Realaus pasaulio duomenų apdorojimo programoms reikalingos kompaktiškos, mažai delsos ir mažos galios skaičiavimo sistemos.Su įvykiais pagrįstomis skaičiavimo galimybėmis, papildomos metalo oksido ir puslaidininkių hibridinės atminties neuromorfinės architektūros yra idealus aparatinės įrangos pagrindas tokioms užduotims atlikti.Norėdami parodyti visą tokių sistemų potencialą, siūlome ir eksperimentiškai demonstruojame išsamų jutiklių apdorojimo sprendimą, skirtą realaus pasaulio objektų lokalizavimo programoms.Semdamiesi įkvėpimo iš žvirblinės pelėdos neuroanatomijos, sukūrėme biologiškai įkvėptą, įvykiais pagrįstą objektų lokalizavimo sistemą, kuri sujungia pažangiausią pjezoelektrinį mikromechaninį keitiklį su skaičiavimo grafikais pagrįsta neuromorfine varžine atmintimi.Rodome pagamintos sistemos, kurią sudaro atmintimi pagrįstą varžinio sutapimo detektorių, vėlinimo linijos grandinę ir visiškai pritaikomą ultragarsinį keitiklį, matavimus.Šiuos eksperimentinius rezultatus naudojame modeliavimui sistemos lygmeniu kalibruoti.Tada šie modeliavimai naudojami objekto lokalizacijos modelio kampinei skiriamajai gebai ir energijos efektyvumui įvertinti.Rezultatai rodo, kad mūsų metodas gali būti keliais dydžiais efektyvesnis nei mikrovaldikliai, atliekantys tą pačią užduotį.
Mes įžengiame į visur naudojamų kompiuterių erą, kai įdiegtų įrenginių ir sistemų skaičius eksponentiškai auga, kad padėtų mums kasdieniame gyvenime.Tikimasi, kad šios sistemos veiks nepertraukiamai, sunaudodamos kuo mažiau energijos, mokydamosi interpretuoti iš kelių jutiklių surinktus duomenis realiuoju laiku ir generuoti dvejetainę išvestį dėl klasifikavimo ar atpažinimo užduočių.Vienas iš svarbiausių žingsnių, reikalingų šiam tikslui pasiekti, yra naudingos ir kompaktiškos informacijos išgavimas iš triukšmingų ir dažnai neišsamių jutimo duomenų.Įprasti inžineriniai metodai paprastai atrenka jutiklių signalus pastoviu ir dideliu greičiu, generuodami didelius duomenų kiekius net ir nesant naudingų įėjimų.Be to, šiuose metoduose naudojami sudėtingi skaitmeninio signalo apdorojimo metodai, kad būtų galima iš anksto apdoroti (dažnai triukšmingus) įvesties duomenis.Vietoj to, biologija siūlo alternatyvius sprendimus, kaip apdoroti triukšmingus jutimo duomenis, naudojant energiją taupančius, asinchroninius, įvykiais pagrįstus metodus (spyglius)2,3.Neuromorfinis skaičiavimas semiasi įkvėpimo iš biologinių sistemų, kad sumažintų skaičiavimo sąnaudas, susijusias su energijos ir atminties reikalavimais, palyginti su tradiciniais signalų apdorojimo metodais4, 5, 6.Neseniai buvo pademonstruotos naujoviškos bendrosios paskirties smegenų sistemos, įgyvendinančios impulsinius neuroninius tinklus (TrueNorth7, BrainScaleS8, DYNAP-SE9, Loihi10, Spinnaker11).Šie procesoriai teikia mažos galios, mažos delsos sprendimus mašininiam mokymuisi ir žievės grandinės modeliavimui.Norint visiškai išnaudoti energijos vartojimo efektyvumą, šie neuromorfiniai procesoriai turi būti tiesiogiai prijungti prie įvykių valdomų jutiklių 12, 13.Tačiau šiandien yra tik keli jutikliniai įrenginiai, tiesiogiai teikiantys įvykiais pagrįstus duomenis.Ryškūs pavyzdžiai yra dinaminiai regėjimo jutikliai (DVS), skirti regėjimui, pvz., sekti ir judesio aptikimui14, 15, 16, 17, silicio sraigė18 ir neuromorfiniai klausos jutikliai (NAS)19, skirti apdoroti klausos signalus, uoslės jutikliai20 ir daugybė prisilietimo pavyzdžių21, 22..tekstūros jutikliai.
Šiame darbe pristatome naujai sukurtą įvykiais pagrįstą klausos apdorojimo sistemą, taikomą objektų lokalizavimui.Čia pirmą kartą aprašome objektų lokalizavimo nuo galo iki galo sistemą, gautą sujungus moderniausią pjezoelektrinį mikromechaninį ultragarsinį keitiklį (pMUT) su skaičiavimo grafiku, pagrįstu neuromorfine varžine atmintimi (RRAM).Atmintyje esančios skaičiavimo architektūros, kuriose naudojama RRAM, yra perspektyvus sprendimas sumažinti energijos suvartojimą23,24,25,26,27,28,29.Jiems būdingas nepastovumas – nereikalaujantis aktyvios energijos suvartojimo informacijai saugoti ar atnaujinti – puikiai dera su asinchroniniu, įvykiais pagrįsto neuromorfinio skaičiavimo pobūdžiu, todėl beveik nenaudojama energijos, kai sistema neveikia.Pjezoelektriniai mikromechaniškai apdoroti ultragarsiniai keitikliai (pMUT) yra nebrangūs, miniatiūriniai silicio ultragarsiniai keitikliai, galintys veikti kaip siųstuvai ir imtuvai30,31,32,33,34.Norėdami apdoroti įmontuotų jutiklių gaunamus signalus, įkvėpimo sėmėmės iš pelėdos neuroanatomijos 35, 36, 37.Žvirblinė pelėda Tyto alba yra žinoma dėl puikių naktinės medžioklės sugebėjimų dėl labai efektyvios klausos lokalizacijos sistemos.Norėdami apskaičiuoti grobio vietą, žvirblinės pelėdos lokalizavimo sistema užkoduoja skrydžio laiką (ToF), kai grobio garso bangos pasiekia kiekvieną pelėdos ausis arba garso receptorius.Atsižvelgiant į atstumą tarp ausų, skirtumas tarp dviejų ToF matavimų (Interaural Time Difference, ITD) leidžia analitiškai apskaičiuoti taikinio azimuto padėtį.Nors biologinės sistemos prastai pritaikytos algebrinėms lygtims spręsti, jos gali labai efektyviai išspręsti lokalizacijos problemas.Žvirblinės pelėdos nervų sistema naudoja sutapimų detektoriaus (CD)35 neuronų rinkinį (ty neuronus, galinčius aptikti laikiną koreliaciją tarp smailių, kurie sklinda žemyn iki konvergencinių sužadinimo galūnių)38,39, suskirstytus į skaičiavimo grafikus padėties nustatymo problemoms spręsti.
Ankstesni tyrimai parodė, kad papildoma metalo oksido-puslaidininkio (CMOS) aparatinė įranga ir RRAM pagrindu sukurta neuromorfinė įranga, įkvėpta žvirblinės pelėdos apatinio kaklelio („klausos žievės“), yra veiksmingas būdas apskaičiuoti padėtį naudojant ITD13, 40, 41, 42, 43, 44, 45, 46. Tačiau visiškų neuromorfinių sistemų, kurios susieja klausos signalus su neuromorfiniais skaičiavimo grafikais, potencialas dar turi būti įrodytas.Pagrindinė problema yra būdingas analoginių CMOS grandinių kintamumas, kuris turi įtakos atitikmenų aptikimo tikslumui.Neseniai buvo pademonstruoti alternatyvūs ITD47 įverčių skaitmeniniai įgyvendinimai.Šiame darbe siūlome panaudoti RRAM galimybę nepastoviai keisti laidumo vertę, kad būtų išvengta analoginių grandinių kintamumo.Įdiegėme eksperimentinę sistemą, kurią sudaro viena pMUT perduodanti membrana, veikianti 111,9 kHz dažniu, dvi pMUT priimančios membranos (jutikliai), imituojančios pelėdos ausis, ir viena .Eksperimentiškai apibūdinome pMUT aptikimo sistemą ir RRAM pagrįstą ITD skaičiavimo grafiką, kad išbandytume lokalizacijos sistemą ir įvertintume jos kampinę skiriamąją gebą.
Mes lyginame savo metodą su skaitmeniniu įgyvendinimu mikrovaldiklyje, atliekančiame tą pačią lokalizacijos užduotį, naudojant įprastus pluošto formavimo arba neuromorfinius metodus, taip pat su programuojamų vartų matrica (FPGA) ITD įvertinimui, kaip siūloma nuorodoje.47. Šis palyginimas pabrėžia siūlomos RRAM pagrindu sukurtos analoginės neuromorfinės sistemos konkurencingą galios efektyvumą.
Vieną ryškiausių tikslios ir efektyvios objektų lokalizacijos sistemos pavyzdžių galima rasti žvirblinėje pelėdoje35,37,48.Sutemus ir auštant žvirblinė pelėda (Tyto Alba) pirmiausia pasikliauja pasyviu klausymu, aktyviai ieškodama mažų grobio, pavyzdžiui, pelėnų ar pelių.Šie klausos ekspertai gali stebėti grobio garsinius signalus lokalizuoti stulbinančiai tiksliai (apie 2°)35, kaip parodyta 1a pav.Žvirblinės pelėdos nustato garso šaltinių vietą azimuto (horizontalioje) plokštumoje pagal įeinančio skrydžio laiko (ITD) skirtumą nuo garso šaltinio iki dviejų ausų.ITD skaičiavimo mechanizmą pasiūlė Jeffress49,50, kuris remiasi nervų geometrija ir reikalauja dviejų pagrindinių komponentų: aksono, neurono nervinės skaidulos, veikiančios kaip delsos linija, ir daugybės sutapimų detektoriaus neuronų, suskirstytų į skaičiavimo sistemą.grafiką, kaip parodyta 1b paveiksle.Garsas pasiekia ausį su azimuto priklausomu laiko delsimu (ITD).Tada kiekvienoje ausyje garsas paverčiamas smaigalio raštu.Kairiosios ir dešiniosios ausies aksonai veikia kaip vėlinimo linijos ir susilieja į CD neuronus.Teoriškai tik vienas suderintų neuronų masyvo neuronas vienu metu gaus įvestį (kur uždelsimas tiksliai panaikinamas) ir sudegs maksimaliai (kaimyninės ląstelės taip pat užsidegs, bet mažesniu dažniu).Suaktyvinus tam tikrus neuronus, užkoduojama taikinio padėtis erdvėje, toliau nekeičiant ITD į kampus.Ši koncepcija apibendrinta 1c paveiksle: pavyzdžiui, jei garsas sklinda iš dešinės pusės, kai įvesties signalas iš dešinės ausies eina ilgesniu keliu nei kelias iš kairės, kompensuodamas, pavyzdžiui, ITD skaičių, kai sutampa neuronas 2.Kitaip tariant, kiekvienas kompaktinis diskas reaguoja į tam tikrą ITD (taip pat žinomas kaip optimalus vėlavimas) dėl aksoninio vėlavimo.Taigi smegenys laiko informaciją paverčia erdvine.Buvo rasta šio mechanizmo anatominių įrodymų37,51.Faziškai užrakinti makrobranduolių neuronai kaupia laikiną informaciją apie įeinančius garsus: kaip rodo jų pavadinimas, jie užsidega tam tikrose signalo fazėse.Laminarinėje šerdyje galima rasti Jeffreso modelio sutapimo detektoriaus neuronus.Jie gauna informaciją iš makrobranduolinių neuronų, kurių aksonai veikia kaip vėlinimo linijos.Vėlavimo linijos suteiktą vėlavimo dydį galima paaiškinti aksono ilgiu, taip pat kitu mielinizacijos modeliu, kuris keičia laidumo greitį.Įkvėpti žvirblinės pelėdos klausos sistemos, sukūrėme biomimetinę objektų lokalizavimo sistemą.Dvi ausis vaizduoja du pMUT imtuvai.Garso šaltinis yra tarp jų esantis pMUT siųstuvas (1a pav.), o skaičiavimo grafiką sudaro RRAM pagrindu veikiančių CD grandinių tinklelis (1b pav., žalias), atliekantis CD neuronų, kurių įėjimai vėluoja, vaidmenį.per grandinę vėlinimo linijos (mėlynos) veikia kaip aksonai biologiniame atitikmenyje.Siūloma sensorinė sistema veikimo dažniu skiriasi nuo pelėdos, kurios klausos sistema veikia 1–8 kHz diapazone, tačiau šiame darbe naudojami apie 117 kHz veikiantys pMUT jutikliai.Ultragarsinio keitiklio pasirinkimas vertinamas pagal techninius ir optimizavimo kriterijus.Pirma, apribojus priėmimo dažnių juostos plotį iki vieno dažnio, idealiai pagerinamas matavimo tikslumas ir supaprastinamas tolesnio apdorojimo veiksmas.Be to, darbas ultragarsu turi pranašumą, kad skleidžiami impulsai nėra girdimi, todėl netrukdo žmonėms, nes jų klausos diapazonas yra ~20-20 kHz.
žvirblinė pelėda gauna garso bangas iš taikinio, šiuo atveju judančio grobio.Garso bangos skrydžio laikas (ToF) kiekvienai ausiai yra skirtingas (nebent grobis yra tiesiai prieš pelėdą).Taškinė linija rodo kelią, kuriuo garso bangos pasiekia žvirblinės pelėdos ausis.Grobį galima tiksliai lokalizuoti horizontalioje plokštumoje, remiantis ilgio skirtumu tarp dviejų akustinių takų ir atitinkamu interauralinio laiko skirtumu (ITD) (kairysis vaizdas įkvėptas 74 nuorodos, autorių teisės 2002, Neurologijos draugija).Mūsų sistemoje pMUT siųstuvas (tamsiai mėlynas) generuoja garso bangas, kurios atsimuša į taikinį.Atspindėtas ultragarso bangas priima du pMUT imtuvai (šviesiai žalia) ir apdoroja neuromorfinis procesorius (dešinėje).b ITD (Jeffress) skaičiavimo modelis, apibūdinantis, kaip garsai, patenkantys į pelėdos ausis, pirmiausia užkoduojami kaip fazėje užrakinti smaigaliai dideliame branduolyje (NM), o tada naudojant geometriškai išdėstytą suderintų detektoriaus neuronų tinklelį sluoksniniame branduolyje.Apdorojama (Nyderlandai) (kairėje).NeuroITD skaičiavimo grafiko, jungiančio delsos linijas ir sutapimo detektoriaus neuronus, iliustracija, pelėdos biojutiklio sistema gali būti modeliuojama naudojant RRAM pagrįstas neuromorfines grandines (dešinėje).c Pagrindinio Jeffreso mechanizmo schema, dėl ToF skirtumo abi ausys gauna garso dirgiklius skirtingu laiku ir siunčia aksonus iš abiejų galų į detektorių.Aksonai yra sutapimų detektoriaus (CD) neuronų serijos dalis, kurių kiekvienas selektyviai reaguoja į stipriai su laiku susijusias įvestis.Dėl to maksimaliai sužadinami tik kompaktiniai diskai, kurių įėjimai atkeliauja su mažiausiu laiko skirtumu (ITD tiksliai kompensuojamas).Tada kompaktinis diskas užkoduos taikinio kampinę padėtį.
Pjezoelektriniai mikromechaniniai ultragarsiniai keitikliai yra keičiamo dydžio ultragarsiniai keitikliai, kuriuos galima integruoti su pažangia CMOS technologija31, 32, 33, 52 ir kurių pradinė įtampa ir energijos suvartojimas yra mažesnis nei tradicinių tūrinių keitiklių53.Mūsų darbe membranos skersmuo yra 880 µm, o rezonansinis dažnis paskirstytas 110–117 kHz diapazone (2a pav., išsamiau žr. metodus).Dešimties bandomųjų prietaisų partijoje vidutinis kokybės koeficientas buvo apie 50 (31 nuoroda).Technologija pasiekė pramoninę brandą ir pati savaime nėra biologiškai įkvėpta.Informacijos iš skirtingų pMUT plėvelių derinimas yra gerai žinomas metodas, o informaciją apie kampą galima gauti iš pMUT naudojant, pavyzdžiui, spindulio formavimo metodus 31, 54.Tačiau signalo apdorojimas, reikalingas kampo informacijai išgauti, netinka mažos galios matavimams.Siūloma sistema sujungia neuromorfinių duomenų išankstinio apdorojimo grandinę pMUT su RRAM pagrindu veikiančiu neuromorfiniu skaičiavimo grafiku, įkvėptu Jeffress modelio (2c pav.), Suteikdama alternatyvų energiją taupantį ir išteklių ribotą aparatinės įrangos sprendimą.Atlikome eksperimentą, kurio metu du pMUT jutikliai buvo išdėstyti maždaug 10 cm atstumu vienas nuo kito, kad būtų išnaudoti skirtingi ToF garsai, kuriuos gauna dvi priimančios membranos.Vienas pMUT, veikiantis kaip siųstuvas, yra tarp imtuvų.Taikinys buvo 12 cm pločio PVC plokštė, esanti atstumu D priešais pMUT įrenginį (2b pav.).Imtuvas įrašo nuo objekto atsispindėjusį garsą ir kiek įmanoma reaguoja garso bangos praėjimo metu.Pakartokite eksperimentą keisdami objekto padėtį, nustatytą pagal atstumą D ir kampą θ.Įkvėptas nuorodos.55, siūlome neuromorfinį išankstinį pMUT neapdorotų signalų apdorojimą, kad atspindėtos bangos būtų paverstos smailėmis, kad būtų įvestas neuromorfinis skaičiavimo grafikas.ToF, atitinkantis smailės amplitudę, išgaunamas iš kiekvieno iš dviejų kanalų ir užkoduojamas kaip tikslus atskirų smailių laikas.Ant pav.2c parodyta schema, reikalinga prijungti pMUT jutiklį su RRAM pagrindu veikiančiu skaičiavimo grafiku: kiekvieno iš dviejų pMUT imtuvų neapdorotas signalas filtruojamas pralaidumo būdu, kad būtų išlygintas, ištaisytas, o tada perduodamas nesandariam integratoriui įveikimo režimu.dinaminis slenkstis (2d pav.) sukuria išvesties įvykio (smailės) ir užsidegimo (LIF) neuroną: išėjimo smaigalio laikas koduoja aptiktą skrydžio laiką.LIF slenkstis kalibruojamas pagal pMUT atsaką, taip sumažinant pMUT kintamumą įvairiuose įrenginiuose.Taikydami šį metodą, užuot saugoję visą garso bangą atmintyje ir vėliau ją apdoroję, tiesiog generuojame piką, atitinkantį garso bangos ToF, kuris sudaro varžinės atminties skaičiavimo grafiko įvestį.Spygliai siunčiami tiesiai į vėlavimo linijas ir lygiagretinami su atitikties aptikimo moduliais neuromorfiniuose skaičiavimo grafikuose.Kadangi jie siunčiami į tranzistorių vartus, nereikia papildomos stiprinimo grandinės (išsamiau žr. papildomą 4 pav.).Norėdami įvertinti pMUT teikiamą lokalizacijos kampinį tikslumą ir siūlomą signalų apdorojimo metodą, matavome ITD (tai yra laiko skirtumą tarp dviejų imtuvų generuojamų piko įvykių), nes objekto atstumas ir kampas kinta.Tada ITD analizė buvo konvertuota į kampus (žr. Metodai) ir nubrėžta pagal objekto padėtį: išmatuoto ITD neapibrėžtis padidėjo didėjant atstumui ir kampui iki objekto (2e, f pav.).Pagrindinė problema yra pMUT atsako piko ir triukšmo santykis (PNR).Kuo toliau objektas, tuo žemesnis akustinis signalas, todėl sumažėja PNR (2f pav., žalia linija).PNR sumažėjimas padidina ITD įvertinimo neapibrėžtumą, todėl padidėja lokalizacijos tikslumas (2f pav., mėlyna linija).Objekto, esančio 50 cm atstumu nuo siųstuvo, sistemos kampinis tikslumas yra maždaug 10°.Šį apribojimą, kurį nustato jutiklio charakteristikos, galima pagerinti.Pavyzdžiui, emiterio siunčiamas slėgis gali būti padidintas, taip padidinant pMUT membranos įtampą.Kitas sprendimas, kaip sustiprinti perduodamą signalą, yra sujungti kelis siųstuvus 56. Šie sprendimai padidins aptikimo diapazoną padidėjusių energijos sąnaudų sąskaita.Priėmimo pusėje galima atlikti papildomų patobulinimų.PMUT imtuvo triukšmo lygis gali būti žymiai sumažintas pagerinus pMUT ir pirmosios pakopos stiprintuvo ryšį, kuris šiuo metu atliekamas naudojant laidų jungtis ir RJ45 kabelius.
pMUT kristalo vaizdas su šešiomis 880 µm membranomis, integruotomis 1,5 mm žingsniu.b Matavimo sąrankos schema.Taikinys yra azimuto padėtyje θ ir atstumu D. pMUT siųstuvas generuoja 117,6 kHz signalą, kuris atsimuša į taikinį ir pasiekia du pMUT imtuvus su skirtingu skrydžio laiku (ToF).Šis skirtumas, apibrėžiamas kaip tarpgarsinis laiko skirtumas (ITD), užkoduoja objekto padėtį ir gali būti įvertintas įvertinus didžiausią dviejų imtuvo jutiklių atsaką.c Išankstinio apdorojimo etapų schema, skirta paversti neapdorotą pMUT signalą į smaigalių sekas (ty įvestis į neuromorfinio skaičiavimo grafiką).Buvo pagaminti ir išbandyti pMUT jutikliai ir neuromorfiniai skaičiavimo grafikai, o neuromorfinis išankstinis apdorojimas pagrįstas programinės įrangos modeliavimu.d pMUT membranos atsakas gavus signalą ir jo transformavimas į smaigalio domeną.e Eksperimentinės lokalizacijos kampinis tikslumas kaip objekto kampo (Θ) ir atstumo (D) iki tikslinio objekto funkcija.ITD ekstrahavimo metodui reikalinga mažiausiai 4°C kampinė skiriamoji geba.f Kampinis tikslumas (mėlyna linija) ir atitinkamas piko ir triukšmo santykis (žalia linija) atsižvelgiant į objekto atstumą, kai Θ = 0.
Varžinė atmintis saugo informaciją nepastovioje laidžioje būsenoje.Pagrindinis metodo principas yra tas, kad medžiagos modifikavimas atominiu lygmeniu sukelia jos elektrinio laidumo pasikeitimą57.Čia mes naudojame oksido pagrindu veikiančią varžinę atmintį, kurią sudaro 5 nm hafnio dioksido sluoksnis, įterptas tarp viršutinio ir apatinio titano ir titano nitrido elektrodų.RRAM įrenginių laidumą galima pakeisti taikant srovės / įtampos bangos formą, kuri sukuria arba sulaužo laidžius deguonies laisvų vietų tarp elektrodų siūlus.Tokius įrenginius58 kartu integravome į standartinį 130 nm CMOS procesą, kad sukurtume pagamintą perkonfigūruojamą neuromorfinę grandinę, įgyvendinančią sutapimų detektorių ir vėlinimo linijos grandinę (3a pav.).Nepastovus ir analogiškas prietaiso pobūdis kartu su neuromorfinės grandinės pobūdžiu, pagrįsta įvykiais, sumažina energijos suvartojimą.Grandinė turi momentinio įjungimo/išjungimo funkciją: ji veikia iškart po įjungimo, leidžianti visiškai išjungti maitinimą, kai grandinė neveikia.Pagrindinės siūlomos schemos sudedamosios dalys parodytos fig.3b.Jį sudaro N lygiagrečių vieno rezistoriaus vieno tranzistoriaus (1T1R) struktūrų, kurios koduoja sinapsinius svorius, iš kurių paimamos svertinės srovės, įleidžiamos į bendrą diferencialinės poros integratoriaus (DPI)59 sinapsę ir galiausiai įleidžiamos į sinapsę su integravimu ir nuotėkis.aktyvuotas (LIF) neuronas 60 (išsamiau žr. metodus).Įvesties viršįtampiai yra taikomi 1T1R struktūros vartams įtampos impulsų sekos pavidalu, kurių trukmė yra šimtai nanosekundžių.Varžinė atmintis gali būti perkelta į didelės laidumo būseną (HCS), pritaikant išorinę teigiamą nuorodą į Vtop, kai Vbottom yra įžeminta, ir iš naujo nustatyti į žemos laidumo būseną (LCS), taikant teigiamą įtampą Vbottom, kai Vtop yra įžemintas.Vidutinė HCS reikšmė gali būti valdoma apribojant SET (ICC) programavimo srovę (atitikimą) nuosekliojo tranzistoriaus vartų šaltinio įtampa (3c pav.).RRAM funkcijos grandinėje yra dvejopos: jos nukreipia ir pasveria įvesties impulsus.
Mėlyno HfO2 1T1R RRAM įrenginio, integruoto į 130 nm CMOS technologiją su selektorių tranzistoriais (650 nm pločio) žalia spalva, skenuojamojo elektroninio mikroskopo (SEM) vaizdas.b Pagrindiniai siūlomos neuromorfinės schemos blokai.Įvesties įtampos impulsai (smailės) Vin0 ir Vin1 sunaudoja srovę Iweight, kuri yra proporcinga 1T1R struktūros laidumo būsenoms G0 ir G1.Ši srovė įšvirkščiama į DPI sinapses ir sužadina LIF neuronus.RRAM G0 ir G1 yra atitinkamai įdiegti HCS ir LCS.c Kumuliacinio laidumo tankio funkcija 16K RRAM įrenginių grupei kaip ICC srovės suderinimo funkcija, kuri veiksmingai kontroliuoja laidumo lygį.d Grandinės matavimai a punkte, rodantys, kad G1 (LCS) veiksmingai blokuoja įvestį iš Vin1 (žalia), ir iš tikrųjų išvesties neurono membranos įtampa reaguoja tik į mėlyną įvestį iš Vin0.RRAM efektyviai nustato grandinės jungtis.e (b) nurodytos grandinės matavimas, parodantis laidumo vertės G0 poveikį membranos įtampai Vmem pritaikius įtampos impulsą Vin0.Kuo didesnis laidumas, tuo stipresnis atsakas: taigi, RRAM įrenginys įgyvendina įvesties / išvesties jungties svorį.Matavimai buvo atlikti grandinėje ir parodo dvigubą RRAM funkciją, įvesties impulsų maršrutizavimą ir svorį.
Pirma, kadangi yra dvi pagrindinės laidumo būsenos (HCS ir LCS), RRAM gali blokuoti arba praleisti įvesties impulsus, kai jie yra atitinkamai LCS arba HCS būsenose.Dėl to RRAM efektyviai nustato grandinės jungtis.Tai yra pagrindas, leidžiantis perkonfigūruoti architektūrą.Norėdami tai parodyti, 3b pav. aprašysime pagamintą grandinės bloko grandinės įgyvendinimą.RRAM, atitinkantis G0, yra užprogramuotas į HCS, o antrasis RRAM G1 - į LCS.Įvesties impulsai taikomi tiek Vin0, tiek Vin1.Dviejų įvesties impulsų sekų poveikis buvo analizuojamas išvesties neuronuose, renkant neuronų membranos įtampą ir išėjimo signalą naudojant osciloskopą.Eksperimentas buvo sėkmingas, kai tik HCS įrenginys (G0) buvo prijungtas prie neurono impulso, kad paskatintų membranos įtampą.Tai parodyta 3d paveiksle, kur mėlyna impulsų seka sukelia membranos įtampą ant membranos kondensatoriaus, o žalia impulsų seka palaiko membranos įtampą pastovią.
Antroji svarbi RRAM funkcija yra ryšio svorių įgyvendinimas.Naudojant RRAM analoginio laidumo reguliavimą, I/O jungtys gali būti atitinkamai įvertintos.Antrajame eksperimente G0 įrenginys buvo užprogramuotas skirtingiems HCS lygiams, o įvesties impulsas buvo pritaikytas VIn0 įėjimui.Įvesties impulsas iš įrenginio paima srovę (Iweight), kuri yra proporcinga laidumui ir atitinkamam potencialo kritimui Vtop − Vbot.Tada ši svertinė srovė įšvirkščiama į DPI sinapses ir LIF išvesties neuronus.Išėjimo neuronų membranos įtampa buvo užfiksuota naudojant osciloskopą ir parodyta 3d pav.Neuronų membranos įtampos smailė, reaguojant į vieną įvesties impulsą, yra proporcinga varžinės atminties laidumui, o tai rodo, kad RRAM gali būti naudojamas kaip programuojamas sinapsinio svorio elementas.Šie du preliminarūs testai rodo, kad siūloma RRAM pagrindu sukurta neuromorfinė platforma gali įgyvendinti pagrindinius pagrindinio Jeffreso mechanizmo elementus, būtent delsos liniją ir sutapimo detektoriaus grandinę.Grandinės platforma sukonstruota sukraunant vienas po kito einančius blokus, tokius kaip 3b paveiksle pavaizduoti blokai, ir sujungiant jų vartus prie bendros įvesties linijos.Sukūrėme, pagaminome ir išbandėme neuromorfinę platformą, kurią sudaro du išvesties neuronai, gaunantys du įėjimus (4a pav.).Grandinės schema parodyta 4b paveiksle.Viršutinė 2 × 2 RRAM matrica leidžia nukreipti įvesties impulsus į du išvesties neuronus, o apatinė 2 × 2 matrica leidžia pakartotinai sujungti du neuronus (N0, N1).Mes parodome, kad šią platformą galima naudoti su uždelsimo linijos konfigūracija ir dviem skirtingomis sutapimų detektoriaus funkcijomis, kaip parodyta eksperimentiniais matavimais 4c-e pav.
Grandinės diagrama, sudaryta iš dviejų išėjimo neuronų N0 ir N1, gaunančių du įėjimus 0 ir 1. Keturi viršutiniai masyvo įrenginiai apibrėžia sinaptinius ryšius nuo įvesties iki išvesties, o apatinės keturios ląstelės apibrėžia pasikartojančius neuronų ryšius.Spalvotos RRAM atvaizduoja įrenginius, sukonfigūruotus HCS dešinėje: HCS įrenginiai leidžia jungtis ir rodo svorį, o LCS įrenginiai blokuoja įvesties impulsus ir išjungia jungtis prie išėjimų.b Grandinės (a) diagrama su aštuoniais RRAM moduliais, paryškintais mėlyna spalva.c Vėlavimo linijos sudaromos tiesiog naudojant DPI sinapsių ir LIF neuronų dinamiką.Žalias RRAM laidumas yra pakankamai didelis, kad po įvesties delsos Δt galėtų sukelti išėjimo gedimą.d Scheminė krypčiai nejautrus CD nuo laiko priklausomų signalų aptikimo iliustracija.Išvesties neuronas 1, N1, įsijungia į įėjimus 0 ir 1 su trumpu uždelsimu.e krypčiai jautri CD grandinė – grandinė, kuri aptinka, kai 1 įėjimas artėja prie įėjimo 0 ir ateina po įvesties 0. Grandinės išvestį vaizduoja neuronas 1 (N1).
Vėlavimo linija (4c pav.) tiesiog naudoja DPI sinapsių ir LIF neuronų dinaminį elgesį, kad atkartotų įvesties smaigalį nuo Vin1 iki Vout1, uždelsdama Tdel.Tik G3 RRAM, prijungtas prie Vin1 ir Vout1, yra programuojamas HCS, likusios RRAM yra užprogramuotos LCS.G3 įrenginys buvo užprogramuotas 92,6 µs, siekiant užtikrinti, kad kiekvienas įvesties impulsas pakankamai padidintų išvesties neurono membranos įtampą, kad pasiektų slenkstį ir generuotų atidėtą išvesties impulsą.Vėlavimą Tdel lemia sinapsinės ir nervinės laiko konstantos.Sutapimų detektoriai aptinka laikui koreliuojamų, bet erdvėje paskirstytų įvesties signalų atsiradimą.Krypčiai nejautrus CD priklauso nuo atskirų įėjimų, susiliejančių į bendrą išvesties neuroną (4d pav.).Dvi RRAM, jungiančios Vin0 ir Vin1 atitinkamai su Vout1, G2 ir G4, yra užprogramuotos aukštam laidumui.Vienu metu Vin0 ir Vin1 atsirandantys smaigaliai padidina N1 neurono membranos įtampą virš slenksčio, reikalingo išvesties smaigaliui sukurti.Jei abu įėjimai yra per toli vienas nuo kito, pirmojo įėjimo sukauptas membranos įtampos krūvis gali sumažėti, todėl membranos potencialas N1 nepasiekia slenkstinės vertės.G1 ir G2 užprogramuoti maždaug 65 µs, o tai užtikrina, kad vienas įvesties viršįtampis nepadidins membranos įtampos tiek, kad sukeltų išėjimo bangą.Erdvėje ir laike paskirstytų įvykių sutapimų aptikimas yra pagrindinė operacija, naudojama atliekant įvairias jutimo užduotis, tokias kaip optiniu srautu pagrįstas kliūčių išvengimas ir garso šaltinio lokalizavimas.Taigi, krypčiai jautrių ir nejautrų kompaktinių diskų skaičiavimas yra pagrindinis elementas kuriant vaizdo ir garso lokalizavimo sistemas.Kaip rodo laiko konstantų charakteristikos (žr. papildomą 2 pav.), siūloma grandinė įgyvendina tinkamą keturių dydžių laiko skalių diapazoną.Taigi jis vienu metu gali atitikti vaizdo ir garso sistemų reikalavimus.Krypties jautrus CD yra grandinė, kuri yra jautri erdvinei impulsų atvykimo tvarkai: iš dešinės į kairę ir atvirkščiai.Tai yra pagrindinis Drosophila vizualinės sistemos pagrindinio judesio aptikimo tinklo elementas, naudojamas judėjimo kryptims apskaičiuoti ir susidūrimams aptikti62.Norint pasiekti krypčiai jautrų CD, du įėjimai turi būti nukreipti į du skirtingus neuronus (N0, N1) ir tarp jų turi būti užmegztas kryptinis ryšys (4e pav.).Kai gaunamas pirmasis įėjimas, NO reaguoja padidindama įtampą per savo membraną virš slenkstinės vertės ir siųsdama viršįtampią.Šis išvesties įvykis, savo ruožtu, suaktyvina N1 dėl kryptinės jungties, paryškintos žaliai.Jei ateina įvesties įvykis Vin1 ir įjungia N1, kol jo membranos įtampa vis dar yra aukšta, N1 generuoja išvesties įvykį, rodantį, kad tarp dviejų įėjimų buvo rastas atitikimas.Kryptinės jungtys leidžia N1 skleisti išvestį tik tuo atveju, jei 1 įvestis ateina po įvesties 0. G0, G3 ir G7 užprogramuoti atitinkamai 73,5 µS, 67,3 µS ir 40,2 µS, užtikrinant, kad vienas šuolis įėjime Vin0 sukelia uždelstą signalą. išvesties smaigalys, o N1 membranos potencialas pasiekia slenkstį tik tada, kai abu įvesties pliūpsniai ateina sinchroniškai..
Kintamumas yra modeliuotų neuromorfinių sistemų netobulumo šaltinis63, 64, 65.Tai veda prie nevienalyčio neuronų ir sinapsių elgesio.Tokių trūkumų pavyzdžiai yra 30 % (vidutinis standartinis nuokrypis) įvesties stiprinimo, laiko konstantos ir ugniai atsparaus periodo kintamumas (žr. Metodai).Ši problema dar ryškesnė, kai sujungtos kelios neuroninės grandinės, pavyzdžiui, orientacijai jautrus CD, susidedantis iš dviejų neuronų.Kad veiktų tinkamai, dviejų neuronų stiprinimo ir skilimo laiko konstantos turėtų būti kuo panašesnės.Pavyzdžiui, dėl didelio įvesties stiprinimo skirtumo vienas neuronas gali pernelyg reaguoti į įvesties impulsą, o kitas neuronas beveik nereaguoja.Ant pav.5a paveiksle parodyta, kad atsitiktinai parinkti neuronai skirtingai reaguoja į tą patį įvesties impulsą.Šis nervinis kintamumas yra svarbus, pavyzdžiui, krypčiai jautrių kompaktinių diskų funkcijai.Pagal schemą, parodytą pav.5b, c, 1 neurono įvesties stiprinimas yra daug didesnis nei neurono 0. Taigi 0 neuronui reikia trijų įvesties impulsų (vietoj 1), kad pasiektų slenkstį, o 1 neuronui, kaip ir tikėtasi, reikia dviejų įvesties įvykių.Nuo smaigalio laiko priklausomo biomimetinio plastiškumo (STDP) įgyvendinimas yra galimas būdas sušvelninti netikslių ir vangių neuroninių ir sinapsinių grandinių poveikį sistemos veikimui43.Čia siūlome panaudoti plastinę varžinės atminties elgseną kaip priemonę paveikti neuronų įvesties stiprinimą ir sumažinti neuromorfinių grandinių kintamumo poveikį.Kaip parodyta pav.4e, laidumo lygiai, susiję su RRAM sinaptine mase, veiksmingai moduliavo atitinkamą nervinės membranos įtampos atsaką.Mes naudojame kartotinę RRAM programavimo strategiją.Tam tikram įėjimui sinapsinių svorių laidumo vertės perprogramuojamos tol, kol gaunama tikslinė grandinės elgsena (žr. Metodai).
a Eksperimentiniai devynių atsitiktinai atrinktų atskirų neuronų atsako į tą patį įvesties impulsą matavimai.Atsakas įvairiose populiacijose skiriasi ir turi įtakos įvesties padidėjimui ir laiko konstantai.b Eksperimentiniai neuronų įtakos neuronų, turinčių įtakos krypčiai jautriam CD, kintamumui matavimai.Du krypčiai jautrūs CD išvesties neuronai skirtingai reaguoja į įvesties dirgiklius dėl neuronų ir neuronų kintamumo.0 neurono įvesties stiprinimas yra mažesnis nei 1 neurono, todėl norint sukurti išvesties smaigalį, reikia trijų įvesties impulsų (vietoj 1).Kaip ir tikėtasi, 1 neuronas pasiekia slenkstį su dviem įvesties įvykiais.Jei 1 įvestis ateina Δt = 50 µs po to, kai užsidega 0 neuronas, CD tyli, nes Δt yra didesnis nei 1 neurono laiko konstanta (apie 22 µs).c sumažinamas Δt = 20 µs, todėl 1 įvestis pasiekia aukščiausią tašką, kai 1 neurono sudegimas vis dar yra didelis, todėl vienu metu aptinkami du įvesties įvykiai.
Du ITD skaičiavimo stulpelyje naudojami elementai yra delsos linija ir krypties nejautrus CD.Abi grandinės reikalauja tikslaus kalibravimo, kad būtų užtikrintas geras objekto padėties nustatymas.Vėlavimo linija turi pateikti tiksliai uždelstą įvesties piko versiją (6a pav.), o kompaktinis diskas turi būti įjungtas tik tada, kai įvestis patenka į tikslinio aptikimo diapazoną.Vėlavimo linijai įvesties jungčių (G3 4a pav.) sinapsiniai svoriai buvo perprogramuoti, kol buvo gautas tikslinis delsimas.Norėdami sustabdyti programą, nustatykite tikslinės delsos toleranciją: kuo mažesnė paklaida, tuo sunkiau sėkmingai nustatyti vėlavimo liniją.Ant pav.6b paveiksle pavaizduoti vėlinimo linijos kalibravimo proceso rezultatai: matyti, kad siūloma schema gali tiksliai numatyti visus projektavimo schemoje reikalingus vėlavimus (nuo 10 iki 300 μs).Didžiausias kalibravimo iteracijų skaičius turi įtakos kalibravimo proceso kokybei: 200 iteracijų gali sumažinti paklaidą iki mažiau nei 5%.Viena kalibravimo iteracija atitinka RRAM elemento nustatymo/atstatymo operaciją.Derinimo procesas taip pat yra labai svarbus siekiant pagerinti CD modulio momentinio uždarymo įvykio aptikimo tikslumą.Prireikė dešimties kalibravimo iteracijų, kad būtų pasiektas tikras teigiamas rodiklis (ty įvykių, teisingai identifikuotų kaip reikšmingas) dažnis, didesnis nei 95 % (mėlyna linija 6c paveiksle).Tačiau derinimo procesas neturėjo įtakos klaidingai teigiamiems įvykiams (ty įvykių, kurie buvo klaidingai identifikuoti kaip svarbūs, dažniui).Kitas biologinėse sistemose pastebėtas metodas greitai aktyvuojančių takų laiko apribojimams įveikti yra perteklius (tai yra, tam tikrai funkcijai atlikti naudojama daug to paties objekto kopijų).Įkvėpti biologijos66, kiekviename CD modulyje tarp dviejų vėlinimo linijų įdėjome keletą CD grandinių, kad sumažintume klaidingų teigiamų rezultatų poveikį.Kaip parodyta pav.6c (žalia linija), įdėjus tris CD elementus į kiekvieną CD modulį, klaidingo aliarmo dažnis gali sumažėti iki mažiau nei 10–2.
Neuronų kintamumo poveikis vėlinimo linijos grandinėms.b Vėlavimo linijos grandinės gali būti padidintos iki didelių vėlavimų, nustatant atitinkamų LIF neuronų ir DPI sinapsių laiko konstantas į dideles reikšmes.Padidinus RRAM kalibravimo procedūros iteracijų skaičių, buvo galima žymiai pagerinti tikslinio delsos tikslumą: 200 iteracijų paklaidą sumažino iki mažiau nei 5%.Viena iteracija atitinka SET/RESET operaciją RRAM langelyje.Kiekvienas c Jeffress modelio CD modulis gali būti įdiegtas naudojant N lygiagrečių CD elementų, kad būtų didesnis lankstumas sistemos gedimų atveju.d Daugiau RRAM kalibravimo iteracijų padidina tikrąjį teigiamą rodiklį (mėlyna linija), o klaidingai teigiamas rodiklis nepriklauso nuo iteracijų skaičiaus (žalia linija).Įdėjus daugiau CD elementų lygiagrečiai, išvengiama klaidingo CD modulio atitikčių aptikimo.
Dabar įvertiname 2 paveiksle parodytos nuo galo iki galo integruotos objektų lokalizavimo sistemos veikimą ir energijos suvartojimą, naudodami pMUT jutiklio, CD ir vėlinimo linijų grandinių, sudarančių neuromorfinį skaičiavimo grafiką, akustinių savybių matavimus.Jeffreso modelis (1a pav.).Kalbant apie neuromorfinį skaičiavimo grafiką, kuo didesnis CD modulių skaičius, tuo geresnė kampinė skiriamoji geba, bet ir didesnė sistemos energija (7a pav.).Kompromisą galima pasiekti lyginant atskirų komponentų (pMUT jutiklių, neuronų ir sinapsinių grandinių) tikslumą su visos sistemos tikslumu.Vėlavimo linijos skiriamąją gebą riboja modeliuojamų sinapsių ir neuronų laiko konstantos, kurios mūsų schemoje viršija 10 µs, o tai atitinka 4° kampinę skiriamąją gebą (žr.Pažangesni mazgai su CMOS technologija leis kurti neuronines ir sinapsines grandines su mažesnėmis laiko konstantomis, todėl vėlavimo linijos elementai bus tikslesni.Tačiau mūsų sistemoje tikslumą riboja kampinės padėties įvertinimo klaida pMUT, ty 10° (mėlyna horizontali linija 7a pav.).Nustatėme, kad CD modulių skaičius yra 40, o tai atitinka maždaug 4° kampinę skiriamąją gebą, ty skaičiavimo grafiko kampinį tikslumą (šviesiai mėlyna horizontali linija 7a pav.).Sistemos lygiu tai suteikia 4° skiriamąją gebą ir 10° tikslumą objektams, esantiems 50 cm prieš jutiklių sistemą.Šią vertę galima palyginti su neuromorfinėmis garso lokalizavimo sistemomis, nurodytomis nuorodoje.67. Siūlomos sistemos palyginimą su naujausia technika galima rasti 1 papildomoje lentelėje. Papildomų pMUT pridėjimas, akustinio signalo lygio padidinimas ir elektroninio triukšmo mažinimas yra galimi būdai dar labiau pagerinti lokalizacijos tikslumą.) įvertintas 9,7.nz.55. Atsižvelgiant į 40 CD vienetų skaičiavimo grafike, SPICE modeliavimas apskaičiavo, kad vienos operacijos energija (ty objekto padėties nustatymo energija) yra 21,6 nJ.Neuromorfinė sistema aktyvuojama tik atėjus įvesties įvykiui, ty kai akustinė banga pasiekia bet kurį pMUT imtuvą ir viršija aptikimo slenkstį, kitu atveju ji lieka neaktyvi.Taip išvengiama nereikalingo energijos suvartojimo, kai nėra įvesties signalo.Atsižvelgiant į 100 Hz lokalizavimo operacijų dažnį ir 300 µs aktyvavimo periodą vienai operacijai (didžiausias įmanomas ITD), neuromorfinio skaičiavimo grafiko energijos suvartojimas yra 61,7 nW.Kiekvienam pMUT imtuvui pritaikius neuromorfinį išankstinį apdorojimą, visos sistemos energijos suvartojimas siekia 81,6 nW.Norėdami suprasti siūlomo neuromorfinio metodo energijos vartojimo efektyvumą, palyginti su įprastine aparatine įranga, palyginome šį skaičių su energija, reikalinga tai pačiai užduočiai atlikti šiuolaikiniame mažos galios mikrovaldiklyje, naudojant neuromorfinį arba įprastą pluošto formavimą68.Taikant neuromorfinį metodą atsižvelgiama į analoginio-skaitmeninio keitiklio (ADC) etapą, po kurio seka juostos pralaidumo filtras ir apvalkalo ištraukimo stadija (Teeger-Kaiser metodas).Galiausiai, norint išgauti ToF, atliekama slenksčio operacija.Mes praleidome ITD skaičiavimą pagal ToF ir konvertavimą į apskaičiuotą kampinę padėtį, nes tai įvyksta vieną kartą kiekvienam matavimui (žr. Metodai).Darant prielaidą, kad diskretizavimo dažnis abiejuose kanaluose (pMUT imtuvai) yra 250 kHz, 18 dažnių juostos pralaidumo filtrų, 3 apvalkalo ištraukimo operacijos ir 1 slenksčio operacija vienam mėginiui, bendras energijos suvartojimas yra 245 mikrovatai.Tam naudojamas mažos galios mikrovaldiklio režimas69, kuris įsijungia, kai nevykdomi algoritmai, o tai sumažina energijos suvartojimą iki 10,8 µW.Nuorodoje siūlomo pluošto formavimo signalo apdorojimo sprendimo energijos suvartojimas.31, su 5 pMUT imtuvais ir 11 spindulių, tolygiai paskirstytų azimuto plokštumoje [-50°, +50°], yra 11,71 mW (daugiau informacijos rasite skyriuje Metodai).Be to, mes pranešame apie 1,5 mW FPGA47 pagrįsto laiko skirtumo kodavimo įrenginio (TDE) energijos suvartojimą, kuris pakeičia Jeffress modelį objektų lokalizavimui.Remiantis šiais skaičiavimais, siūlomas neuromorfinis metodas sumažina energijos suvartojimą penkiomis dydžių eilėmis, palyginti su mikrovaldikliu, naudojančiu klasikinius spindulių formavimo metodus objektų lokalizavimo operacijoms.Pritaikius neuromorfinį signalų apdorojimo metodą klasikiniame mikrovaldiklyje, energijos suvartojimas sumažėja maždaug dviem dydžiais.Siūlomos sistemos efektyvumą galima paaiškinti asinchroninės varžinės atminties analoginės grandinės, galinčios atlikti skaičiavimus atmintyje, deriniu ir signalams suvokti reikalingo analoginio į skaitmeninį konvertavimo nebuvimu.
a Lokalizacijos operacijos kampinė skiriamoji geba (mėlyna) ir energijos suvartojimas (žalia) priklausomai nuo CD modulių skaičiaus.Tamsiai mėlyna horizontali juosta rodo PMUT kampinį tikslumą, o šviesiai mėlyna horizontali juosta – neuromorfinio skaičiavimo grafiko kampinį tikslumą.b Siūlomos sistemos energijos suvartojimas ir palyginimas su dviem aptartais mikrovaldiklių diegimais ir skaitmeniniu laiko skirtumo kodavimo (TDE)47 FPGA įgyvendinimu.
Siekdami sumažinti tikslinės lokalizacijos sistemos energijos suvartojimą, sukūrėme, suprojektavome ir įdiegėme efektyvią, įvykiais pagrįstą RRAM pagrįstą neuromorfinę grandinę, kuri apdoroja signalo informaciją, kurią generuoja įtaisytieji jutikliai, kad apskaičiuotų tikslinio objekto padėtį realiai. laikas..Nors tradiciniai apdorojimo metodai nuolat atrenka aptiktus signalus ir atlieka skaičiavimus, kad gautų naudingą informaciją, siūlomas neuromorfinis sprendimas atlieka skaičiavimus asinchroniškai, kai gaunama naudinga informacija, padidindamas sistemos energijos vartojimo efektyvumą penkiomis dydžių eilėmis.Be to, pabrėžiame RRAM pagrįstų neuromorfinių grandinių lankstumą.RRAM gebėjimas keisti laidumą nepastoviai (plastiškumas) kompensuoja būdingą itin mažos galios analoginio DPI sinapsinių ir neuronų grandinių kintamumą.Dėl to ši RRAM pagrįsta grandinė yra universali ir galinga.Mūsų tikslas yra ne iš signalų išgauti sudėtingas funkcijas ar modelius, o lokalizuoti objektus realiuoju laiku.Mūsų sistema taip pat gali efektyviai suspausti signalą ir galiausiai nusiųsti jį į tolesnius apdorojimo veiksmus, kad prireikus priimtų sudėtingesnius sprendimus.Lokalizacijos programų kontekste mūsų neuromorfinio išankstinio apdorojimo žingsnis gali suteikti informacijos apie objektų vietą.Ši informacija gali būti naudojama, pavyzdžiui, judesio aptikimui arba gestų atpažinimui.Pabrėžiame itin mažos galios jutiklių, tokių kaip pMUT, derinimo su itin mažos galios elektronikos svarbą.Šiuo tikslu neuromorfiniai metodai buvo labai svarbūs, nes jie paskatino mus sukurti naujus biologiškai įkvėptų skaičiavimo metodų, pvz., Jeffreso modelio, grandinės įgyvendinimus.Naudojant jutiklių suliejimo programas, mūsų sistema gali būti derinama su keliais skirtingais įvykiais pagrįstais jutikliais, kad būtų gauta tikslesnė informacija.Nors pelėdos puikiai randa grobį tamsoje, jos turi puikų regėjimą ir prieš gaudamos grobį atlieka kombinuotą klausos ir regos paiešką70.Kai užsidega konkretus klausos neuronas, pelėda gauna informaciją, kurios jai reikia, kad nustatytų, kuria kryptimi pradėti vizualinę paiešką, taip sutelkiant dėmesį į nedidelę regėjimo scenos dalį.Kuriant būsimus autonominius agentus, reikėtų ištirti vizualinių jutiklių (DVS kameros) ir siūlomo klausymosi jutiklio (pagal pMUT) derinį.
pMUT jutiklis yra ant PCB su dviem imtuvais maždaug 10 cm atstumu vienas nuo kito, o siųstuvas yra tarp imtuvų.Šiame darbe kiekviena membrana yra pakabinta bimorfinė struktūra, kurią sudaro du 800 nm storio pjezoelektrinio aliuminio nitrido (AlN) sluoksniai, įterpti tarp trijų 200 nm storio molibdeno (Mo) sluoksnių ir padengti 200 nm storio sluoksniu.viršutinį pasyvųjį SiN sluoksnį, kaip aprašyta nuorodoje.71. Vidinis ir išorinis elektrodai dedami ant apatinio ir viršutinio molibdeno sluoksnių, o vidurinis molibdeno elektrodas yra neraštuotas ir naudojamas kaip įžeminimas, todėl susidaro membrana su keturiomis elektrodų poromis.
Ši architektūra leidžia naudoti bendrą membranos deformaciją, todėl pagerėjo perdavimo ir priėmimo jautrumas.Tokio pMUT kaip emiterio sužadinimo jautrumas paprastai yra 700 nm / V, o paviršiaus slėgis yra 270 Pa / V.Kaip imtuvas, viena pMUT plėvelė turi 15 nA / Pa trumpojo jungimo jautrumą, kuris yra tiesiogiai susijęs su AlN pjezoelektriniu koeficientu.Techninis įtampos kintamumas AlN sluoksnyje lemia rezonansinio dažnio pasikeitimą, kurį galima kompensuoti pritaikius DC poslinkį pMUT.Nuolatinės srovės jautrumas buvo matuojamas esant 0,5 kHz/V.Akustiniam apibūdinimui prieš pMUT naudojamas mikrofonas.
Norėdami išmatuoti aido impulsą, priešais pMUT įdėjome stačiakampę plokštelę, kurios plotas yra apie 50 cm2, kad atspindėtų skleidžiamas garso bangas.Tiek atstumas tarp plokščių, tiek kampas pMUT plokštumos atžvilgiu yra valdomi naudojant specialius laikiklius.Tectronix CPX400DP įtampos šaltinis įjungia tris pMUT membranas, suderindamas rezonansinį dažnį iki 111,9 kHz31, o siųstuvus varo Tectronix AFG 3102 impulsų generatorius, suderintas pagal rezonansinį dažnį (111,9 kHz) ir 0,01 darbo ciklą.Srovės, nuskaitytos iš keturių kiekvieno pMUT imtuvo išvesties prievadų, yra konvertuojamos į įtampą naudojant specialią diferencinę srovės ir įtampos architektūrą, o gautus signalus skaitmenina duomenų rinkimo sistema Spektrum.Aptikimo riba buvo apibūdinta pMUT signalo gavimu skirtingomis sąlygomis: atšvaitą perkėlėme į skirtingus atstumus [30, 40, 50, 60, 80, 100] cm ir pakeitėme pMUT atramos kampą ([0, 20, 40] o ) 2b paveiksle parodyta laiko ITD aptikimo skiriamoji geba, priklausomai nuo atitinkamos kampinės padėties laipsniais.
Šiame straipsnyje naudojamos dvi skirtingos RRAM grandinės.Pirmasis yra 16 384 (16 000) įrenginių (128 × 128 įrenginių) masyvas 1T1R konfigūracijoje su vienu tranzistoriumi ir vienu rezistoriumi.Antrasis lustas yra neuromorfinė platforma, parodyta 4a pav.RRAM elementą sudaro 5 nm storio HfO2 plėvelė, įdėta į TiN/HfO2/Ti/TiN krūvą.RRAM krūva yra integruota į standartinio 130 nm CMOS proceso eilutę (BEOL).RRAM pagrindu sukurtos neuromorfinės grandinės yra projektavimo iššūkis visų analoginių elektroninių sistemų, kuriose RRAM įrenginiai egzistuoja kartu su tradicine CMOS technologija.Visų pirma, RRAM įrenginio laidumo būsena turi būti nuskaityta ir naudojama kaip sistemos funkcijos kintamasis.Šiuo tikslu buvo suprojektuota, pagaminta ir išbandyta grandinė, kuri nuskaito srovę iš įrenginio, kai gaunamas įvesties impulsas, ir naudoja šią srovę diferencialinės poros integratoriaus (DPI) sinapsės atsakui pasverti.Ši grandinė parodyta 3a paveiksle, kuriame pavaizduoti pagrindiniai neuromorfinės platformos blokai 4a paveiksle.Įvesties impulsas suaktyvina 1T1R įrenginio užtvaras, sukeldamas srovę per RRAM, proporcingą įrenginio laidumui G (Iweight = G(Vtop – Vx)).Operacinio stiprintuvo (operacinio stiprintuvo) grandinės invertuojantis įėjimas turi pastovią nuolatinės srovės poslinkio įtampą Vtop.Operatyvinio stiprintuvo neigiamas grįžtamasis ryšys suteiks Vx = Vtop, tiekdamas vienodą srovę iš M1.Dabartinis Iweight, gautas iš įrenginio, įšvirkščiamas į DPI sinapsę.Stipresnė srovė sukels didesnę depoliarizaciją, todėl RRAM laidumas efektyviai įgyvendina sinapsinius svorius.Ši eksponentinė sinapsinė srovė įpurškiama per nesandarių integracijos ir sužadinimo (LIF) neuronų membraninį kondensatorių, kur ji yra integruota kaip įtampa.Peržengus slenkstinę membranos įtampą (inverterio perjungimo įtampą), įjungiama neurono išėjimo dalis ir susidaro išėjimo smaigalys.Šis impulsas grįžta ir šuntuoja neurono membranos kondensatorių į žemę, todėl jis išsikrauna.Tada ši grandinė papildyta impulsų plėtikliu (neparodyta 3a pav.), kuris formuoja LIF neurono išėjimo impulsą iki tikslinio impulso pločio.Kiekvienoje linijoje taip pat yra įmontuoti multiplekseriai, leidžiantys įtampą prijungti prie RRAM įrenginio viršutinio ir apatinio elektrodo.
Elektriniai bandymai apima analoginių grandinių dinaminės elgsenos analizę ir registravimą, taip pat RRAM įrenginių programavimą ir skaitymą.Abiems žingsniams reikalingi specialūs įrankiai, kurie visi vienu metu prijungiami prie jutiklio plokštės.Prieiga prie RRAM įrenginių neuromorfinėse grandinėse vykdoma iš išorinių įrankių per multiplekserį (MUX).MUX atskiria 1T1R elementą nuo likusios grandinės, kuriai ji priklauso, todėl įrenginį galima nuskaityti ir (arba) programuoti.RRAM įrenginiams programuoti ir nuskaityti naudojamas Keithley 4200 SCS aparatas kartu su Arduino mikrovaldikliu: pirmasis skirtas tiksliam impulsų generavimui ir srovės nuskaitymui, o antrasis – greitai pasiekti atskirus 1T1R elementus atminties masyve.Pirmoji operacija yra RRAM įrenginio formavimas.Elementai parenkami po vieną, o tarp viršutinio ir apatinio elektrodo įvedama teigiama įtampa.Šiuo atveju srovė ribojama iki dešimčių mikroamperų, nes į selektorių tranzistorių tiekiama atitinkama vartų įtampa.Tada RRAM ląstelė gali pereiti tarp žemos laidumo būsenos (LCS) ir didelės laidumo būsenos (HCS), naudodama atitinkamai RESET ir SET operacijas.SET operacija atliekama taikant stačiakampį 1 μs trukmės įtampos impulsą, kurio didžiausia įtampa yra 2,0–2,5 V, o viršutinį elektrodą ir panašios formos sinchronizavimo impulsą, kurio didžiausia įtampa yra 0,9–1,3 V. selektorių tranzistoriaus vartai.Šios vertės leidžia moduliuoti RRAM laidumą 20–150 µs intervalais.Atkuriant RESET, 1 µs pločio 3 V didžiausias impulsas perduodamas apatiniam elemento elektrodui (bitų linijai), kai vartų įtampa yra 2,5–3,0 V diapazone. Analoginių grandinių įėjimai ir išėjimai yra dinaminiai signalai. .Norėdami įvesti, du HP 8110 impulsų generatorius sujungėme su Tektronix AFG3011 signalų generatoriais.Įvesties impulso plotis yra 1 µs, o kilimo / kritimo kraštas yra 50 ns.Manoma, kad tokio tipo impulsai yra tipiškas analoginių trikdžių pagrįstų grandinių gedimas.Kalbant apie išėjimo signalą, išvesties signalas buvo įrašytas naudojant Teledyne LeCroy 1 GHz osciloskopą.Įrodyta, kad osciloskopo gavimo greitis nėra ribojantis veiksnys analizuojant ir ginant grandinės duomenis.
Analoginės elektronikos dinamikos naudojimas neuronų ir sinapsių elgsenai imituoti yra elegantiškas ir efektyvus sprendimas, skirtas pagerinti skaičiavimo efektyvumą.Šio skaičiavimo pagrindo trūkumas yra tas, kad jis skirsis priklausomai nuo schemos.Kiekybiškai įvertinome neuronų ir sinapsinių grandinių kintamumą (papildomas 2a, b pav.).Iš visų kintamumo apraiškų sistemos lygmeniu didžiausią įtaką turi tie, kurie yra susiję su laiko konstantomis ir įvesties padidėjimu.LIF neurono ir DPI sinapsės laiko konstanta nustatoma RC grandine, kur R reikšmę valdo poslinkio įtampa, taikoma tranzistoriaus vartams (Vlk neuronui ir Vtau sinapsei), nustatant nuotėkio greitis.Įvesties stiprinimas apibrėžiamas kaip didžiausia įtampa, kurią pasiekia sinapsinės ir neuroninės membranos kondensatoriai, stimuliuojami įvesties impulsu.Įvesties stiprinimą valdo kitas poslinkis tranzistorius, kuris moduliuoja įvesties srovę.Buvo atliktas Monte Karlo modeliavimas, kalibruotas ST Microelectronics 130 nm procesu, siekiant surinkti tam tikrą įvesties stiprinimo ir laiko konstantos statistiką.Rezultatai pateikti 2 papildomame paveiksle, kur įvesties stiprinimas ir laiko konstanta yra kiekybiškai įvertinti kaip poslinkio įtampa, kontroliuojanti nuotėkio greitį.Žalieji žymekliai kiekybiškai įvertina standartinį laiko konstantos nuokrypį nuo vidurkio.Tiek neuronai, tiek sinapsinės grandinės galėjo išreikšti platų laiko konstantų diapazoną 10-5-10-2 s diapazone, kaip parodyta papildomoje schemoje.Neuronų ir sinapsių kintamumo įvesties stiprinimas (papildomas 2e, d pav.) buvo atitinkamai maždaug 8% ir 3%.Toks trūkumas yra gerai dokumentuotas literatūroje: buvo atlikti įvairūs DYNAP lustų masyvo matavimai, siekiant įvertinti LIF63 neuronų populiacijų neatitikimą.Buvo išmatuotos „BrainScale“ mišraus signalo lusto sinapsės ir išanalizuoti jų neatitikimai, taip pat pasiūlyta kalibravimo procedūra, siekiant sumažinti sistemos lygio kintamumo poveikį64.
RRAM funkcija neuromorfinėse grandinėse yra dvejopa: architektūros apibrėžimas (įvesčių nukreipimas į išėjimus) ir sinaptinių svorių įgyvendinimas.Pastaroji savybė gali būti panaudota sprendžiant modeliuojamų neuromorfinių grandinių kintamumo problemą.Sukūrėme paprastą kalibravimo procedūrą, kuri apima RRAM įrenginio perprogramavimą tol, kol analizuojama grandinė atitiks tam tikrus reikalavimus.Tam tikros įvesties išvestis yra stebima ir RRAM perprogramuojama, kol pasiekiama tikslinė elgsena.Tarp programavimo operacijų buvo įvestas 5 s laukimo laikas, siekiant išspręsti RRAM atsipalaidavimo problemą, dėl kurios atsiranda trumpalaikių laidumo svyravimų (papildoma informacija).Sinapsiniai svoriai koreguojami arba kalibruojami pagal modeliuojamos neuromorfinės grandinės reikalavimus.Kalibravimo procedūra apibendrinta papildomuose algoritmuose [1, 2], kuriuose dėmesys sutelkiamas į dvi pagrindines neuromorfinių platformų ypatybes – delsos linijas ir krypčiai nejautrų CD.Grandinei su vėlinimo linija siekiama užtikrinti išėjimo impulsą su vėlavimu Δt.Jei tikroji grandinės delsa yra mažesnė už tikslinę vertę, G3 sinapsinis svoris turėtų būti sumažintas (G3 turėtų būti nustatytas iš naujo ir tada nustatytas į mažesnę atitinkamą srovę Icc).Ir atvirkščiai, jei faktinis uždelsimas yra didesnis nei tikslinė vertė, G3 laidumas turi būti padidintas (G3 pirmiausia turi būti nustatytas iš naujo, o po to nustatoma didesnė Icc reikšmė).Šis procesas kartojamas tol, kol grandinės sugeneruotas delsimas sutampa su tiksline verte ir nustatoma leistina nuokrypa, kad sustabdytų kalibravimo procesą.Orientacijai nejautrių kompaktinių diskų kalibravimo procese dalyvauja du RRAM įrenginiai – G1 ir G3.Ši grandinė turi du įėjimus, Vin0 ir Vin1, atidėtus dt.Grandinė turėtų reaguoti tik į vėlavimus, esančius žemiau atitikimo diapazono [0,dtCD].Jei išvesties smailės nėra, bet įvesties smailė yra artima, abu RRAM įrenginiai turėtų būti sustiprinti, kad neuronas pasiektų slenkstį.Ir atvirkščiai, jei grandinė reaguoja į vėlavimą, viršijantį tikslinį dtCD diapazoną, laidumas turi būti sumažintas.Kartokite procesą, kol pasieksite teisingą elgesį.Atitikties srovę galima moduliuoti įmontuota analogine grandine nuorodoje.72.73.Naudojant šią integruotą grandinę, tokias procedūras galima periodiškai atlikti norint kalibruoti sistemą arba pakartotinai panaudoti ją kitai programai.
Mes vertiname mūsų neuromorfinio signalo apdorojimo metodo energijos suvartojimą standartiniame 32 bitų mikrovaldiklyje68.Šiame vertinime darome prielaidą, kad veikia ta pati sąranka, kaip ir šiame dokumente, su vienu pMUT siųstuvu ir dviem pMUT imtuvais.Šis metodas naudoja juostos pralaidumo filtrą, po kurio seka apvalkalo ištraukimo žingsnis (Teeger-Kaiser), o galiausiai signalui taikoma slenksčio operacija, siekiant išgauti skrydžio laiką.Vertinant neskaičiuojamas ITD ir jo konvertavimas į aptikimo kampus.Svarstome juostos pralaidumo filtro įgyvendinimą naudojant 4 eilės begalinio impulsinio atsako filtrą, kuriam reikia 18 slankiojo kablelio operacijų.Vokų ištraukimui naudojamos dar trys slankiojo kablelio operacijos, o paskutinė operacija naudojama slenksčiui nustatyti.Iš viso reikia atlikti 22 slankiojo kablelio operacijas, kad būtų galima iš anksto apdoroti signalą.Perduotas signalas yra trumpas 111,9 kHz sinusinės bangos formos pliūpsnis, generuojamas kas 10 ms, todėl padėties nustatymo veikimo dažnis yra 100 Hz.Naudojome 250 kHz atrankos dažnį, kad atitiktume Nyquist, ir 6 ms langą kiekvienam matavimui, kad užfiksuotume 1 metro diapazoną.Atminkite, kad 6 milisekundės yra objekto, esančio už 1 metro, skrydžio laikas.Tai užtikrina 180 µW energijos suvartojimą A/D konvertavimui esant 0,5 MSPS.Išankstinis signalo apdorojimas yra 6,60 MIPS (instrukcijos per sekundę), generuojant 0,75 mW.Tačiau mikrovaldiklis gali persijungti į mažos galios režimą 69, kai algoritmas neveikia.Šis režimas užtikrina 10,8 μW statinį energijos suvartojimą ir 113 μs pažadinimo laiką.Esant 84 MHz taktiniam dažniui, mikrovaldiklis atlieka visas neuromorfinio algoritmo operacijas per 10 ms, o algoritmas apskaičiuoja 6,3 % darbo ciklą, taigi naudodamas mažos galios režimą.Gaunamas galios išsklaidymas yra 244,7 μW.Atkreipkite dėmesį, kad neįvertiname ITD išvesties iš ToF ir konvertavimo į aptikimo kampą, taip neįvertindami mikrovaldiklio energijos suvartojimo.Tai suteikia papildomos vertės siūlomos sistemos energijos vartojimo efektyvumui.Kaip papildomą palyginimo sąlygą įvertiname nuorodoje siūlomų klasikinių spindulių formavimo metodų energijos suvartojimą.31,54, kai įterptas į tą patį mikrovaldiklį68, esant 1,8 V maitinimo įtampai.Spindulio formavimo duomenims gauti naudojamos penkios tolygiai išdėstytos pMUT membranos.Kalbant apie patį apdorojimą, naudojamas pluošto formavimo metodas yra vėlavimo sumavimas.Tai paprasčiausiai apima vėlavimą juostoms, atitinkančioms numatomą atvykimo laiko skirtumą tarp vienos juostos ir atskaitos juostos.Jei signalai yra fazėje, po laiko poslinkio šių signalų suma turės didelę energiją.Jei jie yra ne fazėje, destruktyvūs trukdžiai apribos jų sumos energiją.santykiuose.Ant pav.31, parenkamas 2 MHz diskretizavimo dažnis, kad duomenys būtų perkeliami laiku sveikuoju mėginių skaičiumi.Kuklesnis būdas yra išlaikyti grubesnį 250 kHz mėginių ėmimo dažnį ir naudoti baigtinio impulso atsako (FIR) filtrą, kad būtų galima susintetinti trupmeninius vėlavimus.Darysime prielaidą, kad pluošto formavimo algoritmo sudėtingumą daugiausia lemia laiko poslinkis, nes kiekvienas kanalas yra susuktas su FIR filtru su 16 bakstelėjimų kiekviena kryptimi.Norėdami apskaičiuoti šiai operacijai reikalingą MIPS skaičių, atsižvelgiame į 6 ms langą vienam matavimui, kad būtų užfiksuotas 1 metro diapazonas, 5 kanalai, 11 spindulio formavimo krypčių (diapazonas +/- 50° 10° žingsniais).75 matavimai per sekundę padidino mikrovaldiklį iki didžiausios 100 MIPS.Nuoroda.68, todėl, pridėjus integruotą ADC įnašą, galios išsklaidymas yra 11,26 mW, o bendras galios išsklaidymas yra 11,71 mW.
Šio tyrimo rezultatus patvirtinančius duomenis pagrįstu prašymu gali gauti atitinkamas autorius FM.
Indiveri, G. & Sandamirskaya, Y. Erdvės ir laiko svarba signalų apdorojimui neuromorfiniuose agentuose: iššūkis sukurti mažos galios autonominius agentus, sąveikaujančius su aplinka. Indiveri, G. & Sandamirskaya, Y. Erdvės ir laiko svarba signalų apdorojimui neuromorfiniuose agentuose: iššūkis sukurti mažos galios autonominius agentus, sąveikaujančius su aplinka.Indiveri G. ir Sandamirskaya Y. Erdvės ir laiko svarba signalų apdorojimui neuromorfiniuose agentuose: iššūkis sukurti mažos galios autonominius agentus, sąveikaujančius su aplinka. Indiveri, G. & Sandamirskaya, Y. 空间和时间对于神经形态代理中信号处理的重要性：开发与亯主代理的挑战. Indiveri, G. & Sandamirskaya, Y.Indiveri G. ir Sandamirskaya Y. Erdvės ir laiko svarba signalų apdorojimui neuromorfiniuose agentuose: iššūkis sukurti mažos galios autonominius agentus, sąveikaujančius su aplinka.IEEE signalų apdorojimas.Žurnalas 36, 16–28 (2019).
Thorpe, SJ Didžiausias atvykimo laikas: efektyvi neuroninio tinklo kodavimo schema. Eckmiller, R., Hartmann, G. & Hauske, G. (reds). Eckmiller, R., Hartmann, G. & Hauske, G. (reds).Eckmiller, R., Hartmann, G. ir Hauske, G. (red.).Eckmiller, R., Hartmann, G. ir Hauske, G. (red.).Lygiagretus apdorojimas neuroninėse sistemose ir kompiuteriuose 91–94 (North-Holland Elsevier, 1990).
Levy, WB & Calvert, VG Komunikacija sunaudoja 35 kartus daugiau energijos nei skaičiavimas žmogaus žievėje, tačiau sinapsės skaičiui numatyti reikia abiejų sąnaudų. Levy, WB & Calvert, VG Komunikacija sunaudoja 35 kartus daugiau energijos nei skaičiavimas žmogaus žievėje, tačiau sinapsės skaičiui numatyti reikia abiejų sąnaudų.Levy, WB ir Calvert, WG komunikacija sunaudoja 35 kartus daugiau energijos nei skaičiavimai žmogaus žievėje, tačiau sinapsių skaičiui numatyti reikia abiejų sąnaudų. Levy, WB & Calvert, VG Communication 消耗的能量是人类皮层计算的35 倍，但这两种成本ヽ需要遰胄测瀪需要预迕瀍 Levy, WB & Calvert, VG komunikacijaLevy, WB ir Calvert, WG komunikacija sunaudoja 35 kartus daugiau energijos nei skaičiuojant žmogaus žievėje, tačiau abiems kaštams reikia numatyti sinapsių skaičių.procesas.Nacionalinė mokslų akademija.Mokslas.US 118, https://doi.org/10.1073/pnas.2008173118 (2021).
Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Vabzdžių įkvėptas neuromorfinis skaičiavimas. Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Vabzdžių įkvėptas neuromorfinis skaičiavimas.Dalgati, T., Vianello, E., DeSalvo, B. ir Casas, J. Vabzdžių įkvėptas neuromorfinis skaičiavimas.Dalgati T., Vianello E., DeSalvo B. ir Casas J. Vabzdžių įkvėptas neuromorfinis skaičiavimas.Dabartinė.Nuomonė.Vabzdžių mokslas.30, 59–66 (2018).
Roy, K., Jaiswal, A. & Panda, P. Smailiais pagrįsto mašininio intelekto su neuromorfiniais skaičiavimais link. Roy, K., Jaiswal, A. & Panda, P. Smailiais pagrįsto mašininio intelekto su neuromorfiniais skaičiavimais link. Roy, K., Jaiswal, A. & Panda, P. Spike-Based Machine Intelligence with Neuromorphic Computing link.Roy K, Jaiswal A ir Panda P. Impulsu pagrįstas dirbtinis intelektas, naudojant neuromorfinį skaičiavimą.Nature 575, 607–617 (2019).
Indiveri, G. ir Liu, S.-C. Indiveri, G. ir Liu, S.-C.Indiveris, G. ir Liu, S.-K. Indiveri, G. ir Liu, S.-C. Indiveri, G. ir Liu, S.-C.Indiveris, G. ir Liu, S.-K.Atmintis ir informacijos apdorojimas neuromorfinėse sistemose.procesas.IEEE 103, 1379–1397 (2015).
Akopyan F. ir kt.Truenorth: 65 mW 1 milijono neuronų programuojamo sinapsinio lusto dizainas ir įrankių rinkinys.IEEE sandoriai.Kompiuterinis integrinių grandynų sistemų projektavimas.34, 1537–1557 (2015).
Schemmel, J. ir kt.Tiesioginė demonstracija: sumažinta BrainScaleS neuromorfinės sistemos versija plokštelės mastu.2012 m. IEEE tarptautinis simpoziumas apie grandines ir sistemas (ISCAS), (IEEE red.) 702–702 (2012).
Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. Keičiama daugiagyslių architektūra su heterogeniškomis atminties struktūromis dinaminiams neuromorfiniams asinchroniniams procesoriams (DYNAP). Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. Keičiama daugiagyslių architektūra su heterogeniškomis atminties struktūromis dinaminiams neuromorfiniams asinchroniniams procesoriams (DYNAP).Moradi S., Qiao N., Stefanini F. ir Indiviri G. Keičiama kelių branduolių architektūra su nevienalytėmis atminties struktūromis dinaminiams neuromorfiniams asinchroniniams procesoriams (DYNAP). Moradi, S., Qiao, N., Stefanini, F. ir Indiveri, G.构内存结构. Moradi, S.、Qiao, N.、Stefanini, F. & Indiveri, G. Išplečiama kelių branduolių architektūra su unikalia atminties struktūra dinaminiam neuronų apdorojimui (DYNAP).Moradi S., Qiao N., Stefanini F. ir Indiviri G. Keičiama kelių branduolių architektūra su nevienalytėmis atminties struktūromis dinaminiams neuromorfiniams asinchroniniams procesoriams (DYNAP).IEEE Transactions on Biomedical Science.elektrinė sistema.12, 106–122 (2018).
Davis, M. ir kt.Loihi: neuromorfinis kelių branduolių procesorius su įterptuoju mokymusi.IEEE Micro 38, 82–99 (2018).
Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker projektas. Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker projektas.Ferber SB, Galluppi F., Temple S. ir Plana LA SpiNNaker projektas.Ferber SB, Galluppi F., Temple S. ir Plana LA SpiNNaker projektas.procesas.IEEE 102, 652–665 (2014).
Liu, S.-K. & Delbruck, T. Neuromorfinės jutimo sistemos. & Delbruck, T. Neuromorfinės jutimo sistemos.ir Delbrück T. Neuromorfinės jutimo sistemos. & Delbruck, T. 神经形态感觉系统. ir Delbrukas, T.ir Delbrück T. Neuromorfinė jutimo sistema.Dabartinė.Nuomonė.Neurobiologija.20, 288–295 (2010).
Chope, T. ir kt.Neuromorfinė jutimo integracija, skirta suderinti garso šaltinio lokalizaciją ir išvengti susidūrimų.2019 m. IEEE biomedicininių grandinių ir sistemų konferencijoje (BioCAS), (IEEE Red.) 1–4 (2019).
Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. A spike-based neuromorphic architecture of stereo vision. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. A spike-based neuromorphic architecture of stereo vision.Risi N, Aymar A, Donati E, Solinas S ir Indiveri G. Spike-based neuromorphic stereovision architektūra. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. 一种基于脉冲的立体视觉神经形态结构. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G.Risi N, Aimar A, Donati E, Solinas S ir Indiveri G. Spike-based neuromorphic architecture for stereo vision.priekyje.Neurorobotics 14, 93 (2020).
Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Spiking neuron network model of 3Dperception for event-based neuromorphic stereo vision systems. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Spiking neuron network model of 3Dperception for event-based neuromorphic stereo vision systems.Oswald, M., Ieng, S.-H., Benosman, R. ir Indiveri, G. 3D impulsinio neuroninio tinklo suvokimo modelis įvykiais pagrįstoms neuromorfinėms stereoregioninėms sistemoms. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. 3Dperception 脉冲神经网络模型.Oswald, M., Ieng, S.-H., Benosman, R., and Indiveri, G. Spiked 3Dperception Neural Network Model for an Event-Based Neuromorphic Stereo Vision System.Mokslas.Pranešimas 7, 1–11 (2017).
Dalgaty, T. ir kt.Vabzdžių įkvėptas pagrindinis judesio aptikimas apima varžinę atmintį ir sprogstamuosius neuroninius tinklus.Bioninė biohibridinė sistema.10928, 115–128 (2018).
D'Angelo, G. ir kt.Įvykiu pagrįstas ekscentrinio judesio aptikimas naudojant laiko diferencialinį kodavimą.priekyje.Neurologija.14, 451 (2020).
Paskelbimo laikas: 2022-11-17