الیکٹرک گتانک سے ہے۔ AlN پرت میں وولٹیج کی تکنیکی تغیر پذیری گونجنے والی فریکوئنسی میں تبدیلی کا باعث بنتی ہے، جس کی تلافی pMUT پر DC تعصب لگا کر کی جا سکتی ہے۔ DC حساسیت کی پیمائش 0.5 kHz/V پر کی گئی۔ صوتی خصوصیات کے لیے، pMUT کے سامنے ایک مائکروفون استعمال کیا جاتا ہے۔
ایکو پلس کی پیمائش کرنے کے لیے، ہم نے پی ایم یو ٹی کے سامنے تقریباً 50 سینٹی میٹر کے رقبے کے ساتھ ایک مستطیل پلیٹ رکھی تاکہ خارج ہونے والی آواز کی لہروں کو منعکس کیا جا سکے۔ پلیٹوں کے درمیان فاصلہ اور pMUT جہاز کے زاویہ دونوں کو خصوصی ہولڈرز کے ذریعے کنٹرول کیا جاتا ہے۔ A Tectronix CPX400DP voltage source biases three pMUT membranes, tuning the resonant frequency to 111.9 kHz31, while the transmitters are driven by a Tectronix AFG 3102 pulse generator tuned to the resonant frequency (111.9 kHz) and a duty cycle of 0.01. The currents read from the four output ports of each pMUT receiver are converted to voltages using a special differential current and voltage architecture, and the resulting signals are digitized by the Spektrum data acquisition system. The limit of detection was characterized by pMUT signal acquisition under different conditions: we moved the reflector to different distances [30, 40, 50, 60, 80, 100] cm and changed the pMUT support angle ([0, 20, 40] o ) شکل 2b ڈگریوں میں متعلقہ کونیی پوزیشن کے لحاظ سے وقتی ITD کا پتہ لگانے کے حل کو ظاہر کرتا ہے۔
یہ مضمون دو مختلف آف دی شیلف RRAM سرکٹس کا استعمال کرتا ہے۔ The first is an array of 16,384 (16,000) devices (128 × 128 devices) in a 1T1R configuration with one transistor and one resistor. The second chip is the neuromorphic platform shown in Fig. 4a. The RRAM cell consists of a 5 nm thick HfO2 film embedded in a TiN/HfO2/Ti/TiN stack. The RRAM stack is integrated into the back-of-line (BEOL) of the standard 130nm CMOS process. RRAM پر مبنی نیورومورفک سرکٹس تمام اینالاگ الیکٹرانک سسٹمز کے لیے ایک ڈیزائن چیلنج پیش کرتے ہیں جس میں RRAM ڈیوائسز روایتی CMOS ٹیکنالوجی کے ساتھ ایک ساتھ رہتے ہیں۔ In particular, the conduction state of the RRAM device must be read and used as a function variable for the system. اس مقصد کے لیے، ایک سرکٹ ڈیزائن، من گھڑت اور ٹیسٹ کیا گیا تھا جو ان پٹ پلس موصول ہونے پر ڈیوائس سے کرنٹ کو پڑھتا ہے اور اس کرنٹ کو ڈیفرینشل پیئر انٹیگریٹر (DPI) Synapse کے ردعمل کو وزن دینے کے لیے استعمال کرتا ہے۔ یہ سرکٹ شکل 3a میں دکھایا گیا ہے، جو کہ شکل 4a میں نیورومورفک پلیٹ فارم کے بنیادی بلڈنگ بلاکس کی نمائندگی کرتا ہے۔ ایک ان پٹ پلس 1T1R ڈیوائس کے گیٹ کو چالو کرتی ہے، RRAM کے ذریعے کرنٹ کو آلے کے کنڈکٹنس G (Iweight = G(Vtop – Vx)) کے متناسب بناتی ہے۔ آپریشنل ایمپلیفائر (op-amp) سرکٹ کے الٹنے والے ان پٹ میں مستقل DC بائیس وولٹیج Vtop ہوتا ہے۔ The op-amp's negative feedback will provide Vx = Vtop by providing equal current from M1. The current Iweight retrieved from the device is injected into the DPI synapse. A stronger current will result in more depolarization, so RRAM conductance effectively implements synaptic weights. یہ ایکسپونینشل Synaptic کرنٹ Leaky Integration and Excitation (LIF) نیوران کے میمبرین کیپیسیٹر کے ذریعے لگایا جاتا ہے، جہاں اسے وولٹیج کے طور پر مربوط کیا جاتا ہے۔ اگر جھلی کی دہلیز وولٹیج (انورٹر کی سوئچنگ وولٹیج) پر قابو پا لیا جاتا ہے، تو نیوران کا آؤٹ پٹ حصہ چالو ہوجاتا ہے، جس سے آؤٹ پٹ اسپائک پیدا ہوتا ہے۔ This pulse returns and shunts the neuron's membrane capacitor to ground, causing it to discharge. This circuit is then supplemented with a pulse expander (not shown in Fig. 3a), which shapes the output pulse of the LIF neuron to the target pulse width. Multiplexers are also built into each line, allowing voltage to be applied to the top and bottom electrodes of the RRAM device.
الیکٹریکل ٹیسٹنگ میں اینالاگ سرکٹس کے متحرک رویے کا تجزیہ اور ریکارڈنگ کے ساتھ ساتھ پروگرامنگ اور RRAM ڈیوائسز کو پڑھنا بھی شامل ہے۔ دونوں مراحل کے لیے خصوصی ٹولز کی ضرورت ہوتی ہے، یہ سبھی ایک ہی وقت میں سینسر بورڈ سے منسلک ہوتے ہیں۔ Access to RRAM devices in neuromorphic circuits is carried out from external tools through a multiplexer (MUX). The MUX separates the 1T1R cell from the rest of the circuitry to which it belongs, allowing the device to be read and/or programmed. RRAM ڈیوائسز کو پروگرام کرنے اور پڑھنے کے لیے، کیتھلی 4200 SCS مشین کو Arduino مائیکرو کنٹرولر کے ساتھ استعمال کیا جاتا ہے: پہلی پلس جنریشن اور کرنٹ ریڈنگ کے لیے، اور دوسری میموری سرنی میں انفرادی 1T1R عناصر تک فوری رسائی کے لیے۔ پہلا آپریشن RRAM ڈیوائس بنانا ہے۔ The cells are selected one by one and a positive voltage is applied between the top and bottom electrodes. اس صورت میں، سلیکٹر ٹرانزسٹر کو متعلقہ گیٹ وولٹیج کی فراہمی کی وجہ سے کرنٹ دسیوں مائیکرو ایمپیرز کے آرڈر تک محدود ہے۔ RRAM سیل اس کے بعد بالترتیب RESET اور SET آپریشنز کا استعمال کرتے ہوئے کم کنڈکٹیو حالت (LCS) اور ایک ہائی کنڈیکٹو سٹیٹ (HCS) کے درمیان چکر لگا سکتا ہے۔ SET آپریشن 1 μs کی مدت کے ساتھ مستطیل وولٹیج پلس اور اوپری الیکٹروڈ پر 2.0-2.5 V کی چوٹی وولٹیج، اور 0.9-1.3 V کے چوٹی وولٹیج کے ساتھ اسی شکل کی مطابقت پذیری نبض کو لاگو کرکے انجام دیا جاتا ہے۔ سلیکٹر ٹرانجسٹر کا گیٹ۔ These values ​​allow modulate RRAM conductance at 20-150 µs intervals. ری سیٹ کے لیے، 1 µs چوڑی، 3 V چوٹی پلس سیل کے نیچے الیکٹروڈ (بٹ لائن) پر اس وقت لگائی جاتی ہے جب گیٹ وولٹیج 2.5-3.0 V کی حد میں ہو۔ اینالاگ سرکٹس کے ان پٹ اور آؤٹ پٹس متحرک سگنل ہوتے ہیں۔ . For input, we interleaved two HP 8110 pulse generators with Tektronix AFG3011 signal generators. The input pulse has a width of 1 µs and a rise/fall edge of 50 ns. This type of pulse is assumed to be a typical glitch in analog glitch based circuits. As for the output signal, the output signal was recorded using a Teledyne LeCroy 1 GHz oscilloscope. The acquisition speed of an oscilloscope has been proven not to be a limiting factor in the analysis and acquisition of circuit data.
Using the dynamics of analog electronics to simulate the behavior of neurons and synapses is an elegant and efficient solution to improve computational efficiency. اس کمپیوٹیشنل انڈرلے کا نقصان یہ ہے کہ یہ اسکیم سے دوسرے اسکیم میں مختلف ہوگا۔ ہم نے نیوران اور Synaptic سرکٹس کی تغیرات کی مقدار درست کی ہے (ضمنی شکل 2a،b)۔ تغیر پذیری کے تمام مظاہر میں سے، جو وقت کے مستقل اور ان پٹ کے حصول سے منسلک ہوتے ہیں ان کا نظام کی سطح پر سب سے زیادہ اثر ہوتا ہے۔ The time constant of the LIF neuron and the DPI synapse is determined by an RC circuit, where the value of R is controlled by a bias voltage applied to the gate of the transistor (Vlk for the neuron and Vtau for the synapse), determining the leakage rate. Input gain is defined as the peak voltage reached by the synaptic and neuronal membrane capacitors stimulated by an input pulse. The input gain is controlled by another bias transistor which modulates the input current. A Monte Carlo simulation calibrated on ST Microelectronics' 130nm process was performed to collect some input gain and time constant statistics. نتائج ضمنی شکل 2 میں پیش کیے گئے ہیں، جہاں رساو کی شرح کو کنٹرول کرنے والے تعصب وولٹیج کے فنکشن کے طور پر ان پٹ گین اور ٹائم کنسٹنٹ کو مقدار میں رکھا گیا ہے۔ Green markers quantify the standard deviation of the time constant from the mean. دونوں نیوران اور Synaptic سرکٹس 10-5-10-2 s کی حد میں وقت کی ایک وسیع رینج کا اظہار کرنے کے قابل تھے، جیسا کہ ضمنی شکل میں دکھایا گیا ہے۔ Input amplification (Supplementary Fig. 2e,d) of neuronal and synapse variability was approximately 8% and 3%, respectively. اس طرح کی کمی کو ادب میں اچھی طرح سے دستاویزی کیا گیا ہے: LIF63 نیوران کی آبادی کے درمیان مماثلت کا اندازہ کرنے کے لئے DYNAP چپس کی صف پر مختلف پیمائشیں کی گئیں۔ برین اسکیل مکسڈ سگنل چپ میں synapses کی پیمائش کی گئی اور ان کی عدم مطابقتوں کا تجزیہ کیا گیا، اور نظام کی سطح کی تغیر پذیری کے اثر کو کم کرنے کے لیے ایک انشانکن طریقہ کار تجویز کیا گیا تھا۔


اس مطالعہ کے نتائج کی حمایت کرنے والا ڈیٹا متعلقہ مصنف ایف ایم سے معقول درخواست پر دستیاب ہے۔
Indiveri, G. & Sandamirskaya, Y. نیورومورفک ایجنٹس میں سگنل پروسیسنگ کے لیے جگہ اور وقت کی اہمیت: ماحول کے ساتھ تعامل کرنے والے کم طاقت والے، خود مختار ایجنٹوں کو تیار کرنے کا چیلنج۔ Indiveri, G. & Sandamirskaya, Y. نیورومورفک ایجنٹس میں سگنل پروسیسنگ کے لیے جگہ اور وقت کی اہمیت: ماحول کے ساتھ تعامل کرنے والے کم طاقت والے، خود مختار ایجنٹوں کو تیار کرنے کا چیلنج۔Indiveri G. اور Sandamirskaya Y. نیورومورفک ایجنٹس میں سگنل پروسیسنگ کے لیے جگہ اور وقت کی اہمیت: ماحول کے ساتھ تعامل کرنے والے کم طاقت والے خود مختار ایجنٹوں کو تیار کرنے کا چیلنج۔ اندیویری، جی اور سنڈامیرسکایا، وائی۔Indiveri G. اور Sandamirskaya Y. نیورومورفک ایجنٹس میں سگنل پروسیسنگ کے لیے جگہ اور وقت کی اہمیت: ماحول کے ساتھ تعامل کرنے والے کم طاقت والے خود مختار ایجنٹوں کو تیار کرنے کا چیلنج۔IEEE سگنل پروسیسنگ۔ جرنل 36، 16–28 (2019)۔
تھورپ، SJ چوٹی آمد کا وقت: ایک موثر نیورل نیٹ ورک کوڈنگ اسکیم۔ Eckmiller، R.، Hartmann، G. & Hauske، G. (eds) میں۔ Eckmiller، R.، Hartmann، G. & Hauske، G. (eds) میں۔ایکملر، آر، ہارٹ مین، جی، اور ہاسکے، جی (ایڈز) میں۔ عصبی نظام اور کمپیوٹرز میں متوازی پروسیسنگ 91-94 (نارتھ ہالینڈ ایلسیویئر، 1990)۔
لیوی، ڈبلیو بی اور کیلورٹ، وی جی کمیونیکیشن انسانی پرانتستا میں حساب کے مقابلے میں 35 گنا زیادہ توانائی خرچ کرتی ہے، لیکن Synapse نمبر کی پیشن گوئی کرنے کے لیے دونوں اخراجات کی ضرورت ہوتی ہے۔ لیوی، ڈبلیو بی اور کیلورٹ، وی جی کمیونیکیشن انسانی پرانتستا میں حساب کے مقابلے میں 35 گنا زیادہ توانائی خرچ کرتی ہے، لیکن Synapse نمبر کی پیشن گوئی کرنے کے لیے دونوں اخراجات کی ضرورت ہوتی ہے۔لیوی، ڈبلیو بی اور کیلورٹ، ڈبلیو جی کمیونیکیشن انسانی پرانتستا میں حساب کے مقابلے میں 35 گنا زیادہ توانائی استعمال کرتی ہے، لیکن Synapses کی تعداد کا اندازہ لگانے کے لیے دونوں اخراجات کی ضرورت ہوتی ہے۔ Levy, WB & Calvert, VG Communication 消耗的能量是人类皮层计算的35 لیوی، ڈبلیو بی اور کالورٹ، وی جی کمیونیکیشنلیوی، ڈبلیو بی اور کیلورٹ، ڈبلیو جی کمیونیکیشن انسانی پرانتستا میں حساب کے مقابلے میں 35 گنا زیادہ توانائی استعمال کرتی ہے، لیکن دونوں اخراجات کے لیے Synapses کی تعداد کی پیشن گوئی کی ضرورت ہوتی ہے۔عمل نیشنل اکیڈمی آف سائنس۔ سائنس 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. اور Casas, J. Insect-Inspired neuromorphic Computing.Dalgati T.، Vianello E.، DeSalvo B. اور Casas J. Insect-Inspired neuromorphic Computing. کرنٹ رائے۔ کیڑے سائنس۔ 30, 59–66 (2018).
Roy, K., Jaiswal, A. & Panda, P. نیورومورفک کمپیوٹنگ کے ساتھ سپائیک پر مبنی مشین انٹیلی جنس کی طرف۔ Roy, K., Jaiswal, A. & Panda, P. نیورومورفک کمپیوٹنگ کے ساتھ سپائیک پر مبنی مشین انٹیلی جنس کی طرف۔ Roy, K., Jaiswal, A. & Panda, P. نیورومورفک کمپیوٹنگ کے ساتھ سپائیک بیسڈ مشین انٹیلی جنس کی طرف۔رائے کے، جیسوال اے، اور پانڈا پی. نیورومورفک کمپیوٹنگ کا استعمال کرتے ہوئے پلس پر مبنی مصنوعی ذہانت۔ فطرت 575، 607–617 (2019)۔
اندیویری، جی اینڈ لیو، ایس سی۔ اندیویری، جی اینڈ لیو، ایس سی۔اندیویری، جی اور لیو، ایس-کے۔ اندیویری، جی اینڈ لیو، ایس سی۔ اندیویری، جی اینڈ لیو، ایس سی۔اندیویری، جی اور لیو، ایس-کے۔Memory and information processing in neuromorphic systems. عمل IEEE 103, 1379–1397 (2015)۔
Akopyan F. et al. Truenorth: 65 میگاواٹ 1 ملین نیوران پروگرام قابل synaptic چپ کے لیے ڈیزائن اور ٹول کٹ۔ IEEE لین دین۔ انٹیگریٹڈ سرکٹ سسٹم کا کمپیوٹر ڈیزائن۔ 34، 1537–1557 (2015)۔
سکیمل، J. et al. لائیو ڈیمو: پلیٹ اسکیل پر برین اسکیل ایس نیورومورفک سسٹم کا چھوٹا ورژن۔ 2012 IEEE انٹرنیشنل سمپوزیم آن سرکٹس اینڈ سسٹمز (ISCAS)، (IEEE ed.) 702–702 (2012)۔
Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. متحرک نیورومورفک اسینکرونس پروسیسرز (DYNAPs) کے لیے متضاد میموری ڈھانچے کے ساتھ ایک توسیع پذیر ملٹی کور فن تعمیر۔ Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. متحرک نیورومورفک اسینکرونس پروسیسرز (DYNAPs) کے لیے متضاد میموری ڈھانچے کے ساتھ ایک توسیع پذیر ملٹی کور فن تعمیر۔Moradi S., Qiao N., Stefanini F. اور Indiviri G. متحرک نیورومورفک غیر مطابقت پذیر پروسیسرز (DYNAP) کے لیے متضاد میموری ڈھانچے کے ساتھ ایک توسیع پذیر ملٹی کور فن تعمیر۔ Moradi, S. Qiao, N., Stefanini, F. & Indiveri, G. 一种可扩展的多核架构，具有用于动态神用于动态神用于动态神经形态异歨(Y PNA)存结构. Moradi, S. 、Qiao, N., Stefanini, F. & Indiveri, G. ایک قسم کا توسیع پذیر ملٹی کور فن تعمیر، جس میں ڈائنامک نیورل پروسیسنگ (DYNAP) کے لیے ایک منفرد میموری ڈھانچہ ہے۔Moradi S., Qiao N., Stefanini F. اور Indiviri G. متحرک نیورومورفک غیر مطابقت پذیر پروسیسرز (DYNAP) کے لیے متضاد میموری ڈھانچے کے ساتھ ایک توسیع پذیر ملٹی کور فن تعمیر۔بائیو میڈیکل سائنس پر IEEE لین دین۔ برقی نظام. 12، 106–122 (2018)۔
ڈیوس، M. et al. Loihi: A neuromorphic multi-core processor with embedded learning. IEEE مائیکرو 38، 82–99 (2018)۔
Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker پروجیکٹ۔ Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker پروجیکٹ۔Ferber SB, Galluppi F., Temple S. and Plana LA SpiNNaker پروجیکٹ۔Ferber SB, Galluppi F., Temple S. and Plana LA SpiNNaker پروجیکٹ۔ عمل IEEE 102, 652–665 (2014)۔
لیو، ایس کے اور ڈیلبرک، ٹی نیورومورفک حسی نظام۔ اور ڈیلبرک، ٹی نیورومورفک حسی نظام۔اور ڈیلبرک ٹی نیورومورفک حسی نظام۔ اور ڈیلبرک، ٹی. 神经形态感觉系统. اور ڈیلبرک، ٹی.اور ڈیلبرک ٹی نیورومورفک حسی نظام۔کرنٹ رائے۔ نیورو بائیولوجی۔ 20، 288–295 (2010)۔
Chope، T. et al. مشترکہ ساؤنڈ سورس لوکلائزیشن اور تصادم سے بچنے کے لیے نیورومورفک حسی انضمام۔ 2019 میں IEEE کانفرنس آن بائیو میڈیکل سرکٹس اینڈ سسٹمز (BioCAS)، (IEEE Ed.) 1–4 (2019)۔
Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. سٹیریو وژن کا ایک سپائیک پر مبنی نیورومورفک فن تعمیر۔ Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. سٹیریو وژن کا ایک سپائیک پر مبنی نیورومورفک فن تعمیر۔Risi N, Aymar A, Donati E, Solinas S, and Indiveri G. A spike-based neuromorphic stereovision architecture. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. 一种基于脉冲的立体视觉神经形态结构. Risi N، Aimar A، Donati E، Solinas S، اور Indiveri G. سٹیریو وژن کے لیے اسپائک پر مبنی نیورومورفک فن تعمیر۔سامنے نیوروروبوٹکس 14، 93 (2020)۔
Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. ایونٹ پر مبنی نیورومورفک سٹیریو ویژن سسٹمز کے لیے تھری ڈیپرسیپشن کا ایک اسپائکنگ نیورل نیٹ ورک ماڈل۔ Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. ایونٹ پر مبنی نیورومورفک سٹیریو ویژن سسٹمز کے لیے تھری ڈیپرسیپشن کا ایک اسپائکنگ نیورل نیٹ ورک ماڈل۔Oswald, M., Ieng, S.-H., Benosman, R., and Indiveri, G. A 3D Pulsed Neural Network Perception Model for Event-based Neuromorphic Stereo Vision Systems. اوسوالڈ، ایم.، اینگ، ایس.-ایچ.، بینوسمین، آر. اینڈ اندیوری، جی. تھری ڈیپرسیپشن 脉冲神经网络模型.Oswald, M., Ieng, S.-H., Benosman, R., and Indiveri, G. Spiked 3Dperception Neural Network Model for an Event-based Neuromorphic Stereo Vision System.سائنس رپورٹ 7، 1–11 (2017)۔
Dalgaty، T. et al. کیڑے سے متاثر بنیادی حرکت کا پتہ لگانے میں مزاحمتی میموری اور برسٹی نیورل نیٹ ورک شامل ہیں۔ بایونک بائیو ہائبرڈ سسٹم۔ 10928، 115–128 (2018)۔
D'Angelo، G. et al. وقتی تفریق کوڈنگ کا استعمال کرتے ہوئے واقعہ پر مبنی سنکی حرکت کا پتہ لگانا۔ سامنے نیورولوجی. 14، 451 (2020)۔