Жаңалықтар

Нақты әлемдегі деректерді өңдеу қолданбалары ықшам, кідіріссіз, қуатты аз есептеу жүйелерін қажет етеді.Оқиғаға негізделген есептеу мүмкіндіктері бар қосымша металл-оксидті-жартылай өткізгіш гибридті мемристикалық нейроморфтық архитектуралар осындай тапсырмалар үшін тамаша аппараттық базаны қамтамасыз етеді.Мұндай жүйелердің толық әлеуетін көрсету үшін біз нақты дүниедегі объектілерді локализациялау қолданбалары үшін сенсорды өңдеудің кешенді шешімін ұсынамыз және эксперименттік түрде көрсетеміз.Үкі нейроанатомиясынан шабыт ала отырып, біз заманауи пьезоэлектрлік микромеханикалық түрлендіргіш түрлендіргішін есептеу графикасына негізделген нейроморфты резистивті жадымен біріктіретін биошабытталған, оқиғаға негізделген объектіні локализациялау жүйесін әзірледік.Біз жадқа негізделген резистивті сәйкестік детекторын, кідіріс желісінің схемасын және толығымен реттелетін ультрадыбыстық түрлендіргішті қамтитын құрастырылған жүйенің өлшемдерін көрсетеміз.Жүйе деңгейінде модельдеулерді калибрлеу үшін осы эксперименттік нәтижелерді пайдаланамыз.Содан кейін бұл модельдеу нысанды локализация моделінің бұрыштық ажыратымдылығын және энергия тиімділігін бағалау үшін пайдаланылады.Нәтижелер біздің көзқарасымыз бірдей тапсырманы орындайтын микроконтроллерлерге қарағанда энергияны үнемдейтін бірнеше реттік болуы мүмкін екенін көрсетеді.
Біз күнделікті өмірде бізге көмектесу үшін орналастырылған құрылғылар мен жүйелердің саны экспоненциалды түрде өсетін кең таралған есептеулер дәуіріне қадам басып жатырмыз.Бұл жүйелер нақты уақытта бірнеше сенсорлардан жинаған деректерді интерпретациялауды үйрену кезінде мүмкіндігінше аз қуат тұтынатын және жіктеу немесе тану тапсырмаларының нәтижесінде екілік нәтижені шығаруды үйрену кезінде үздіксіз жұмыс істейді деп күтілуде.Осы мақсатқа жету үшін қажетті ең маңызды қадамдардың бірі шулы және жиі толық емес сенсорлық деректерден пайдалы және ықшам ақпаратты алу болып табылады.Кәдімгі инженерлік тәсілдер әдетте сенсор сигналдарын тұрақты және жоғары жылдамдықпен таңдайды, тіпті пайдалы кірістер болмаған жағдайда да үлкен көлемдегі деректер жасайды.Бұған қоса, бұл әдістер кіріс деректерді (көбінесе шулы) алдын ала өңдеу үшін күрделі цифрлық сигналды өңдеу әдістерін пайдаланады.Оның орнына биология энергияны үнемдейтін, асинхронды, оқиғаға негізделген тәсілдер (шпик) арқылы шулы сенсорлық деректерді өңдеудің балама шешімдерін ұсынады2,3.Нейроморфтық есептеулер сигналдарды өңдеудің дәстүрлі әдістерімен салыстырғанда энергия мен жад талаптары тұрғысынан есептеу шығындарын азайту үшін биологиялық жүйелерден шабыт алады4,5,6.Жақында импульстік нейрондық желілерді (TrueNorth7, BrainScaleS8, DYNAP-SE9, Loihi10, Spinnaker11) жүзеге асыратын жалпы мақсаттағы миға негізделген инновациялық жүйелер көрсетілді.Бұл процессорлар машиналық оқыту және кортикальды схемаларды модельдеу үшін төмен қуат, төмен кідіріс шешімдерін ұсынады.Олардың энергия тиімділігін толығымен пайдалану үшін бұл нейроморфтық процессорлар оқиғаға негізделген сенсорларға тікелей қосылуы керек12,13.Дегенмен, бүгінгі күні оқиғаға негізделген деректерді тікелей беретін бірнеше сенсорлық құрылғылар ғана бар.Көрнекті мысалдар көру және қозғалысты анықтау14,15,16,17 кремний кохлеасы18 және есту сигналын өңдеуге арналған нейроморфты есту сенсорлары (NAS)19, иіс сезу сенсорлары20 және жанасудың көптеген мысалдары21,22 сияқты көру қолданбаларына арналған динамикалық көрнекі сенсорлар (DVS) болып табылады..текстуралық сенсорлар.
Бұл мақалада біз объектіні локализациялауға қолданылатын жаңадан жасалған оқиғаға негізделген есту өңдеу жүйесін ұсынамыз.Мұнда біз бірінші рет нейроморфтық резистивті жадыға (RRAM) негізделген есептеу графигі бар заманауи пьезоэлектрлік микромашиналы ультрадыбыстық түрлендіргішті (pMUT) қосу арқылы алынған объектіні локализациялаудың түпкілікті жүйесін сипаттаймыз.RRAM пайдаланатын жадтағы есептеулер архитектурасы қуат тұтынуды азайту үшін перспективалы шешім болып табылады23,24,25,26,27,28,29.Ақпаратты сақтау немесе жаңарту үшін белсенді қуат тұтынуды қажет етпейтін олардың құбылмалы еместігі нейроморфтық есептеулердің асинхронды, оқиғаға негізделген табиғатына тамаша сәйкес келеді, бұл жүйе жұмыссыз тұрғанда қуат тұтынудың дерлік болмауына әкеледі.Пьезоэлектрлік микромашиналы ультрадыбыстық түрлендіргіштер (pMUTs) таратқыштар мен қабылдағыштар ретінде әрекет ете алатын, қымбат емес, шағын кремний негізіндегі ультрадыбыстық түрлендіргіштер30,31,32,33,34.Кірістірілген сенсорлар қабылдаған сигналдарды өңдеу үшін біз үкі нейроанатомиясынан шабыт алдық35,36,37.Үкі Тито альба өте тиімді есту локализациясы жүйесінің арқасында түнде аң аулау қабілетімен танымал.Жыртқыштың орналасқан жерін есептеу үшін үкінің локализация жүйесі жыртқыштың дыбыс толқындары үкінің құлақтарына немесе дыбыс рецепторларының әрқайсысына жеткенде ұшу уақытын (ToF) кодтайды.Құлақтар арасындағы қашықтықты ескере отырып, екі ToF өлшемінің арасындағы айырмашылық (Интерауралық уақыт айырмашылығы, ITD) нысананың азимут орнын аналитикалық түрде есептеуге мүмкіндік береді.Биологиялық жүйелер алгебралық теңдеулерді шешуге жарамсыз болғанымен, олар локализация мәселелерін өте тиімді шеше алады.Қойдың жүйке жүйесі сәйкестік детекторының (CD) 35 нейрондарының (яғни, конвергентті қоздырғыш ұштарға дейін төмен қарай таралатын тікенектер арасындағы уақытша корреляцияны анықтауға қабілетті нейрондар) 38,39 позициялау мәселелерін шешу үшін есептеу графиктерінде ұйымдастырылған жиынтығын пайдаланады.
Алдыңғы зерттеулер ITD13, 40, 41, пайдалана отырып, позицияны есептеудің тиімді әдісі болып үкінің төменгі колликуласынан («есту қыртысы») шабыттандырылған қосымша металл-оксидті-жартылай өткізгіш (CMOS) аппаратурасы және RRAM негізіндегі нейроморфтық аппаратура екенін көрсетті. 42, 43, 44, 45, 46. Дегенмен, есту сигналдарын нейроморфтық есептеу графиктерімен байланыстыратын толық нейроморфтық жүйелердің әлеуеті әлі көрсетілмеген.Негізгі мәселе CMOS аналогтық схемаларының өзіндік өзгергіштігі болып табылады, бұл сәйкестікті анықтау дәлдігіне әсер етеді.Жақында ITD47 бағалауларының балама сандық енгізулері көрсетілді.Бұл жұмыста аналогтық тізбектердегі өзгергіштікке қарсы тұру үшін RRAM-ның өткізгіштік мәнін өзгермейтін түрде өзгерту мүмкіндігін пайдалануды ұсынамыз.Біз 111,9 кГц жиілікте жұмыс істейтін бір pMUT таратқыш мембранасынан, екі пМУТ қабылдағыш мембранадан (датчиктер) қора құлақтарын имитациялайтын және бір .Біз локализация жүйесін сынау және оның бұрыштық ажыратымдылығын бағалау үшін pMUT анықтау жүйесін және RRAM негізіндегі ITD есептеу графигін эксперименталды түрде сипаттадық.
Біз әдісімізді кәдімгі сәулелік немесе нейроморфтық әдістерді пайдалана отырып, бірдей оқшаулау тапсырмасын орындайтын микроконтроллердегі цифрлық іске асырумен, сондай-ақ анықтамада ұсынылған ITD бағалауы үшін далалық бағдарламаланатын қақпа массивімен (FPGA) салыстырамыз.47. Бұл салыстыру ұсынылған RRAM негізіндегі аналогтық нейроморфтық жүйенің бәсекеге қабілетті қуат тиімділігін көрсетеді.
Нақты және тиімді нысанды локализациялау жүйесінің ең жарқын мысалдарының бірін үкіден табуға болады35,37,48.Ымырт пен таң атқанда тышқан (Tyto Alba) ең алдымен пассивті тыңдауға сүйенеді, тышқандар немесе тышқандар сияқты кішкентай олжаларды белсенді түрде іздейді.Бұл есту сарапшылары 1а-суретте көрсетілгендей таңғаларлық дәлдікпен (шамамен 2°)35 жыртқыштың есту сигналдарын локализациялай алады.Үкілер дыбыс көздерінің азимуттық (көлденең) жазықтықта орналасуын дыбыс көзінен екі құлаққа дейін ұшып келу уақытының (ИТД) айырмашылығынан анықтайды.ITD есептеу механизмін Джеффресс49,50 ұсынған, ол нейрондық геометрияға негізделген және екі негізгі компонентті қажет етеді: аксон, кідіріс сызығы ретінде әрекет ететін нейронның жүйке талшығы және есептеу жүйесінде ұйымдастырылған сәйкестік детекторының нейрондарының жиыны.1b-суретте көрсетілгендей график.Дыбыс азимутқа тәуелді уақыт кешігуімен (ITD) құлаққа жетеді.Содан кейін дыбыс әр құлақта ұштық үлгісіне айналады.Сол және оң құлақтың аксондары кідіріс сызықтары ретінде әрекет етеді және CD нейрондарында біріктіріледі.Теориялық тұрғыдан сәйкес нейрондар массивіндегі тек бір нейрон бір уақытта енгізуді қабылдайды (мұнда кідіріс дәл жойылады) және максималды түрде жанады (көршілес жасушалар да жанады, бірақ төмен жиілікте).Белгілі бір нейрондарды белсендіру ITD-ны бұрыштарға одан әрі түрлендірусіз мақсаттың кеңістіктегі орнын кодтайды.Бұл түсінік 1в-суретте жинақталған: мысалы, егер дыбыс оң жақтан шықса, оң жақ құлақтың кіріс сигналы сол жақ құлақтың жолына қарағанда ұзағырақ жолмен жүріп, ITD санын өтейді, мысалы, нейрон 2 сәйкес келгенде.Басқаша айтқанда, әрбір CD аксональды кешігуге байланысты белгілі бір ITD (оңтайлы кідіріс деп те аталады) жауап береді.Осылайша, ми уақытша ақпаратты кеңістіктік ақпаратқа айналдырады.Бұл механизмге анатомиялық дәлелдер табылды37,51.Фазалық құлыпталған макронуклеус нейрондары келіп түсетін дыбыстар туралы уақытша ақпаратты сақтайды: олардың аты айтып тұрғандай, олар белгілі бір сигнал фазаларында жанып тұрады.Джеффресс моделінің сәйкестік детекторының нейрондарын ламинарлы ядродан табуға болады.Олар аксондары кідіріс сызықтары ретінде әрекет ететін макронуклеарлық нейрондардан ақпаратты алады.Кешігу сызығымен қамтамасыз етілген кідіріс көлемін аксон ұзындығымен, сондай-ақ өткізгіштік жылдамдығын өзгертетін басқа миелинизация үлгісімен түсіндіруге болады.Үкінің есту жүйесінен шабыттана отырып, біз объектілерді локализациялауға арналған биомиметикалық жүйені жасадық.Екі құлақ екі pMUT қабылдағышымен ұсынылған.Дыбыс көзі олардың арасында орналасқан pMUT таратқышы болып табылады (1а-сурет), ал есептеу графигі кірістері кешіктірілген CD нейрондарының рөлін атқаратын RRAM негізіндегі CD схемаларының торымен (сурет 1б, жасыл) қалыптасады.тізбек арқылы кешіктіру сызықтары (көк) биологиялық аналогындағы аксондар сияқты әрекет етеді.Ұсынылған сенсорлық жүйе есту жүйесі 1–8 кГц диапазонында жұмыс істейтін үкіден жұмыс жиілігімен ерекшеленеді, бірақ бұл жұмыста шамамен 117 кГц жұмыс істейтін pMUT сенсорлары қолданылады.Ультрадыбыстық түрлендіргішті таңдау техникалық және оңтайландыру критерийлеріне сәйкес қарастырылады.Біріншіден, қабылдау өткізу жолағын бір жиілікпен шектеу өлшеу дәлдігін жақсырақ жақсартады және өңдеуден кейінгі қадамды жеңілдетеді.Сонымен қатар, ультрадыбыстық зерттеудің артықшылығы - шығарылатын импульстардың естілмейтіндігі, сондықтан адамдарға кедергі жасамаңыз, өйткені олардың есту диапазоны ~ 20-20 кГц.
үкі нысанадан дыбыс толқындарын алады, бұл жағдайда қозғалатын олжа.Дыбыс толқынының ұшу уақыты (ToF) әр құлақ үшін әр түрлі (егер олжа үкінің алдында тұрмаса).Нүктелі сызық дыбыс толқындарының үкі құлағына жету жолын көрсетеді.Жыртқышты екі акустикалық жол арасындағы ұзындық айырмашылығына және сәйкес құлақаралық уақыт айырмашылығына (ITD) негізделген көлденең жазықтықта дәл локализациялауға болады (сол жақтағы сурет реф. 74, авторлық құқық 2002, Нейрология қоғамы).Біздің жүйеде pMUT таратқышы (қара көк) нысанадан секіретін дыбыс толқындарын жасайды.Шағылысқан ультрадыбыстық толқындарды екі pMUT қабылдағыш (ашық жасыл) қабылдайды және нейроморфтық процессор (оң жақта) өңдейді.b Үкі құлақтарына түсетін дыбыстардың алдымен үлкен ядродағы (NM) фазалық құлыпталған тітіркендіргіштер ретінде кодталатынын, содан кейін пластинкалық ядродағы сәйкес келетін детектор нейрондарының геометриялық реттелген торын пайдаланатынын сипаттайтын ITD (Джеффресс) есептеу үлгісі.Өңдеу (Нидерланды) (сол жақта).Кідіріс сызықтары мен сәйкестік детекторының нейрондарын біріктіретін neuroITD есептеу графигінің иллюстрациясы, үкі биосенсорлық жүйесін RRAM негізіндегі нейроморфтық схемалар арқылы модельдеуге болады (оң жақта).c Негізгі Джеффресс механизмінің схемасы, ToF айырмашылығына байланысты екі құлақ әртүрлі уақытта дыбыс тітіркендіргіштерін қабылдайды және аксондарды екі шетінен детекторға жібереді.Аксондар сәйкестік детекторының (CD) нейрондарының сериясының бөлігі болып табылады, олардың әрқайсысы уақытпен тығыз байланысқан кірістерге таңдамалы түрде жауап береді.Нәтижесінде кірістері ең аз уақыт айырмашылығымен келетін ықшам дискілер ғана максималды түрде қозғалады (ITD дәл өтеледі).Содан кейін CD нысанның бұрыштық орнын кодтайды.
Пьезоэлектрлік микромеханикалық ультрадыбыстық түрлендіргіштер кеңейтілген CMOS технологиясымен31,32,33,52 біріктірілуі мүмкін масштабталатын ультрадыбыстық түрлендіргіштер болып табылады және дәстүрлі көлемдік түрлендіргіштерге53 қарағанда бастапқы кернеу мен қуат тұтынуы төмен.Біздің жұмысымызда мембрананың диаметрі 880 мкм, ал резонанстық жиілік 110–117 кГц диапазонында таратылады (2а-сурет, толығырақ әдістерді қараңыз).Он сынақ құрылғысының партиясында орташа сапа коэффициенті шамамен 50 болды (31 сілтеме).Технология өнеркәсіптік жетілуге ​​жетті және өздігінен биологиялық рухтандырылмаған.Әртүрлі pMUT пленкаларынан алынған ақпаратты біріктіру белгілі әдіс болып табылады және бұрыш туралы ақпаратты, мысалы, сәулені қалыптастыру әдістерін пайдаланып pMUT-дан алуға болады31,54.Дегенмен, бұрыш туралы ақпаратты алу үшін қажетті сигналды өңдеу төмен қуат өлшемдері үшін жарамсыз.Ұсынылған жүйе нейроморфтық деректерді алдын ала өңдеудің pMUT тізбегін Jeffress үлгісімен шабыттандырылған RRAM негізіндегі нейроморфтық есептеу графигімен біріктіреді (2c-сурет), энергияны үнемдейтін және ресурс шектеулі аппараттық құралдың баламалы шешімін қамтамасыз етеді.Біз екі қабылдаушы мембрана қабылдаған әртүрлі ToF дыбыстарын пайдалану үшін екі pMUT сенсоры шамамен 10 см қашықтықта орналастырылған эксперимент жасадық.Таратқыш ретінде әрекет ететін бір pMUT қабылдағыштар арасында отырады.Мақсат pMUT құрылғысының алдында D қашықтықта орналасқан ені 12 см ПВХ пластина болды (2б-сурет).Қабылдағыш заттан шағылған дыбысты жазып алады және дыбыс толқынының өтуі кезінде мүмкіндігінше әрекет етеді.D қашықтығы мен θ бұрышымен анықталатын нысанның орнын өзгерту арқылы тәжірибені қайталаңыз.Сілтеме арқылы шабыттандырылған.55, біз нейроморфтық есептеу графигін енгізу үшін шағылысқан толқындарды шыңдарға түрлендіру үшін pMUT шикі сигналдарын нейроморфты алдын ала өңдеуді ұсынамыз.Пик амплитудасына сәйкес келетін ToF екі арнаның әрқайсысынан алынады және жеке шыңдардың нақты уақыты ретінде кодталады.Суретте.2c RRAM негізіндегі есептеу графигі pMUT сенсорын интерфейске келтіру үшін қажетті схеманы көрсетеді: екі pMUT қабылдағыштарының әрқайсысы үшін өңделмеген сигнал тегістеу, түзету үшін жолақ арқылы сүзіледі, содан кейін еңсеру режимінде ағып кеткен интеграторға беріледі.динамикалық табалдырық (2d-сурет) шығыс оқиғасын (шпай) және іске қосу (LIF) нейронды жасайды: шығыс серпіліс уақыты анықталған ұшу уақытын кодтайды.LIF шегі pMUT жауабына қарсы калибрленеді, осылайша құрылғыдан құрылғыға pMUT өзгермелілігін азайтады.Бұл тәсіл арқылы бүкіл дыбыс толқынын жадта сақтаудың және оны кейінірек өңдеудің орнына, біз жай ғана резистивті жадының есептеу графигіне кірісті құрайтын дыбыс толқынының ToF сәйкес келетін шыңды жасаймыз.Тікелей кідіріс сызықтарына жіберіледі және нейроморфтық есептеу графиктеріндегі сәйкестіктерді анықтау модульдерімен параллельді.Олар транзисторлардың қақпаларына жіберілетіндіктен, қосымша күшейту схемасы қажет емес (толығырақ ақпаратты 4-суретті қараңыз).pMUT қамтамасыз ететін локализацияның бұрыштық дәлдігін және ұсынылған сигналды өңдеу әдісін бағалау үшін объектінің қашықтығы мен бұрышы өзгеретіндіктен ITD (яғни, екі қабылдағыш жасаған ең жоғары оқиғалар арасындағы уақыт айырмашылығы) өлшендік.Содан кейін ITD талдауы бұрыштарға түрлендірілді (Әдістерді қараңыз) және нысанның орнына қарсы графигі құрылды: өлшенген ITD-дегі белгісіздік қашықтыққа және нысанға бұрышқа қарай өсті (2e,f-сурет).Негізгі мәселе - pMUT жауапындағы шың-шу қатынасы (PNR).Нысан неғұрлым алыс болса, соғұрлым дыбыстық сигнал төмен болады, осылайша PNR төмендейді (2f-сурет, жасыл сызық).PNR төмендеуі ITD бағалауындағы белгісіздіктің жоғарылауына әкеледі, нәтижесінде локализация дәлдігі артады (2f-сурет, көк сызық).Таратқыштан 50 см қашықтықта орналасқан нысан үшін жүйенің бұрыштық дәлдігі шамамен 10° болады.Сенсордың сипаттамаларына байланысты бұл шектеуді жақсартуға болады.Мысалы, эмитент жіберетін қысымды арттыруға болады, осылайша pMUT мембранасын қозғайтын кернеуді арттырады.Таратылатын сигналды күшейтудің тағы бір шешімі бірнеше таратқыштарды 56 қосу болып табылады. Бұл шешімдер энергия шығындарының жоғарылауы есебінен анықтау диапазонын арттырады.Қабылдаушы жағында қосымша жақсартулар жасалуы мүмкін.pMUT қабылдағышының шу деңгейін pMUT және бірінші сатыдағы күшейткіш арасындағы байланысты жақсарту арқылы айтарлықтай азайтуға болады, ол қазіргі уақытта сым қосылымдарымен және RJ45 кабельдерімен орындалады.
1,5 мм қадаммен біріктірілген алты 880 мкм мембранасы бар pMUT кристалының суреті.b Өлшеу қондырғысының диаграммасы.Нысана θ азимуттық позициясында және D қашықтықта орналасқан. pMUT таратқышы нысанадан секіріп шығатын 117,6 кГц сигнал жасайды және әр түрлі ұшу уақыты (ToF) бар екі pMUT қабылдағышына жетеді.Аудармааралық уақыт айырмашылығы (ITD) ретінде анықталған бұл айырмашылық нысанның орнын кодтайды және екі қабылдағыш сенсорының ең жоғары реакциясын бағалау арқылы бағалауға болады.c Шикі pMUT сигналын спайк тізбегіне түрлендіру үшін алдын ала өңдеу қадамдарының схемасы (яғни нейроморфтық есептеу графигіне енгізу).pMUT сенсорлары мен нейроморфты есептеу графиктері жасалды және сыналған, ал нейроморфты алдын ала өңдеу бағдарламалық жасақтаманы модельдеуге негізделген.d Сигналды алғандағы pMUT мембранасының жауабы және оның спик доменіне айналуы.e Эксперименттік локализация бұрыштық дәлдігі нысан бұрышының (Θ) және мақсатты нысанға дейінгі қашықтықтың (D) функциясы ретінде.ITD экстракция әдісі шамамен 4°C ең аз бұрыштық рұқсатты қажет етеді.f Бұрыштық дәлдік (көк сызық) және сәйкес Θ = 0 үшін объектінің қашықтығына қарсы ең жоғары шу қатынасы (жасыл сызық).
Резистивті жад ақпаратты тұрақты емес өткізгіш күйде сақтайды.Әдістің негізгі принципі материалдың атомдық деңгейде модификациясы оның электр өткізгіштігінің өзгеруіне әкеледі57.Мұнда біз жоғарғы және астыңғы титан мен титан нитриді электродтары арасында орналасқан гафний диоксидінің 5 нм қабатынан тұратын оксид негізіндегі резистивті жадты қолданамыз.RRAM құрылғыларының өткізгіштігін электродтар арасындағы оттегі бос орындардың өткізгіш жіптерін жасайтын немесе бұзатын ток/кернеу толқын пішінін қолдану арқылы өзгертуге болады.Біз сәйкестік детекторы мен кідіріс сызығының тізбегін жүзеге асыратын қайта конфигурацияланатын ойдан шығарылған нейроморфтық схеманы жасау үшін мұндай құрылғыларды58 стандартты 130 нм CMOS процесіне біріктірдік (3а-сурет).Құрылғының ұшпа емес және аналогтық табиғаты нейроморфтық тізбектің оқиғаға негізделген табиғатымен үйлескенде қуат тұтынуды барынша азайтады.Схемада лезде қосу/өшіру функциясы бар: ол қосылғаннан кейін бірден жұмыс істейді, бұл тізбек бос тұрған кезде қуатты толығымен өшіруге мүмкіндік береді.Ұсынылған схеманың негізгі құрылыс блоктары күріште көрсетілген.3б.Ол салмақты токтар алынатын, дифференциалдық жұп интеграторының (DPI)59 ортақ синапсына инъекцияланатын және ақырында интеграциямен және синапсқа инъекцияланатын синаптикалық салмақтарды кодтайтын N параллельді бір резисторлы бір транзисторлы (1T1R) құрылымдардан тұрады. ағып кету.белсендірілген (LIF) нейрон 60 (мәліметтер алу үшін Әдістерді қараңыз).Кіріс кернеулері 1T1R құрылымының қақпасына жүздеген наносекундтар тәртібінде ұзақтығы бар кернеу импульстерінің тізбегі түрінде қолданылады.Резистивті жадты Vbottom жерге тұйықталған кезде Vtop-қа сыртқы оң сілтемені қолдану арқылы жоғары өткізгіштік күйге (HCS) қоюға және Vtop жерге қосылған кезде Vbottom-ға оң кернеуді қолдану арқылы төмен өткізгіштік күйге (LCS) қалпына келтіруге болады.HCS орташа мәнін сериялық транзистордың шлюз-көзі кернеуі арқылы SET (ICC) бағдарламалау тогын (сәйкестігін) шектеу арқылы басқаруға болады (3c-сурет).Тізбектегі RRAM функциялары екі жақты: олар кіріс импульстерін бағыттайды және салмақтайды.
Жасыл түспен селекторлық транзисторлары (ені 650 нм) бар 130 нм CMOS технологиясында біріктірілген көк HfO2 1T1R RRAM құрылғысының сканерлеуші ​​электрондық микроскоп (SEM) суреті.b Ұсынылған нейроморфтық схеманың негізгі құрылыс блоктары.Кіріс кернеуінің импульстері (шыңдары) Vin0 және Vin1 ток Iweight тұтынады, ол 1T1R құрылымының G0 және G1 өткізгіштік күйлеріне пропорционал.Бұл ток DPI синапстарына енгізіледі және LIF нейрондарын қоздырады.RRAM G0 және G1 сәйкесінше HCS және LCS жүйесінде орнатылған.c Өткізгіштік деңгейін тиімді басқаратын ICC тогын сәйкестендіру функциясы ретінде 16K RRAM құрылғылар тобы үшін жинақталған өткізгіштік тығыздығының функциясы.d G1 (LCS-де) Vin1 (жасыл) кірісін тиімді блоктайтынын және шын мәнінде шығыс нейронының мембраналық кернеуі тек Vin0 кірісінен көк түске жауап беретінін көрсететін (а) схемадағы өлшемдер.RRAM схемадағы қосылымдарды тиімді анықтайды.e Vin0 кернеу импульсін қолданғаннан кейін G0 өткізгіштік шамасының мембрана кернеуіне Vmem әсерін көрсететін тізбекті өлшеу (b).Өткізгіштік неғұрлым көп болса, жауап соғұрлым күшті болады: осылайша, RRAM құрылғысы енгізу/шығару қосылымының салмағын жүзеге асырады.Өлшемдер схема бойынша жүргізілді және RRAM қос функциясын, кіріс импульстерін бағыттауды және салмақтауды көрсетеді.
Біріншіден, екі негізгі өткізгіштік күйі (HCS және LCS) болғандықтан, RRAM сәйкесінше LCS немесе HCS күйінде болғанда кіріс импульстерін блоктайды немесе өткізіп жіберуі мүмкін.Нәтижесінде RRAM тізбектегі қосылымдарды тиімді анықтайды.Бұл архитектураны қайта конфигурациялау мүмкіндігінің негізі.Мұны көрсету үшін 3b-суретте схема блогының құрастырылған схемасын іске асыруды сипаттаймыз.G0-ге сәйкес келетін RRAM HCS-ке бағдарламаланған, ал екінші RRAM G1 LCS-ге бағдарламаланған.Кіріс импульстері Vin0 және Vin1 екеуіне де қолданылады.Кіріс импульстерінің екі тізбегінің әсерлері осциллографтың көмегімен нейрондық мембрана кернеуі мен шығыс сигналын жинау арқылы шығыс нейрондарда талданды.Тек HCS құрылғысы (G0) мембрана кернеуін ынталандыру үшін нейронның импульсіне қосылған кезде тәжірибе сәтті болды.Бұл 3d-суретте көрсетілген, мұнда көк импульс тізбегі мембраналық конденсаторда мембраналық кернеудің пайда болуына әкеледі, ал жасыл импульс тізбегі мембрана кернеуін тұрақты түрде сақтайды.
RRAM-тың екінші маңызды қызметі қосылымдық салмақтарды жүзеге асыру болып табылады.RRAM аналогтық өткізгіштігін реттеу арқылы енгізу/шығару қосылымдарын сәйкесінше өлшеуге болады.Екінші тәжірибеде G0 құрылғысы HCS әртүрлі деңгейлеріне бағдарламаланды, ал кіріс импульсі VIn0 кірісіне қолданылды.Кіріс импульсі құрылғыдан ток (Iweight) алады, ол өткізгіштікке және сәйкес потенциал төмендеуіне пропорционал Vtop − Vbot.Содан кейін бұл салмақты ток DPI синапстарына және LIF шығыс нейрондарына енгізіледі.Шығу нейрондарының мембраналық кернеуі осциллографтың көмегімен жазылып, 3d-суретте көрсетілген.Бір кіріс импульсіне жауап ретінде нейрондық мембрананың кернеу шыңы резистивті жадының өткізгіштігіне пропорционалды, бұл RRAM-ды синаптикалық салмақтың бағдарламаланатын элементі ретінде пайдалануға болатындығын көрсетеді.Бұл екі алдын ала сынақ ұсынылған RRAM негізіндегі нейроморфтық платформа негізгі Джеффресс механизмінің негізгі элементтерін, атап айтқанда кідіріс сызығын және сәйкестік детекторының схемасын жүзеге асыруға қабілетті екенін көрсетеді.Схема платформасы 3б-суреттегі блоктар сияқты дәйекті блоктарды қатар қою және олардың қақпаларын жалпы кіріс желісіне қосу арқылы құрастырылады.Біз екі кірісті қабылдайтын екі шығыс нейроннан тұратын нейроморфтық платформаны әзірледік, дайындадық және сынадық (Cурет 4a).Электр тізбегі 4б-суретте көрсетілген.Жоғарғы 2 × 2 RRAM матрицасы кіріс импульстерін екі шығыс нейронға бағыттауға мүмкіндік береді, ал төменгі 2 × 2 матрица екі нейронның (N0, N1) қайталанатын байланыстарына мүмкіндік береді.Біз бұл платформаны кідіріс сызығының конфигурациясымен және екі түрлі сәйкестік детекторының функцияларымен пайдалануға болатынын көрсетеміз, бұл 4c-e суретіндегі эксперименттік өлшемдермен көрсетілген.
0 және 1 екі кірісті қабылдайтын N0 және N1 екі шығыс нейрондары арқылы құрылған тізбек диаграммасы. Массивтің жоғарғы төрт құрылғысы кірістен шығысқа дейінгі синаптикалық байланыстарды, ал төменгі төрт ұяшық нейрондар арасындағы қайталанатын байланыстарды анықтайды.Түсті RRAM оң жақта HCS жүйесінде конфигурацияланған құрылғыларды білдіреді: HCS құрылғыларындағы құрылғылар қосылымдарға мүмкіндік береді және салмақтарды көрсетеді, ал LCS құрылғыларындағы құрылғылар кіріс импульстарын блоктайды және шығыстарға қосылымдарды өшіреді.b Көк түспен белгіленген сегіз RRAM модулі бар (a) сұлбасының диаграммасы.c Кешіктіру сызықтары DPI синапстары мен LIF нейрондарының динамикасын пайдалану арқылы жасалады.Жасыл RRAM Δt кіріс кідірісінен кейін шығыста ақау тудыруы үшін жеткілікті жоғары өткізгіштікке орнатылған.d Уақытқа тәуелді сигналдарды бағытқа сезімтал емес CD анықтауының схемалық суреті.Шығу нейроны 1, N1, қысқа кідіріспен 0 және 1 кірістерінде өртенеді.e Бағытқа сезімтал CD тізбегі, 1 кіріс 0 кірісіне жақындаған кезде анықтайтын және 0 кірісінен кейін келетін тізбек. Схема шығысы 1 нейронмен (N1) көрсетілген.
Кідіріс сызығы (4c-сурет) Tdel-ді кешіктіру арқылы Vin1-ден Vout1-ге дейінгі кіріс шыңын жаңғырту үшін DPI синапстары мен LIF нейрондарының динамикалық әрекетін қолданады.HCS-те Vin1 және Vout1-ге қосылған G3 RRAM ғана бағдарламаланған, қалған RRAM-лар LCS-те бағдарламаланған.G3 құрылғысы әрбір кіріс импульсі шекті мәнге жету және кешіктірілген шығыс импульсін жасау үшін шығыс нейронының мембраналық кернеуін жеткілікті түрде арттыруын қамтамасыз ету үшін 92,6 мкс-қа бағдарламаланған.Tdel кідірісі синаптикалық және нейрондық уақыт тұрақтыларымен анықталады.Сәйкестік детекторлары уақытша корреляцияланған, бірақ кеңістікте бөлінген кіріс сигналдарының пайда болуын анықтайды.Бағыт-сезімсіз ықшам диск жалпы шығыс нейронына жинақталған жеке кірістерге сүйенеді (4d-сурет).Vin0 және Vin1-ді Vout1, G2 және G4-ке қосатын екі RRAM сәйкесінше жоғары өткізгіштікке бағдарламаланған.Vin0 және Vin1-де бір мезгілде спиктердің келуі N1 нейрондық мембрананың кернеуін шығыс тік генерациялау үшін қажетті шекті мәннен жоғары арттырады.Егер екі кіріс уақыт бойынша бір-бірінен тым алшақ болса, бірінші кірісте жинақталған мембрана кернеуіндегі заряд N1 мембраналық потенциалдың шекті мәнге жетуіне жол бермей, ыдырауға уақыты болуы мүмкін.G1 және G2 шамамен 65 мкс-ке бағдарламаланған, бұл бір кіріс кернеуі мембрана кернеуін шығыс кернеуін тудыратындай арттырмайтынын қамтамасыз етеді.Кеңістік пен уақытқа бөлінген оқиғалар арасындағы сәйкестікті анықтау оптикалық ағынға негізделген кедергілерді болдырмау және дыбыс көзін локализациялау сияқты кең ауқымды сезу тапсырмаларында қолданылатын іргелі операция болып табылады.Осылайша, бағытқа сезімтал және сезімтал ықшам дискілерді есептеу визуалды және дыбыстық локализация жүйелерін құру үшін негізгі құрылымдық блок болып табылады.Уақыт константаларының сипаттамалары (Қосымша 2-суретті қараңыз) көрсетілгендей, ұсынылған схема уақыт шкаласының төрт реттік сәйкес диапазонын жүзеге асырады.Осылайша, ол бір уақытта визуалды және дыбыстық жүйелердің талаптарына жауап бере алады.Бағыт-сезімтал CD – импульстердің келуінің кеңістіктік тәртібіне сезімтал тізбек: оңнан солға және керісінше.Бұл Drosophila визуалды жүйесінің негізгі қозғалысты анықтау желісіндегі негізгі құрылыс блогы, қозғалыс бағыттарын есептеу және соқтығыстарды анықтау үшін қолданылады62.Бағыт-сезімтал CD-ге қол жеткізу үшін екі кіріс екі түрлі нейронға (N0, N1) бағытталуы керек және олардың арасында бағытталған байланыс орнатылуы керек (4е-сурет).Бірінші кіріс қабылданған кезде, NO оның мембранасындағы кернеуді шекті мәннен жоғарылатып, кернеуді жіберу арқылы әрекет етеді.Бұл шығыс оқиғасы, өз кезегінде, жасыл түспен белгіленген бағыттаушы қосылымның арқасында N1 іске қосылады.Егер Vin1 кіріс оқиғасы келіп N1-ге оның мембранасының кернеуі әлі жоғары болған кезде қуат берсе, N1 екі кіріс арасында сәйкестік табылғанын көрсететін шығыс оқиғасын жасайды.Бағытталған қосылымдар 1 кіріс 0 кірісінен кейін келген жағдайда ғана N1 шығысын шығаруға мүмкіндік береді. G0, G3 және G7 тиісінше 73,5 μS, 67,3 μS және 40,2 μS болып бағдарламаланған, бұл Vin0 кірісіндегі бір тітіркену кешігуді тудыратынын қамтамасыз етеді. N1 мембраналық потенциалы тек екі кіріс теспелері синхрондалған кезде ғана шекті мәнге жетеді..
Өзгергіштік модельденген нейроморфтық жүйелердегі жетілмегендік көзі болып табылады63,64,65.Бұл нейрондар мен синапстардың гетерогенді мінез-құлқына әкеледі.Мұндай кемшіліктердің мысалдары кіріс күшінің 30% (орташа стандартты ауытқу) өзгермелілігін, уақыт тұрақтысын және отқа төзімді кезеңді, бірақ бірнешеуін атауға болады (Әдістерді қараңыз).Бұл мәселе екі нейроннан тұратын бағдарға сезімтал CD сияқты бірнеше нейрондық тізбектер бір-біріне қосылғанда одан да айқынырақ болады.Дұрыс жұмыс істеу үшін екі нейронның күшейту және ыдырау уақытының тұрақтылары мүмкіндігінше ұқсас болуы керек.Мысалы, кіріс кірісіндегі үлкен айырмашылық бір нейронның кіріс импульсіне шамадан тыс әсер етуі мүмкін, ал басқа нейрон әрең жауап береді.Суретте.5а суретте кездейсоқ таңдалған нейрондар бір кіріс импульсіне әртүрлі жауап беретінін көрсетеді.Бұл нейрондық өзгергіштік, мысалы, бағытқа сезімтал ықшам дискілердің функциясына қатысты.Суретте көрсетілген схемада.5b, c, 1 нейронның кіріс күшеюі 0 нейронына қарағанда әлдеқайда жоғары. Осылайша, 0 нейронына шекті мәнге жету үшін үш кіріс импульсі (1 орнына) қажет, ал 1 нейрон, күткендей, екі кіріс оқиғасын қажет етеді.Уақытқа тәуелді биомиметикалық пластиканы (STDP) енгізу нақты емес және баяу нейрондық және синаптикалық тізбектердің жүйе өнімділігіне әсерін азайтудың мүмкін жолы болып табылады43.Мұнда біз нейроморфтық тізбектердегі өзгергіштік әсерін азайту және нейрондық кірісті күшейтуге әсер ету құралы ретінде резистивті жадының пластикалық әрекетін пайдалануды ұсынамыз.Суретте көрсетілгендей.4e, RRAM синаптикалық массасына байланысты өткізгіштік деңгейлері сәйкес нейрондық мембрананың кернеу реакциясын тиімді модуляциялады.Біз итеративті RRAM бағдарламалау стратегиясын қолданамыз.Берілген кіріс үшін синаптикалық салмақтардың өткізгіштік мәндері тізбектің мақсатты әрекеті алынғанша қайта бағдарламаланады (Әдістерді қараңыз).
a Бірдей кіріс импульсіне кездейсоқ таңдалған тоғыз жеке нейронның жауабының эксперименттік өлшемдері.Жауап популяциялар бойынша өзгереді, кіріс кірісіне және уақыт тұрақтысына әсер етеді.b Бағыт-сезімтал CD-ге әсер ететін нейрондардың өзгергіштігіне нейрондардың әсерін эксперименттік өлшеу.Екі бағытқа сезімтал CD шығыс нейрондары нейроннан нейронға өзгергіштікке байланысты кіріс тітіркендіргіштеріне әртүрлі жауап береді.Нейрон 0-де 1-нейронға қарағанда кіріс күшейту коэффициенті төмен, сондықтан шығыс шыңын жасау үшін үш кіріс импульсі (1 орнына) қажет.Күтілгендей, 1-нейрон екі кіріс оқиғасы бар шекке жетеді.Егер 1 кірісі нейрон 0 жанғаннан кейін Δt = 50 мкс келсе, CD үнсіз қалады, себебі Δt 1 нейронның уақыт тұрақтысынан үлкен (шамамен 22 мкс).c Δt = 20 мкс азаяды, осылайша 1-нейронның жануы әлі жоғары болған кезде кіріс 1 шыңына жетеді, нәтижесінде екі кіріс оқиғасы бір уақытта анықталады.
ITD есептеу бағанында пайдаланылатын екі элемент - кешіктіру сызығы және бағытты сезбейтін CD.Екі схема да объектіні орналастырудың жақсы өнімділігін қамтамасыз ету үшін дәл калибрлеуді қажет етеді.Кідіріс сызығы кіріс шыңының дәл кейінге қалдырылған нұсқасын беруі керек (6а-сурет), ал ықшам диск тек кіріс мақсатты анықтау ауқымына түскенде ғана іске қосылуы керек.Кідіріс сызығы үшін кіріс қосылымдарының синаптикалық салмақтары (4а-суреттегі G3) мақсатты кідіріс алынғанша қайта бағдарламаланды.Бағдарламаны тоқтату үшін мақсатты кідіріс айналасында төзімділікті орнатыңыз: төзімділік неғұрлым аз болса, кідіріс сызығын сәтті орнату қиынырақ болады.Суретте.6б-суретте кешіктіру сызығын калибрлеу процесінің нәтижелері көрсетілген: ұсынылған схема жобалық схемада талап етілетін барлық кідірістерді (10-нан 300 мкс-ке дейін) дәл қамтамасыз ете алатынын көруге болады.Калибрлеу итерацияларының ең көп саны калибрлеу процесінің сапасына әсер етеді: 200 итерация қатені 5%-дан азға дейін төмендетуі мүмкін.Бір калибрлеу итерациясы RRAM ұяшығының орнату/қайта орнату әрекетіне сәйкес келеді.Баптау процесі CD модулінің лезде жақын оқиғаларды анықтау дәлдігін жақсарту үшін де маңызды.95%-дан жоғары шынайы оң жылдамдыққа (яғни, сәйкес деп дұрыс анықталған оқиғалардың жылдамдығы) қол жеткізу үшін он калибрлеу итерациясы қажет болды (6c суретіндегі көк сызық).Дегенмен, баптау процесі жалған позитивті оқиғаларға әсер етпеді (яғни, сәйкес деп қате анықталған оқиғалардың жиілігі).Биологиялық жүйелерде жылдам белсендірілетін жолдардың уақыт шектеулерін жеңу үшін байқалатын тағы бір әдіс артықшылық болып табылады (яғни берілген функцияны орындау үшін бір объектінің көптеген көшірмелері қолданылады).Биологиядан шабыттана отырып66, біз жалған позитивтердің әсерін азайту үшін әрбір CD модуліне екі кешіктіру сызығының арасына бірнеше CD схемаларын орналастырдық.Суретте көрсетілгендей.6c (жасыл жол), әрбір CD модуліне үш CD элементін орналастыру жалған дабыл жылдамдығын 10–2-ден төменге дейін төмендетуі мүмкін.
a Нейрондық өзгергіштіктің кідіріс желісінің тізбектеріне әсері.b Сәйкес LIF нейрондарының және DPI синапстарының уақыт константаларын үлкен мәндерге орнату арқылы кідірту желісінің тізбектерін үлкен кідірістерге дейін масштабтауға болады.RRAM калибрлеу процедурасының итерацияларының санын ұлғайту мақсатты кідірістің дәлдігін айтарлықтай жақсартуға мүмкіндік берді: 200 итерация қатені 5% -дан азға дейін төмендетті.Бір итерация RRAM ұяшығындағы SET/RESET операциясына сәйкес келеді.c Jeffress үлгісіндегі әрбір CD модулін жүйе ақауларына қатысты икемділік үшін N параллель CD элементтерін пайдалану арқылы іске асыруға болады.d RRAM калибрлеуінің көбірек итерациялары шынайы оң жылдамдықты (көк сызық) арттырады, ал жалған оң жылдамдық итерациялар санына тәуелсіз (жасыл сызық).Қосымша CD элементтерін параллель орналастыру CD модулінің сәйкестіктерін қате анықтауды болдырмайды.
Енді біз нейроморфтық есептеу графигін құрайтын pMUT сенсорының, CD және кідіріс сызығының тізбектерінің акустикалық қасиеттерін өлшеу арқылы 2-суретте көрсетілген нысанды локализацияның түпкілікті интегралды жүйесінің өнімділігі мен қуат тұтынуын бағалаймыз.Джеффресс үлгісі (1а-сурет).Нейроморфтық есептеу графигі туралы айтатын болсақ, CD модульдерінің саны неғұрлым көп болса, соғұрлым бұрыштық ажыратымдылық жақсырақ, сонымен бірге жүйенің энергиясы да жоғары болады (7а-сурет).Жеке құрамдас бөліктердің (pMUT сенсорлары, нейрондар және синаптикалық тізбектер) дәлдігін бүкіл жүйенің дәлдігімен салыстыру арқылы ымыраға қол жеткізуге болады.Кешігу сызығының рұқсаты симуляцияланған синапстар мен нейрондардың уақыт константаларымен шектеледі, олар біздің схемамызда 10 мкс-тен асады, бұл 4° бұрыштық рұқсатқа сәйкес келеді (Әдістерді қараңыз).CMOS технологиясы бар неғұрлым жетілдірілген түйіндер аз уақыт тұрақтылары бар нейрондық және синаптикалық тізбектерді жобалауға мүмкіндік береді, нәтижесінде кешіктіру сызығының элементтерінің дәлдігі жоғары болады.Дегенмен, біздің жүйеде дәлдік бұрыштық орынды бағалаудағы pMUT қателігімен шектеледі, яғни 10° (7а-суреттегі көк көлденең сызық).Біз CD модульдерінің санын 40-қа бекіттік, бұл шамамен 4° бұрыштық рұқсатқа, яғни есептеу графигінің бұрыштық дәлдігіне сәйкес келеді (7а-суретте ашық көк көлденең сызық).Жүйе деңгейінде бұл сенсорлық жүйенің алдында 50 см қашықтықта орналасқан нысандар үшін 4° рұқсат және 10° дәлдік береді.Бұл мән сілтемеде баяндалған нейроморфтық дыбысты локализациялау жүйелерімен салыстырылады.67. Ұсынылған жүйенің техниканың жағдайымен салыстыруын Қосымша 1 кестеден табуға болады. Қосымша pMUT қосу, дыбыстық сигнал деңгейін арттыру және электронды шуды азайту локализация дәлдігін одан әрі жақсартудың мүмкін әдістері болып табылады.) 9,7 деп бағаланады.nz.55. Есептеу графигінде 40 CD бірлігін ескере отырып, SPICE симуляциясы бір операциядағы энергияны (яғни, объектіні орналастыру энергиясы) 21,6 нДж деп бағалады.Нейроморфтық жүйе кіріс оқиғасы келгенде ғана белсендіріледі, яғни акустикалық толқын кез келген pMUT қабылдағышына жеткенде және анықтау шегінен асқанда, әйтпесе ол белсенді емес болып қалады.Бұл кіріс сигналы болмаған кезде қажетсіз қуат тұтынуды болдырмайды.100 Гц локализация операцияларының жиілігін және бір операцияға 300 мкс белсендіру кезеңін (ең жоғары ықтимал ITD) ескере отырып, нейроморфтық есептеу графигінің қуат тұтынуы 61,7 нВт құрайды.Әрбір pMUT қабылдағышына қолданылатын нейроморфтық алдын ала өңдеу кезінде бүкіл жүйенің қуат тұтынуы 81,6 нВт-қа жетеді.Кәдімгі аппараттық құралдармен салыстырғанда ұсынылған нейроморфтық тәсілдің энергия тиімділігін түсіну үшін біз бұл санды нейроморфтық немесе кәдімгі сәуле қалыптастыру шеберлігі арқылы заманауи төмен қуатты микроконтроллерде бірдей тапсырманы орындауға қажетті энергиямен салыстырдық.Нейроморфтық тәсіл аналогты-цифрлық түрлендіргіш (ADC) кезеңін, одан кейін жолақты өткізу сүзгісін және конвертті экстракциялау сатысын (Тигер-Кайзер әдісі) қарастырады.Соңында, ToF шығару үшін шекті операция орындалады.Біз ToF негізіндегі ITD есебін және болжалды бұрыштық позицияға түрлендіруді өткізіп тастадық, өйткені бұл әрбір өлшеу үшін бір рет орын алады (Әдістерді қараңыз).Екі арнада (pMUT қабылдағыштары) 250 кГц сынама алу жылдамдығын, 18 жолақты сүзгі операциясын, 3 конвертті алу операциясын және бір үлгідегі 1 шекті операцияны болжасақ, жалпы қуат тұтынуы 245 микроваттқа бағаланады.Бұл микроконтроллердің төмен қуат режимін69 пайдаланады, ол алгоритмдер орындалмаған кезде қосылып, қуат тұтынуды 10,8 мкВт дейін азайтады.Анықтамада ұсынылған сәулелік сигналды өңдеу шешімін тұтынатын қуат.31, 5 pMUT қабылдағыштары және азимуттық жазықтықта біркелкі бөлінген 11 сәулесі [-50°, +50°], 11,71 мВт құрайды (толығырақ ақпаратты Әдістер бөлімінен қараңыз).Бұған қоса, біз нысанды локализациялау үшін Jeffress үлгісін ауыстыру ретінде 1,5 мВт-қа бағаланған FPGA47 негізіндегі уақыт айырмашылығын кодтаушының (TDE) қуат тұтынуын хабарлаймыз.Осы бағалауларға сүйене отырып, ұсынылған нейроморфтық тәсіл объектіні локализациялау операциялары үшін классикалық сәулені қалыптастыру әдістерін қолданатын микроконтроллермен салыстырғанда қуат тұтынуды бес ретке азайтады.Классикалық микроконтроллерде сигналды өңдеуге нейроморфтық тәсілді қабылдау қуат тұтынуды шамамен екі ретке азайтады.Ұсынылған жүйенің тиімділігін жадтағы есептеулерді орындауға қабілетті асинхронды резистивті-жад аналогтық схемасының комбинациясы және сигналдарды қабылдау үшін қажетті аналогты-сандық түрлендірудің болмауымен түсіндіруге болады.
a CD модульдерінің санына байланысты оқшаулау әрекетінің бұрыштық ажыратымдылығы (көк) және қуат тұтынуы (жасыл).Қою көк көлденең жолақ PMUT бұрыштық дәлдігін және ашық көк көлденең жолақ нейроморфтық есептеу графигінің бұрыштық дәлдігін білдіреді.b Ұсынылған жүйенің қуат тұтынуы және талқыланған екі микроконтроллерді іске асырумен және Уақыт айырмашылығын кодтаушы (TDE)47 FPGA сандық енгізуімен салыстыру.
Мақсатты локализация жүйесінің қуат тұтынуын азайту үшін біз мақсатты нысанның нақты орнын есептеу үшін кірістірілген сенсорлар арқылы жасалған сигналдық ақпаратты өңдейтін тиімді, оқиғаға негізделген RRAM негізіндегі нейроморфтық схеманы ойластырдық, жобаладық және енгіздік. уақыт..Дәстүрлі өңдеу әдістері тұрақты түрде анықталған сигналдарды іріктеу және пайдалы ақпаратты алу үшін есептеулерді орындау кезінде, ұсынылған нейроморфтық шешім пайдалы ақпарат келген сайын есептеулерді асинхронды түрде орындап, жүйенің қуат тиімділігін магнитуданың бес ретіне дейін арттырады.Сонымен қатар, біз RRAM негізіндегі нейроморфтық тізбектердің икемділігін атап өтеміз.RRAM өткізгіштігін ұшпа емес түрде өзгерту қабілеті (пластика) өте төмен қуатты аналогтық DPI синаптикалық және нейрондық тізбектерінің тән өзгермелілігін өтейді.Бұл RRAM негізіндегі схеманы жан-жақты және қуатты етеді.Біздің мақсатымыз сигналдардан күрделі функцияларды немесе үлгілерді шығару емес, нақты уақытта объектілерді локализациялау.Сондай-ақ, біздің жүйе сигналды тиімді түрде қысып, қажет болғанда күрделі шешімдер қабылдау үшін оны одан әрі өңдеу қадамдарына жібере алады.Локализация қолданбаларының контекстінде біздің нейроморфтық алдын ала өңдеу қадамымыз нысандардың орналасуы туралы ақпаратты бере алады.Бұл ақпаратты, мысалы, қозғалысты анықтау немесе қимылды тану үшін пайдалануға болады.Біз pMUT сияқты өте төмен қуат сенсорларын ультра төмен қуатты электроникамен біріктірудің маңыздылығын атап өтеміз.Бұл үшін нейроморфтық тәсілдер маңызды болды, өйткені олар бізді Джеффресс моделі сияқты биологиялық шабыттандырылған есептеу әдістерінің жаңа схемаларын әзірлеуге әкелді.Сенсорды біріктіру қолданбалары контекстінде дәлірек ақпарат алу үшін біздің жүйеміз оқиғаға негізделген бірнеше түрлі сенсорлармен біріктірілуі мүмкін.Үкілер қараңғыда олжа табуда өте жақсы болғанымен, олардың көру қабілеті өте жақсы және олжаны ұстамас бұрын бірге есту және көру арқылы іздеу жасайды70.Белгілі бір есту нейроны жанған кезде, үкі өзінің визуалды іздеуін қай бағытта бастау керектігін анықтау үшін қажетті ақпаратты алады, осылайша оның назарын визуалды көріністің кішкене бөлігіне аударады.Болашақ автономды агенттерді дамыту үшін көрнекі сенсорлардың (DVS камерасы) және ұсынылған тыңдау сенсорының (pMUT негізінде) комбинациясы зерттелуі керек.
pMUT сенсоры бір-бірінен шамамен 10 см қашықтықта орналасқан екі қабылдағыш бар ПХД-да орналасқан, ал таратқыш қабылдағыштар арасында орналасқан.Бұл жұмыста әрбір мембрана қалыңдығы 200 нм молибденнің (Mo) үш қабатының арасына қыстырылған және қалыңдығы 200 нм қабатпен қапталған қалыңдығы 800 нм пьезоэлектрлік алюминий нитридінің (AlN) екі қабатынан тұратын аспалы биморфты құрылым болып табылады.сілтемеде сипатталғандай жоғарғы пассивтеуші SiN қабаты.71. Ішкі және сыртқы электродтар молибденнің төменгі және үстіңгі қабаттарына қолданылады, ал ортаңғы молибдендік электрод өрнексіз және жерлеу ретінде пайдаланылады, нәтижесінде төрт жұп электродтары бар мембрана пайда болады.
Бұл архитектура жалпы мембраналық деформацияны қолдануға мүмкіндік береді, нәтижесінде жіберу және қабылдау сезімталдығы жақсарады.Мұндай pMUT әдетте эмитент ретінде 700 нм/В қозу сезімталдығын көрсетеді, 270 Па/В беттік қысымды қамтамасыз етеді.Қабылдағыш ретінде бір pMUT пленкасы 15 нА/Па қысқа тұйықталу сезімталдығын көрсетеді, бұл AlN пьезоэлектрлік коэффициентіне тікелей байланысты.AlN қабатындағы кернеудің техникалық өзгермелілігі резонанстық жиіліктің өзгеруіне әкеледі, оны pMUT-ге тұрақты токтың ығысуын қолдану арқылы өтеуге болады.Тұрақты ток сезімталдығы 0,5 кГц/В-та өлшенді.Акустикалық сипаттама үшін pMUT алдында микрофон қолданылады.
Эхо импульсін өлшеу үшін біз шығарылған дыбыс толқындарын көрсету үшін pMUT алдына ауданы шамамен 50 см2 тік бұрышты пластинаны орналастырдық.Пластиналар арасындағы қашықтық пен pMUT жазықтығына қатысты бұрыш арнайы ұстағыштардың көмегімен басқарылады.Tectronix CPX400DP кернеу көзі резонанстық жиілікті 111,9 кГц31 дейін реттей отырып, үш pMUT мембранасын бұрады, ал таратқыштар резонанстық жиілікке (111,9 кГц) реттелген Tectronix AFG 3102 импульстік генераторымен және 0,01 жұмыс циклімен басқарылады.Әрбір pMUT қабылдағышының төрт шығыс портынан оқылатын токтар арнайы дифференциалды ток пен кернеу архитектурасын пайдаланып кернеулерге түрлендіріледі, ал алынған сигналдар Spektrum деректер жинау жүйесі арқылы цифрланады.Анықтау шегі әртүрлі жағдайларда pMUT сигналын алумен сипатталды: біз рефлекторды әртүрлі қашықтыққа жылжыттық [30, 40, 50, 60, 80, 100] см және pMUT тіреу бұрышын өзгерттік ([0, 20, 40] o ) 2b-суретте градустағы сәйкес бұрыштық позицияға байланысты уақытша ITD анықтау ажыратымдылығы көрсетілген.
Бұл мақалада екі түрлі дайын RRAM схемалары пайдаланылады.Біріншісі - бір транзисторы және бір резисторы бар 1T1R конфигурациясындағы 16 384 (16 000) құрылғының (128 × 128 құрылғы) массиві.Екінші чип 4а-суретте көрсетілген нейроморфтық платформа болып табылады.RRAM ұяшығы TiN/HfO2/Ti/TiN стекке ендірілген қалыңдығы 5 нм HfO2 пленкасынан тұрады.RRAM стек стандартты 130 нм CMOS процесінің артқы желіге (BEOL) біріктірілген.RRAM негізіндегі нейроморфтық схемалар RRAM құрылғылары дәстүрлі CMOS технологиясымен қатар өмір сүретін барлық аналогты электрондық жүйелер үшін дизайн мәселесін тудырады.Атап айтқанда, RRAM құрылғысының өткізгіштік күйін оқу және жүйе үшін функция айнымалысы ретінде пайдалану керек.Осы мақсатта кіріс импульсі қабылданған кезде құрылғыдан токты оқитын және дифференциалды жұп интеграторының (DPI) синапсының жауабын салмақтау үшін осы токты пайдаланатын схема әзірленді, жасалды және сынақтан өтті.Бұл схема 4а суретіндегі нейроморфтық платформаның негізгі құрылыс блоктарын бейнелейтін 3а-суретте көрсетілген.Кіріс импульсі 1T1R құрылғысының қақпасын белсендіреді, құрылғының G өткізгіштігіне пропорционал RRAM арқылы ток индукциялайды (Iweight = G(Vtop – Vx)).Операциялық күшейткіштің (op-amp) тізбегінің инвертивті кірісінде тұрақты тұрақты ток кернеуі Vtop болады.Оп-ампердің теріс кері байланысы M1-ден бірдей токты қамтамасыз ету арқылы Vx = Vtop береді.Құрылғыдан алынған ағымдағы I салмақ DPI синапсына енгізіледі.Күшті ток көбірек деполяризацияға әкеледі, сондықтан RRAM өткізгіштігі синаптикалық салмақтарды тиімді жүзеге асырады.Бұл экспоненциалды синаптикалық ток кернеу ретінде біріктірілген Leaky Integration and Excitation (LIF) нейрондарының мембраналық конденсаторы арқылы енгізіледі.Егер мембрананың шекті кернеуі (инвертордың ауысу кернеуі) еңсерілсе, нейронның шығыс бөлігі белсендіріліп, шығыс серпінін тудырады.Бұл импульс нейронның мембраналық конденсаторын жерге қайтарады және шунттайды, бұл оның зарядсыздануына әкеледі.Содан кейін бұл схема импульстік кеңейткішпен (3а-суретте көрсетілмеген) толықтырылады, ол LIF нейронының шығыс импульсін мақсатты импульс еніне дейін қалыптастырады.RRAM құрылғысының жоғарғы және төменгі электродтарына кернеуді қолдануға мүмкіндік беретін мультиплексорлар әрбір желіге салынған.
Электрлік тестілеу аналогтық тізбектердің динамикалық тәртібін талдауды және жазуды, сонымен қатар RRAM құрылғыларын бағдарламалауды және оқуды қамтиды.Екі қадам да арнайы құралдарды қажет етеді, олардың барлығы бір уақытта сенсорлық тақтаға қосылады.Нейроморфты тізбектердегі RRAM құрылғыларына кіру мультиплексор (MUX) арқылы сыртқы құралдардан жүзеге асырылады.MUX құрылғыны оқуға және/немесе бағдарламалауға мүмкіндік беретін 1T1R ұяшығын ол жататын схеманың қалған бөлігінен бөледі.RRAM құрылғыларын бағдарламалау және оқу үшін Keithley 4200 SCS машинасы Arduino микроконтроллерімен бірге қолданылады: біріншісі импульстарды дәл генерациялау және ағымдағы оқу үшін, екіншісі жад массивіндегі жеке 1T1R элементтеріне жылдам қол жеткізу үшін.Бірінші операция RRAM құрылғысын қалыптастыру болып табылады.Ұяшықтар бір-бірден таңдалады және жоғарғы және төменгі электродтар арасында оң кернеу қолданылады.Бұл жағдайда селекторлық транзисторға сәйкес қақпа кернеуінің берілуіне байланысты ток ондаған микроампер тәртібімен шектеледі.Содан кейін RRAM ұяшығы төмен өткізгіштік күй (LCS) және жоғары өткізгіштік күй (HCS) арасында сәйкесінше RESET және SET операцияларын пайдалана алады.SET операциясы жоғарғы электродқа ұзақтығы 1 мкс және ең жоғары кернеуі 2,0-2,5 В болатын тікбұрышты кернеу импульсін, ал 0,9-1,3 В ең жоғары кернеуі бар ұқсас пішінді синхрондау импульсін қолдану арқылы жүзеге асырылады. селекторлық транзистордың қақпасы.Бұл мәндер RRAM өткізгіштігін 20-150 мкс аралықта модуляциялауға мүмкіндік береді.RESET үшін қақпа кернеуі 2,5-3,0 В диапазонында болған кезде ұяшықтың төменгі электродына (бит сызығы) ені 1 мкс, 3 В ең жоғары импульс беріледі. Аналогтық тізбектердің кірістері мен шығыстары динамикалық сигналдар болып табылады. .Енгізу үшін біз екі HP 8110 импульстік генераторын Tektronix AFG3011 сигнал генераторларымен араластырдық.Кіріс импульсінің ені 1 мкс және көтерілу/төмендеу жиегі 50 нс.Импульстің бұл түрі аналогтық ақауға негізделген тізбектердегі әдеттегі ақаулық болып саналады.Шығу сигналына келетін болсақ, шығыс сигнал Teledyne LeCroy 1 ГГц осциллографы арқылы жазылды.Осциллографтың алу жылдамдығы схема деректерін талдау мен алуда шектеуші фактор болып табылмайтыны дәлелденді.
Нейрондар мен синапстардың мінез-құлқын модельдеу үшін аналогтық электрониканың динамикасын пайдалану есептеу тиімділігін арттыру үшін талғампаз және тиімді шешім болып табылады.Бұл есептеуіш астарлы қабаттың кемшілігі ол схемадан схемаға қарай өзгереді.Біз нейрондар мен синаптикалық тізбектердің өзгергіштігін сандық түрде анықтадық (Қосымша 2a, b-сурет).Өзгергіштіктің барлық көріністерінің ішінде уақыт тұрақтыларымен және кіріс кірісімен байланыстылар жүйе деңгейінде ең үлкен әсер етеді.LIF нейронының және DPI синапсының уақыт константасы RC тізбегі арқылы анықталады, мұнда R мәні транзистордың қақпасына (нейрон үшін Vlk және синапс үшін Vtau) қолданылатын қиғаш кернеумен басқарылады, ағып кету жылдамдығы.Кіріс күшеюі кіріс импульсі арқылы ынталандырылған синаптикалық және нейрондық мембраналық конденсаторлар жеткен кернеудің шыңы ретінде анықталады.Кіріс кірісі кіріс тогын модуляциялайтын басқа ығысу транзисторымен басқарылады.Кейбір кіріс кірісі мен уақыт тұрақты статистикасын жинау үшін ST Microelectronics компаниясының 130 нм процесінде калибрленген Монте-Карло симуляциясы орындалды.Нәтижелер қосымша 2-суретте берілген, мұнда кіріс пайдасы мен уақыт тұрақтысы ағып кету жылдамдығын басқаратын ығысу кернеуінің функциясы ретінде сандық түрде анықталады.Жасыл маркерлер уақыт тұрақтысының орташа мәннен стандартты ауытқуын сандық түрде анықтайды.Нейрондар да, синаптикалық тізбектер де қосымша сызбада көрсетілгендей 10-5-10-2 с диапазонында уақыт тұрақтыларының кең ауқымын көрсете алды.Нейрондық және синапстың өзгергіштігінің кіріс күшейту (Қосымша 2e,d суреті) сәйкесінше шамамен 8% және 3% болды.Мұндай тапшылық әдебиетте жақсы құжатталған: LIF63 нейрондарының популяциялары арасындағы сәйкессіздікті бағалау үшін DYNAP чиптерінің массивінде әртүрлі өлшеулер жүргізілді.BrainScale аралас сигнал чипіндегі синапстар өлшенді және олардың сәйкессіздігі талданды және жүйе деңгейінің өзгергіштігінің әсерін азайту үшін калибрлеу процедурасы ұсынылды64.
Нейроморфтық тізбектердегі RRAM функциясы екі жақты: архитектураны анықтау (кірістерді шығыстарға бағыттау) және синаптикалық салмақтарды жүзеге асыру.Соңғы қасиет модельденетін нейроморфтық тізбектердің өзгергіштігі мәселесін шешу үшін пайдаланылуы мүмкін.Біз қарапайым калибрлеу процедурасын жасадық, ол талданатын схема белгілі талаптарға сай келгенше RRAM құрылғысын қайта бағдарламалауды қамтиды.Берілген кіріс үшін шығыс бақыланады және мақсатты әрекетке жеткенше RRAM қайта бағдарламаланады.Өтпелі өткізгіштік ауытқуларына әкелетін RRAM релаксация мәселесін шешу үшін бағдарламалау операциялары арасында 5 с күту уақыты енгізілді (Қосымша ақпарат).Синаптикалық салмақтар модельденетін нейроморфтық тізбектің талаптарына сәйкес реттеледі немесе калибрленеді.Калибрлеу процедурасы қосымша алгоритмдерде [1, 2] жинақталған, олар нейроморфтық платформалардың екі іргелі ерекшеліктеріне, кешіктіру сызықтарына және бағытқа сезімтал емес CD-ге бағытталған.Кешігу сызығы бар тізбек үшін мақсатты әрекет Δt кідірісі бар шығыс импульсін қамтамасыз ету болып табылады.Егер тізбектің нақты кідірісі мақсатты мәннен аз болса, G3 синаптикалық салмағын азайту керек (G3 қалпына келтіріліп, содан кейін Icc сәйкес келетін төменгі токқа орнатылуы керек).Керісінше, егер нақты кідіріс мақсатты мәннен үлкен болса, G3 өткізгіштігін арттыру керек (G3 алдымен қалпына келтіріліп, содан кейін жоғары Icc мәніне орнатылуы керек).Бұл процесс тізбек арқылы жасалған кідіріс мақсатты мәнге сәйкес келгенше және калибрлеу процесін тоқтату үшін төзімділік орнатылғанша қайталанады.Бағдарлауды сезбейтін ықшам дискілер үшін калибрлеу процесіне екі RRAM құрылғысы, G1 және G3 қатысады.Бұл схеманың екі кірісі бар, Vin0 және Vin1, кешіктірілген dt.Схема тек [0,dtCD] сәйкес диапазоннан төмен кідірістерге жауап беруі керек.Егер шығыс шыңы болмаса, бірақ кіріс шыңы жақын болса, нейронның шекті мәнге жетуіне көмектесу үшін екі RRAM құрылғысын да күшейту керек.Керісінше, егер тізбек dtCD мақсатты диапазонынан асатын кідіріске жауап берсе, өткізгіштікті азайту керек.Дұрыс әрекет алынғанша процесті қайталаңыз.Сәйкестік тогын реф.-дегі кірістірілген аналогтық схема арқылы модуляциялауға болады.72,73.Бұл кірістірілген схема арқылы жүйені калибрлеу немесе оны басқа қолданба үшін қайта пайдалану үшін мұндай процедураларды мерзімді түрде орындауға болады.
Біз стандартты 32-биттік микроконтроллерде68 нейроморфтық сигналды өңдеу тәсілінің қуат тұтынуын бағалаймыз.Бұл бағалауда біз бір pMUT таратқышы және екі pMUT қабылдағышы бар осы құжаттағыдай орнатумен жұмыс істеуді болжаймыз.Бұл әдіс жолақты сүзгіні пайдаланады, одан кейін конвертті алу қадамы (Тегер-Кайзер) және соңында ұшу уақытын шығару үшін сигналға шекті анықтау операциясы қолданылады.ITD есептеуі және оны анықтау бұрыштарына түрлендіру бағалауда өткізілмейді.Біз 18 өзгермелі нүкте операциясын қажет ететін 4-ші ретті шексіз импульстік жауап сүзгісі арқылы жолақты өту сүзгісін жүзеге асыруды қарастырамыз.Конвертті алу тағы үш өзгермелі нүкте операциясын пайдаланады, ал соңғы әрекет шекті орнату үшін пайдаланылады.Сигналды алдын ала өңдеу үшін барлығы 22 өзгермелі нүкте операциясы қажет.Таратылатын сигнал 111,9 кГц синустық толқын пішінінің қысқаша жарылуы, әрбір 10 мс сайын генерацияланады, нәтижесінде позициялау жұмыс жиілігі 100 Гц болады.Біз Nyquist талаптарына сәйкес 250 кГц іріктеу жиілігін және 1 метр диапазонды түсіру үшін әрбір өлшем үшін 6 мс терезені қолдандық.6 миллисекунд 1 метр қашықтықтағы нысанның ұшу уақыты екенін ескеріңіз.Бұл 0,5 MSPS кезінде A/D түрлендіру үшін 180 мкВт қуат тұтынуды қамтамасыз етеді.Сигналдарды алдын ала өңдеу 6,60 MIPS (секундына нұсқаулар), 0,75 мВт құрайды.Дегенмен, микроконтроллер алгоритм жұмыс істемей тұрғанда төмен қуат режиміне 69 ауысуы мүмкін.Бұл режим 10,8 мкВт статикалық қуат тұтынуды және 113 мкс ояту уақытын қамтамасыз етеді.84 МГц тактілік жиілігін ескере отырып, микроконтроллер нейроморфтық алгоритмнің барлық операцияларын 10 мс ішінде аяқтайды, ал алгоритм жұмыс циклін 6,3% есептейді, осылайша төмен қуат режимін пайдаланады.Нәтижесінде қуаттың шығыны 244,7 мкВт құрайды.ToF-тен ITD шығысын және анықтау бұрышына түрлендіруді өткізіп жіберетінімізді ескеріңіз, осылайша микроконтроллердің қуат тұтынуын төмендетеміз.Бұл ұсынылған жүйенің энергия тиімділігіне қосымша мән береді.Қосымша салыстыру шарты ретінде біз анықтамада ұсынылған классикалық сәулені қалыптастыру әдістерінің қуат тұтынуын бағалаймыз.1,8 В қоректену кернеуінде бірдей микроконтроллерге68 енгізілгенде 31,54.Сәулелену үшін деректерді алу үшін біркелкі бес pMUT мембранасы пайдаланылады.Өңдеудің өзіне келетін болсақ, қолданылатын сәулені қалыптастыру әдісі кешіктірілген жинақтау болып табылады.Ол жай ғана бір жолақ пен тірек жолақ арасындағы келу уақытының күтілетін айырмашылығына сәйкес келетін жолақтарға кідіртуді қолданудан тұрады.Егер сигналдар фазада болса, уақыт ауысымынан кейін осы сигналдардың қосындысы жоғары энергияға ие болады.Егер олар фазадан тыс болса, деструктивті кедергі олардың қосындысының энергиясын шектейді.қарым-қатынаста.Суретте.31, деректерді үлгілердің бүтін санына ауыстыру үшін 2 МГц таңдау жиілігі таңдалады.Неғұрлым қарапайым әдіс 250 кГц іріктеу жиілігін сақтау және бөлшек кідірістерді синтездеу үшін соңғы импульстік жауап (FIR) сүзгісін пайдалану болып табылады.Біз сәулені қалыптастыру алгоритмінің күрделілігі негізінен уақыт ығысуымен анықталады деп есептейміз, өйткені әр арна әр бағытта 16 крандары бар FIR сүзгісімен біріктірілген.Осы операцияға қажетті MIPS санын есептеу үшін біз 1 метр, 5 арна, 11 сәулелік бағытты (10° қадаммен +/- 50° диапазон) диапазонын түсіру үшін өлшеу үшін 6 мс терезені қарастырамыз.Секундына 75 өлшеу микроконтроллерді максимум 100 MIPS-ке дейін итермеледі.Сілтеме.68, нәтижесінде борттық ADC үлесін қосқаннан кейін жалпы қуат шығыны 11,71 мВт үшін 11,26 мВт қуат шығыны.
Осы зерттеудің нәтижелерін растайтын деректер негізді сұрау бойынша сәйкес автордан, FM-ден қол жетімді.
Indiveri, G. & Sandamirskaya, Y. Нейроморфтық агенттердегі сигналдарды өңдеу үшін кеңістік пен уақыттың маңыздылығы: Қоршаған ортамен әрекеттесетін төмен қуатты, автономды агенттерді әзірлеу мәселесі. Indiveri, G. & Sandamirskaya, Y. Нейроморфтық агенттердегі сигналдарды өңдеу үшін кеңістік пен уақыттың маңыздылығы: Қоршаған ортамен әрекеттесетін төмен қуатты, автономды агенттерді әзірлеу мәселесі.Индивери Г. және Сандамирская Ю. Нейроморфтық агенттердегі сигналды өңдеу үшін кеңістік пен уақыттың маңыздылығы: қоршаған ортамен әрекеттесетін төмен қуатты автономды агенттерді дамыту мәселесі. Индивери, Г. және Сандамирская, Ю. 空间和时间对于神经形态代理中信号处理的重要性：开发与玤与与玤亗主代理的挑战。 Индивери, Г. және Сандамирская, Ю.Индивери Г. және Сандамирская Ю. Нейроморфтық агенттердегі сигналды өңдеу үшін кеңістік пен уақыттың маңыздылығы: қоршаған ортамен әрекеттесетін төмен қуатты автономды агенттерді дамыту мәселесі.IEEE сигналдарын өңдеу.Журнал 36, 16–28 (2019).
Торп, СДЖ шыңына жету уақыты: тиімді нейрондық желіні кодтау схемасы. Eckmiller, R., Hartmann, G. & Hauske, G. (eds). Eckmiller, R., Hartmann, G. & Hauske, G. (eds).Экмиллерде, Р., Хартман, Г. және Хауске, Г. (ред.).Экмиллерде, Р., Хартман, Г. және Хауске, Г. (ред.).Нейрондық жүйелерде және компьютерлерде параллельді өңдеу 91–94 (Солтүстік Голландия Elsevier, 1990).
Levy, WB & Calvert, VG Communication адам кортексіндегі есептеуге қарағанда 35 есе көп энергияны тұтынады, бірақ синапс санын болжау үшін екі шығын да қажет. Levy, WB & Calvert, VG Communication адам кортексіндегі есептеуге қарағанда 35 есе көп энергияны тұтынады, бірақ синапс санын болжау үшін екі шығын да қажет.Levy, WB және Calvert, WG Communication адам кортексіндегі есептеуге қарағанда 35 есе көп энергияны тұтынады, бірақ синапстардың санын болжау үшін екі шығын да қажет. Levy, WB & Calvert, VG Communication Levy, WB & Calvert, VG CommunicationLevy, WB және Calvert, WG Communication адам кортексіндегі есептеуге қарағанда 35 есе көп энергияны тұтынады, бірақ екі шығын да синапстардың санын болжауды қажет етеді.процесс.Ұлттық ғылым академиясы.ғылым.АҚШ 118, https://doi.org/10.1073/pnas.2008173118 (2021).
Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Insect-шабытталған нейроморфтық есептеулер. Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Insect-шабытталған нейроморфтық есептеулер.Далгати, Т., Вианелло, Э., ДеСалво, Б. және Касас, Дж. Жәндіктерден туындаған нейроморфтық есептеулер.Далгати Т., Вианелло Э., ДеСалво Б. және Касас Дж. Жәндіктерден туындаған нейроморфтық есептеулер.Ағымдағы.Пікір.Жәндіктер туралы ғылым.30, 59–66 (2018 ж.).
Roy, K., Jaiswal, A. & Panda, P. Neuromorphic computing бар шип негізіндегі машиналық интеллектке. Roy, K., Jaiswal, A. & Panda, P. Neuromorphic computing бар шип негізіндегі машиналық интеллектке. Roy, K., Jaiswal, A. & Panda, P. Neuromorphic Computing көмегімен Spike негізіндегі машиналық интеллект.Рой К, Джайсвал А және Панда П. Нейроморфтық есептеулерді пайдалана отырып, импульстік негізделген жасанды интеллект.Табиғат 575, 607–617 (2019).
Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Индивери, Г. және Лю, С.-К. Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Индивери, Г. және Лю, С.-К.Нейроморфтық жүйелердегі есте сақтау және ақпаратты өңдеу.процесс.IEEE 103, 1379–1397 (2015).
Акопян Ф. және т.б.Truenorth: 65 мВт 1 миллион нейрондық бағдарламаланатын синаптикалық чипке арналған дизайн және құралдар жинағы.IEEE транзакциялары.Интегралдық микросхемалар жүйесін компьютерлік жобалау.34, 1537–1557 (2015).
Schemmel, J. et al.Тікелей демо: пластина масштабындағы BrainScaleS нейроморфтық жүйесінің кішірейтілген нұсқасы.2012 IEEE International Symposium on Circuits and Systems (ISCAS), (IEEE басылымы) 702–702 (2012).
Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. Динамикалық нейроморфты асинхронды процессорлар (DYNAPs) үшін гетерогенді жады құрылымдары бар ауқымды көп ядролы архитектура. Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. Динамикалық нейроморфты асинхронды процессорлар (DYNAPs) үшін гетерогенді жады құрылымдары бар ауқымды көп ядролы архитектура.Моради С., Циао Н., Стефанини Ф. және Индивири Г. Динамикалық нейроморфты асинхронды процессорлар (DYNAP) үшін гетерогенді жады құрылымдары бар ауқымды көп ядролы архитектура. Моради, С.、Цяо, Н.、Стефанини, Ф. және Индивери, Г. 一种可扩展的多核架构，具有用于动态神经彂动态神经彂动态NAD开开开开异构内存结构。 Моради, С., Qiao, N., Stefanini, F. & Indiveri, G. Динамикалық нейрондық өңдеу (DYNAP) үшін бірегей жады құрылымы бар кеңейтілетін көп ядролы архитектураның бір түрі.Моради С., Циао Н., Стефанини Ф. және Индивири Г. Динамикалық нейроморфты асинхронды процессорлар (DYNAP) үшін гетерогенді жады құрылымдары бар ауқымды көп ядролы архитектура.Биомедициналық ғылым бойынша IEEE транзакциялары.электр жүйесі.12, 106–122 (2018 ж.).
Davis, M. et al.Лоихи: ендірілген оқытуы бар нейроморфты көп ядролы процессор.IEEE Micro 38, 82–99 (2018).
Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker жобасы. Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker жобасы.Ferber SB, Galluppi F., Temple S. және Plana LA SpiNNaker жобасы.Ferber SB, Galluppi F., Temple S. және Plana LA SpiNNaker жобасы.процесс.IEEE 102, 652–665 (2014).
Лю, С.-К. & Delbruck, T. Нейроморфтық сенсорлық жүйелер. & Delbruck, T. Нейроморфтық сенсорлық жүйелер.және Delbrück T. Нейроморфтық сенсорлық жүйелер. & Дельбрук, Т. 神经形态感觉系统。 & Дельбрук, Т.және Delbrück T. Нейроморфтық сенсорлық жүйе.Ағымдағы.Пікір.Нейробиология.20, 288–295 (2010).
Chope, T. et al.Біріктірілген дыбыс көзін локализациялау және соқтығысуды болдырмау үшін нейроморфтық сенсорлық интеграция.2019 жылы IEEE биомедициналық схемалар мен жүйелер конференциясында (BioCAS), (IEEE Ed.) 1–4 (2019).
Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. Стерео көрудің шыбық негізіндегі нейроморфтық архитектурасы. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. Стерео көрудің шыбық негізіндегі нейроморфтық архитектурасы.Риси Н, Аймар А, Донати Е, Солинас С және Индивери Г. Шпикке негізделген нейроморфтық стереовизиялық архитектура. Риси, Н., Аймар, А., Донати, Э., Солинас, С. және Индивери, Г. 一种基于脉冲的立体视觉神经形态结构。 Риси, Н., Аймар, А., Донати, Е., Солинас, С. & Индивери, Г.Risi N, Aimar A, Donati E, Solinas S және Indiveri G. Стерео көру үшін Spike негізіндегі нейроморфтық архитектура.алдыңғы.Нейророботика 14, 93 (2020).
Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Оқиғаға негізделген нейроморфтық стереокөру жүйелері үшін 3Dперцепцияның серпінді нейрондық желісі. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Оқиғаға негізделген нейроморфтық стереокөру жүйелері үшін 3Dперцепцияның серпінді нейрондық желісі.Освальд, М., Иенг, С.-Х., Беносман, Р. және Индивери, Г. Оқиғаға негізделген нейроморфтық стерео көру жүйелері үшін 3D импульстік нейрондық желіні қабылдау моделі. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. 基于事件的神经形态立体视觉系统的3Dperception Освальд, М., Иенг, С.-Х., Беносман, Р. және Индивери, Г. 3Dperception 脉冲神经网络模型。Oswald, M., Ieng, S.-H., Benosman, R., and Indiveri, G. Spiked 3Dperception нейрондық желіні оқиғаға негізделген нейроморфтық стерео көру жүйесі үшін.ғылым.Есеп 7, 1–11 (2017 ж.).
Далғаты, Т.Жәндіктерден шабыттандырылған негізгі қозғалысты анықтау резистивті жады мен серпінді нейрондық желілерді қамтиды.Бионикалық биогибридті жүйе.10928, 115–128 (2018 ж.).
D'Angelo, G. et al.Уақытша дифференциалды кодтау арқылы оқиғаға негізделген эксцентрлік қозғалысты анықтау.алдыңғы.Неврология.14, 451 (2020 ж.).