Warta

Aplikasi ngolah data dunya nyata merlukeun sistem komputasi kompak, low-latency, low-daya.Kalawan kamampuhan komputasi acara-disetir, komplementer logam-oksida-semikonduktor hibrid arsitéktur neuromorphic memristive nyadiakeun hiji yayasan hardware idéal pikeun tugas sapertos.Pikeun nunjukkeun poténsi pinuh ku sistem sapertos kitu, kami ngajukeun sareng sacara ékspériméntal nunjukkeun solusi pamrosésan sensor komprehensif pikeun aplikasi lokalisasi objék dunya nyata.Ngagambar inspirasi tina neuroanatomy burung hantu lumbung, kami parantos ngembangkeun sistem lokalisasi objék anu didorong ku bioinspired anu ngahijikeun transduser transduser mikromékanik piezoelektrik anu canggih sareng mémori résistif neuromorphic dumasar-graf komputasi.Kami nunjukkeun ukuran sistem anu didamel anu kalebet detektor kabeneran résistif dumasar-memori, sirkuit garis tunda, sareng transduser ultrasonik anu tiasa disaluyukeun.Kami nganggo ieu hasil ékspérimén pikeun calibrate simulasi dina tingkat sistem.simulasi ieu lajeng dipaké pikeun evaluate resolusi sudut sarta efisiensi énergi model lokalisasi objék.Hasilna nunjukkeun yén pendekatan urang tiasa sababaraha ordo gedéna langkung éfisién énergi tibatan mikrokontroler anu ngalaksanakeun tugas anu sami.
Urang nuju kana jaman komputasi ubiquitous dimana jumlah alat sareng sistem anu disebarkeun ngembang sacara éksponénsial pikeun ngabantosan urang dina kahirupan sapopoé.Sistem ieu diharepkeun ngajalankeun terus, consuming salaku saeutik kakuatan sabisa bari diajar napsirkeun data aranjeunna kumpulkeun tina sababaraha sensor sacara real waktos tur ngahasilkeun kaluaran binér salaku hasil tina tugas klasifikasi atawa pangakuan.Salah sahiji léngkah anu paling penting pikeun ngahontal tujuan ieu nyaéta ékstrak inpormasi anu mangpaat sareng kompak tina data indrawi anu ribut sareng sering henteu lengkep.pendekatan rékayasa konvensional ilaharna sampel sinyal sensor dina laju konstan tur luhur, ngahasilkeun jumlah badag data sanajan henteuna inputs mangpaat.Salaku tambahan, metode ieu ngagunakeun téknik ngolah sinyal digital anu kompleks pikeun ngolah data input (sering ribut).Gantina, biologi nawarkeun solusi alternatif pikeun ngolah data indrawi ribut ngagunakeun hémat énergi, Asynchronous, pendekatan acara-disetir (paku)2,3.Komputasi Neuromorphic nyandak inspirasi tina sistem biologis pikeun ngirangan biaya komputasi dina hal énergi sareng syarat mémori dibandingkeun sareng metode pamrosésan sinyal tradisional4,5,6.Anyar-anyar ieu, sistem basis otak tujuan umum inovatif anu ngalaksanakeun jaringan saraf impuls (TrueNorth7, BrainScaleS8, DYNAP-SE9, Loihi10, Spinnaker11) parantos nunjukkeun.Prosesor ieu nyayogikeun kakuatan rendah, solusi latensi rendah pikeun diajar mesin sareng modél sirkuit kortikal.Pikeun pinuh ngamangpaatkeun efisiensi énergi maranéhanana, prosesor neuromorphic ieu kudu langsung disambungkeun ka sensor acara-disetir12,13.Nanging, ayeuna ngan ukur aya sababaraha alat toél anu langsung nyayogikeun data anu didorong ku acara.Conto anu kasohor nyaéta sénsor visual dinamis (DVS) pikeun aplikasi visi sapertos nyukcruk sareng deteksi gerak14,15,16,17 silikon cochlea18 sareng sensor auditory neuromorphic (NAS)19 pikeun ngolah sinyal auditory, sensor olfactory20 sareng seueur conto21,22 touch..sensor tékstur.
Dina makalah ieu, urang nampilkeun sistem pamrosésan auditory acara-disetir karek dimekarkeun dilarapkeun ka lokalisasi objék.Di dieu, pikeun kahiji kalina, urang ngajelaskeun hiji sistem tungtung-to-tungtung pikeun lokalisasi obyék diala ku cara ngahubungkeun kaayaan-of-nu-seni piezoelektrik micromachined transduser ultrasonik (pMUT) jeung grafik komputasi dumasar kana memori résistif neuromorphic (RRAM).Arsitéktur komputasi dina mémori nganggo RRAM mangrupikeun solusi anu ngajangjikeun pikeun ngirangan konsumsi kakuatan23,24,25,26,27,28,29.Non-volatility alamiahna-henteu meryogikeun konsumsi kakuatan aktip pikeun nyimpen atanapi ngapdet inpormasi-mangrupikeun pas sareng sifat komputasi neuromorphic anu teu sinkron, anu didorong ku acara, nyababkeun ampir-henteu aya konsumsi listrik nalika sistem dianggurkeun.Transduser ultrasonik micromachined piezoelektrik (pMUTs) murah, miniaturisasi transduser ultrasonik basis silikon anu tiasa janten pamancar sareng panarima30,31,32,33,34.Pikeun ngolah sinyal anu ditampi ku sénsor anu diwangun, kami narik inspirasi tina neuroanatomy burung hantu lumbung35,36,37.Lumbung bueuk Tyto alba dipikanyaho pikeun kamampuan moro wengi anu luar biasa berkat sistem lokalisasi auditory anu éfisién.Pikeun ngitung lokasi mangsa, sistem lokalisasi burung hantu ngodekeun waktu hiber (ToF) nalika gelombang sora ti mangsa ngahontal unggal ceuli atawa reséptor sora manuk bueuk.Dibikeun jarak antara ceuli, bédana antara dua ukuran ToF (Interural Time Difference, ITD) ngamungkinkeun analitis ngitung posisi azimuth tina target.Sanaos sistem biologis kirang cocog pikeun ngarengsekeun persamaan aljabar, aranjeunna tiasa ngarengsekeun masalah lokalisasi sacara efektif pisan.Sistem saraf barn owl ngagunakeun sakumpulan neuron detektor kabeneran (CD)35 (nyaéta, neuron anu sanggup ngadeteksi korelasi temporal antara paku anu ngarambat ka handap kana tungtung éksitasi konvergen)38,39 disusun kana grafik komputasi pikeun ngajawab masalah posisi.
Panaliti saméméhna nunjukkeun yén hardware logam-oksida-semikonduktor (CMOS) pelengkap sareng hardware neuromorphic basis RRAM diideuan ku colliculus inferior ("cortex auditory") tina bueuk lumbung mangrupikeun metode anu éfisién pikeun ngitung posisi nganggo ITD13, 40, 41, 42, 43, 44, 45, 46. Sanajan kitu, potensi sistem neuromorphic lengkep nu numbu cues auditory kana grafik komputasi neuromorphic geus acan bisa nunjukkeun.Masalah utama nyaéta variability alamiah sirkuit CMOS analog, nu mangaruhan akurasi deteksi cocok.Anyar-anyar ieu, palaksanaan numerik alternatif tina perkiraan ITD47 parantos nunjukkeun.Dina makalah ieu, urang ngajukeun ngagunakeun kamampuh RRAM pikeun ngarobah nilai conductance dina cara non-volatile pikeun counteract variability dina sirkuit analog.Kami ngalaksanakeun sistem ékspérimén anu diwangun ku hiji mémbran pangirim pMUT anu beroperasi dina frékuénsi 111.9 kHz, dua mémbran panarima pMUT (sensor) simulasi ceuli burung hantu, sareng hiji .Kami sacara ékspériméntal dicirikeun sistem deteksi pMUT sareng grafik komputasi ITD basis RRAM pikeun nguji sistem lokalisasi urang sareng ngevaluasi resolusi sudut na.
Kami ngabandingkeun metode kami sareng palaksanaan digital dina mikrokontroler anu ngalaksanakeun tugas lokalisasi anu sami nganggo metode beamforming atanapi neuromorphic konvensional, kitu ogé susunan gerbang programmable lapangan (FPGA) pikeun estimasi ITD anu diusulkeun dina rujukan.47. Babandingan ieu highlights efisiensi kakuatan kalapa tina sistem neuromorphic analog basis RRAM diusulkeun.
Salah sahiji conto anu paling keuna tina sistem lokalisasi obyék anu akurat sareng épisién tiasa dipendakan di barn owl35,37,48.Dina magrib jeung subuh, manuk bueuk lumbung (Tyto Alba) utamana ngandelkeun déngékeun pasif, aktip néangan mangsa leutik kayaning vole atawa beurit.Ieu ahli auditory bisa localize sinyal auditory ti mangsa kalawan akurasi pikaheraneun (kira 2 °)35, ditémbongkeun saperti dina Gbr. 1a.Bueuk lumbung nyimpulkeun lokasi sumber sora dina pesawat azimuth (horizontal) tina bédana waktu hiber asup (ITD) tina sumber sora ka dua ceuli.Mékanisme komputasi ITD diusulkeun ku Jeffress49,50 anu ngandelkeun géométri saraf sareng ngabutuhkeun dua komponén konci: akson, serat saraf neuron anu bertindak salaku garis reureuh, sareng susunan neuron detektor kabeneran anu dikelompokeun kana sistem komputasi.grafik sakumaha ditémbongkeun dina Gambar 1b.Sora nepi ka ceuli ku azimuth dependent time delay (ITD).Sorana tuluy dirobah jadi pola spike dina unggal ceuli.Akson ceuli kénca jeung katuhu bertindak salaku garis reureuh sarta konvergen dina neuron CD.Téoritis, ngan hiji neuron dina Asép Sunandar Sunarya ti neuron cocog bakal nampa input dina hiji waktu (dimana reureuh cancels kaluar persis) jeung bakal seuneu maksimal (sél tatangga ogé bakal seuneu, tapi dina frékuénsi handap).Ngaktipkeun neuron tangtu encode posisi udagan dina spasi tanpa salajengna ngarobah ITD kana sudut.Konsep ieu diringkeskeun dina Gambar 1c: contona, lamun sora datang ti sisi katuhu nalika sinyal input ti ceuli katuhu ngarambat jalur leuwih panjang batan jalur ti ceuli kénca, compensating jumlah ITDs, contona,. nalika neuron 2 cocog.Dina basa sejen, unggal CD ngabales ITD tangtu (ogé katelah reureuh optimal) alatan reureuh axonal.Ku kituna, otak ngarobah informasi temporal kana informasi spasial.bukti anatomis pikeun mékanisme ieu geus kapanggih37,51.Fase-konci neuron macronucleus nyimpen informasi temporal ngeunaan sora nu datang: sakumaha ngaranna ngakibatkeun, aranjeunna seuneu dina fase sinyal tangtu.Neuron detektor kabeneran model Jeffress tiasa dipendakan dina inti laminar.Aranjeunna nampi inpormasi tina neuron makronuklear, anu aksonna bertindak salaku garis reureuh.Jumlah reureuh disadiakeun ku garis reureuh bisa dipedar ku panjang axon, kitu ogé pola myelination sejen nu ngarobah laju konduksi.Diideuan ku sistem auditory bueuk lumbung, kami parantos ngembangkeun sistem biomimetik pikeun lokalisasi objék.Dua ceuli diwakilan ku dua panarima pMUT.Sumber sora nyaéta pamancar pMUT lokasina diantara aranjeunna (Gbr. 1a), sarta grafik komputasi diwangun ku grid sirkuit CD basis RRAM (Gbr. 1b, héjo), maén peran neuron CD nu inputs ditunda.ngaliwatan sirkuit, garis reureuh (biru) meta kawas axons dina pasangan biologis.Sistem indrawi anu diusulkeun béda dina frékuénsi operasi ti manuk bueuk, anu sistem auditoryna beroperasi dina kisaran 1-8 kHz, tapi sénsor pMUT beroperasi sakitar 117 kHz dianggo dina karya ieu.Pilihan transduser ultrasonik dianggap dumasar kana kriteria téknis sareng optimasi.Kahiji, ngawatesan bandwidth narima ka frékuénsi tunggal ideally ngaronjatkeun akurasi pangukuran jeung simplifies hambalan pos-processing.Sajaba ti éta, operasi di ultrasound boga kaunggulan yén pulsa dipancarkeun teu karungu, ku kituna ulah ngaganggu jalma, saprak rentang auditory maranéhanana nyaéta ~ 20-20 kHz.
bueuk lumbung narima gelombang sora ti udagan, dina hal ieu mangsa pindah.Waktu hiber (ToF) gelombang sora béda pikeun unggal ceuli (iwal mangsana langsung di hareupeun manuk bueuk).Garis putus-putus nunjukkeun jalur gelombang sora dugi ka ceuli burung hantu.Mangsa bisa akurat localized dina pesawat horizontal dumasar kana bédana panjang antara dua jalur akustik jeung bédana waktu interaural pakait (ITD) (gambar kénca diideuan ku ref. 74, hak cipta 2002, Society pikeun Neuroscience).Dina sistem kami, pamancar pMUT (biru poék) ngahasilkeun gelombang sora anu mumbul tina udagan.Gelombang ultrasound anu dipantulkeun ditampi ku dua panarima pMUT (héjo lampu) sareng diolah ku prosésor neuromorphic (katuhu).b Hiji modél komputasi ITD (Jeffress) ngajéntrékeun kumaha sora asup kana ceuli burung hantu lumbung mimiti disandikeun jadi paku fase-konci dina inti badag (NM) lajeng ngagunakeun grid nu disusun geometrically neuron detektor cocog dina inti lamellar.Ngolah (Walanda) (kénca).Ilustrasi tina grafik komputasi neuroITD anu ngagabungkeun garis reureuh sareng neuron detektor kabeneran, sistem biosensor burung hantu tiasa dimodelkeun nganggo sirkuit neuromorphic basis RRAM (katuhu).c Schematic sahiji mékanisme Jeffress utama, alatan bédana dina ToF, dua Ceuli narima rangsangan sora dina waktu nu beda jeung ngirim axons ti duanana tungtung ka detektor nu.Akson mangrupikeun bagian tina séri neuron detektor kabeneran (CD), anu masing-masing ngaréspon sacara selektif kana input anu aya hubunganana sareng waktos.Hasilna, ngan CD nu inputs anjog kalawan bédana waktos pangleutikna anu maksimal bungah (ITD persis katembong).CD lajeng bakal encode posisi sudut udagan urang.
Transduser ultrasonik mikromekanis piezoelektrik nyaéta transduser ultrasonik anu tiasa skala anu tiasa dihijikeun sareng téknologi CMOS canggih31,32,33,52 sareng gaduh tegangan awal sareng konsumsi kakuatan anu langkung handap tibatan transduser volumetrik tradisional53.Dina karya urang, diaméter mémbran nyaéta 880 µm, sarta frékuénsi résonansi disebarkeun dina rentang 110-117 kHz (Gbr. 2a, tingali Métode pikeun detil).Dina bets sapuluh alat uji, faktor kualitas rata-rata éta ngeunaan 50 (ref. 31).Téknologi parantos ngahontal kematangan industri sareng henteu bioinspired per se.Ngagabungkeun informasi tina film pMUT béda téh téhnik well-dipikawanoh, sarta informasi sudut bisa didapet tina pMUTs ngagunakeun, contona, téhnik beamforming31,54.Nanging, pamrosésan sinyal anu dipikabutuh pikeun nimba inpormasi sudut henteu cocog pikeun pangukuran daya rendah.Sistem anu diusulkeun ngagabungkeun sirkuit preprocessing data neuromorphic pMUT sareng grafik komputasi neuromorphic berbasis RRAM anu diideuan ku modél Jeffress (Gambar 2c), nyayogikeun solusi hardware anu efisien énergi sareng sumber daya.Kami ngalaksanakeun percobaan dimana dua sénsor pMUT disimpen sakitar 10 cm pikeun ngamangpaatkeun sora ToF anu béda anu ditampi ku dua mémbran anu nampi.Hiji pMUT bertindak salaku pamancar linggih di antara panarima.Target éta plat PVC 12 cm lega, lokasina di jarak D di hareup alat pMUT (Gbr. 2b).Panarima ngarékam sora anu dipantulkeun tina obyék sareng ngaréaksikeun sabisa-bisa salami gelombang sora.Malikan deui percobaan ku cara ngarobah posisi objék, ditangtukeun ku jarak D jeung sudut θ.Diideuan ku link.55, kami ngajukeun pra-processing neuromorphic tina sinyal atah pMUT pikeun ngarobih gelombang anu dipantulkeun kana puncak pikeun ngalebetkeun grafik komputasi neuromorphic.ToF anu pakait sareng amplitudo puncak diékstrak tina unggal dua saluran sareng disandikeun salaku waktos anu pas tina puncak individu.Dina Gbr.2c nunjukkeun sirkuit anu diperyogikeun pikeun ngahubungkeun sénsor pMUT sareng grafik komputasi dumasar RRAM: pikeun tiap tina dua panarima pMUT, sinyal atah disaring band-pass pikeun halus, ngalereskeun, teras diteruskeun ka integrator bocor dina modeu overcoming.bangbarung dinamis (Gbr. 2d) nyiptakeun hiji acara kaluaran (spike) jeung firing (LIF) neuron: waktu spike kaluaran encodes waktu hiber kauninga.Ambang LIF dikalibrasi ngalawan réspon pMUT, ku kituna ngirangan variabilitas pMUT ti alat ka alat.Kalayan pendekatan ieu, tinimbang nyimpen sakabéh gelombang sora dina mémori jeung ngolah éta engké, urang ngan ngahasilkeun puncak pakait jeung ToF gelombang sora, nu ngabentuk input ka grafik komputasi memori résistif.The paku dikirim langsung ka garis reureuh tur parallelized kalawan modul deteksi cocok dina grafik komputasi neuromorphic.Kusabab aranjeunna dikirim ka gerbang transistor, henteu peryogi sirkuit amplifikasi tambahan (tingali Gambar Tambahan 4 pikeun detil).Pikeun meunteun akurasi sudut lokalisasi anu disayogikeun ku pMUT sareng metode pamrosésan sinyal anu diusulkeun, urang ngukur ITD (nyaéta, bédana waktos antara acara puncak anu dihasilkeun ku dua panarima) sabab jarak sareng sudut obyék variasina.Analisis ITD ieu lajeng dirobah jadi sudut (tingali Métode) sarta plotted ngalawan posisi obyék: kateupastian dina ITD diukur ngaronjat kalawan jarak jeung sudut obyék (Gbr. 2e, f).Masalah utama nyaéta rasio puncak-to-noise (PNR) dina réspon pMUT.Beuki jauh obyék, sinyal akustik handap handap, kukituna ngurangan PNR (Gbr. 2f, garis héjo).A panurunan dina PNR ngabalukarkeun kanaékan kateupastian dina estimasi ITD, hasilna kanaékan akurasi lokalisasi (Gbr. 2f, garis biru).Pikeun objék dina jarak 50 cm ti pamancar, akurasi sudut sistem kira 10°.Watesan ieu ditumpukeun ku karakteristik sensor tiasa ningkat.Contona, tekanan dikirim ku emitor bisa ngaronjat, kukituna ngaronjatkeun tegangan nyetir mémbran pMUT.Solusi séjén pikeun ngagedékeun sinyal anu dikirimkeun nyaéta nyambungkeun sababaraha pamancar 56. Solusi ieu bakal ningkatkeun jangkauan deteksi kalayan biaya énergi anu ningkat.Perbaikan tambahan tiasa dilakukeun dina sisi panarima.Lantai noise panarima pMUT tiasa dikirangan sacara signifikan ku cara ningkatkeun sambungan antara pMUT sareng amplifier tahap kahiji, anu ayeuna dilakukeun ku sambungan kawat sareng kabel RJ45.
Gambar tina kristal pMUT sareng genep mémbran 880 µm terpadu dina pitch 1,5 mm.b Diagram pangukuran.Targetna aya dina posisi azimuth θ sareng dina jarak D. Pemancar pMUT ngahasilkeun sinyal 117.6 kHz anu mantul tina udagan sareng ngahontal dua panarima pMUT kalayan waktos-of-flight (ToF) anu béda.Bédana ieu, dihartikeun salaku bédana waktu antar-aural (ITD), ngodekeun posisi hiji obyék sarta bisa ditaksir ku estimasi réspon puncak tina dua sénsor panarima.c Skématik léngkah-léngkah pra-prosés pikeun ngarobih sinyal pMUT atah kana sekuen spike (nyaéta input kana grafik komputasi neuromorphic).Sensor pMUT sareng grafik komputasi neuromorphic parantos didamel sareng diuji, sareng pre-processing neuromorphic dumasar kana simulasi parangkat lunak.d Tanggapan mémbran pMUT nalika nampi sinyal sareng transformasi kana domain spike.e Ékspérimén lokalisasi akurasi sudut salaku fungsi tina sudut obyék (Θ) jeung jarak (D) ka objék sasaran.Métode ékstraksi ITD merlukeun résolusi sudut minimum kira-kira 4°C.f Akurasi sudut (garis biru) sareng rasio puncak-ka-noise (garis héjo) sareng jarak objék pikeun Θ = 0.
memori résistif nyimpen informasi dina kaayaan conductive non-volatile.Prinsip dasar tina métode nyaéta yén modifikasi bahan dina tingkat atom ngabalukarkeun parobahan dina konduktivitas listrik na57.Di dieu kami nganggo mémori résistif dumasar-oksida anu diwangun ku lapisan hafnium dioksida 5nm anu diapit antara éléktroda titanium luhur sareng handap sareng titanium nitrida.Konduktivitas alat RRAM bisa dirobah ku nerapkeun arus / gelombang tegangan nu nyieun atawa megatkeun filaments conductive of vacancies oksigén antara éléktroda.Urang ko-integrasi devices58 misalna kana prosés CMOS 130 nm baku pikeun nyieun circuit neuromorphic reconfigurable fabricated ngalaksanakeun hiji detektor kabeneran sarta sirkuit garis reureuh (Gbr. 3a).Sifat non-volatile jeung analog tina alat, digabungkeun jeung alam acara-disetir sirkuit neuromorphic, ngaminimalkeun konsumsi kakuatan.Sirkuitna ngagaduhan fungsi hurung/pareum instan: beroperasi langsung saatos dihurungkeun, ngamungkinkeun kakuatan pareum lengkep nalika sirkuit dianggurkeun.Blok wangunan utama skéma diusulkeun ditémbongkeun dina Gbr.3b.Ieu diwangun ku N paralel single-resistor single-transistor (1T1R) struktur nu encode beurat synaptic ti mana weighted arus dicokot, nyuntik kana synapse umum hiji diferensial pasangan integrator (DPI)59, sarta tungtungna nyuntik kana synapse kalawan integrasi jeung bocorna.diaktipkeun (LIF) neuron 60 (tingali Métode pikeun detil).Surges input diterapkeun kana gerbang struktur 1T1R dina bentuk runtuyan pulsa tegangan kalayan durasi dina urutan ratusan nanodetik.memori résistif bisa ditempatkeun dina kaayaan conductive tinggi (HCS) ku nerapkeun hiji rujukan positif éksternal mun Vtop nalika Vbottom ieu grounded, tur reset ka kaayaan conductive low (LCS) ku nerapkeun tegangan positif kana Vbottom nalika Vtop ieu grounded.Nilai rata-rata HCS bisa dikawasa ku ngawatesan arus programming (compliance) tina SET (ICC) ku tegangan gerbang-sumber tina transistor runtuyan (Gbr. 3c).Fungsi RRAM dina sirkuit aya dua kali: aranjeunna langsung sareng beurat pulsa input.
Nyeken mikroskop éléktron (SEM) gambar alat HfO2 1T1R RRAM bulao terpadu di 130 nm téhnologi CMOS kalawan transistor pamilih (650 nm rubak) dina héjo.b Blok wangunan dasar tina schema neuromorphic diusulkeun.The pulsa tegangan input (puncak) Vin0 na Vin1 meakeun Iweight ayeuna, nu sabanding jeung kaayaan konduksi G0 na G1 tina struktur 1T1R.Arus ieu nyuntik kana sinapsis DPI sareng ngagumbirakeun neuron LIF.RRAM G0 sareng G1 dipasang dina HCS sareng LCS masing-masing.c Fungsi dénsitas conductance kumulatif pikeun grup 16K alat RRAM salaku fungsi tina cocog arus ICC, nu éféktif ngadalikeun tingkat konduksi.d Ukuran Circuit dina (a) némbongkeun yén G1 (dina LCS) éféktif meungpeuk input ti Vin1 (héjo), sarta memang tegangan mémbran neuron kaluaran ngabales ukur kana input biru ti Vin0.RRAM éféktif nangtukeun sambungan dina sirkuit.e Pangukuran sirkuit dina (b) némbongkeun pangaruh nilai conductance G0 dina tegangan mémbran Vmem sanggeus nerapkeun pulsa tegangan Vin0.Beuki conductance, beuki kuat respon: sahingga, alat RRAM implements I / O weighting sambungan.Pangukuran dilakukeun dina sirkuit sareng nunjukkeun fungsi ganda RRAM, rute sareng beurat pulsa input.
Kahiji, saprak aya dua kaayaan konduksi dasar (HCS na LCS), RRAMs tiasa meungpeuk atawa sono pulsa input basa aranjeunna keur aya di nagara bagian LCS atanapi HCS, mungguh.Hasilna, RRAM éféktif nangtukeun sambungan dina sirkuit.Ieu dasar pikeun bisa reconfigure arsitéktur.Pikeun demonstrate ieu, urang bakal ngajelaskeun hiji palaksanaan circuit fabricated tina blok circuit dina Gambar 3b.RRAM pakait jeung G0 diprogram kana HCS, jeung kadua RRAM G1 diprogram kana LCS.Pulsa input diterapkeun ka Vin0 sareng Vin1.Balukar tina dua sekuen pulsa input dianalisis dina neuron kaluaran ku cara ngumpulkeun tegangan mémbran neuron sareng sinyal kaluaran nganggo osiloskop.Ékspérimén éta suksés nalika ngan ukur alat HCS (G0) disambungkeun kana pulsa neuron pikeun merangsang tegangan mémbran.Ieu nunjukkeun dina Gambar 3d, dimana karéta pulsa biru ngabalukarkeun tegangan mémbran ngawangun up dina kapasitor mémbran, sedengkeun karéta pulsa héjo ngajaga tegangan mémbran konstan.
Fungsi penting kadua RRAM nyaéta palaksanaan beurat sambungan.Ngagunakeun adjustment conductance analog RRAM urang, I / O sambungan bisa weighted sasuai.Dina percobaan kadua, alat G0 ieu diprogram kana tingkat béda HCS, sarta pulsa input dilarapkeun ka input VIn0.Pulsa input ngagambar arus (Beurat) tina alat, anu sabanding sareng konduktansi sareng poténsi turunna Vtop - Vbot.Arus beurat ieu teras disuntikkeun kana sinapsis DPI sareng neuron kaluaran LIF.Tegangan mémbran tina neuron kaluaran dirékam maké oscilloscope tur dipintonkeun dina Gbr. 3d.Puncak tegangan mémbran neuron pikeun ngaréspon kana pulsa input tunggal sabanding sareng konduktansi mémori résistif, nunjukkeun yén RRAM tiasa dianggo salaku unsur anu tiasa diprogram tina beurat sinaptik.Dua tés awal ieu nunjukkeun yén platform neuromorphic basis RRAM anu diusulkeun tiasa ngalaksanakeun unsur dasar mékanisme Jeffress dasar, nyaéta garis reureuh sareng sirkuit detektor kabeneran.Platform sirkuit diwangun ku tumpukan blok berturut-turut sisi-sisi, sapertos blok dina Gambar 3b, sareng nyambungkeun gerbangna ka jalur input umum.Urang dirancang, fabricated, sarta nguji platform neuromorphic diwangun ku dua neuron kaluaran narima dua inputs (Gbr. 4a).Diagram sirkuit dipidangkeun dina Gambar 4b.Matriks 2 × 2 RRAM luhur ngamungkinkeun pulsa input diarahkeun ka dua neuron kaluaran, sedengkeun matriks 2 × 2 handap ngamungkinkeun sambungan dua neuron (N0, N1).Urang demonstrate yén platform ieu bisa dipaké kalawan konfigurasi garis reureuh jeung dua fungsi detektor kabeneran béda, ditémbongkeun saperti ku ukuran eksperimen dina Gbr. 4c-e.
Diagram sirkuit diwangun ku dua neuron kaluaran N0 jeung N1 narima dua inputs 0 jeung 1. Opat luhur alat Asép Sunandar Sunarya nangtukeun sambungan synaptic ti input ka kaluaran, sarta handap opat sél nangtukeun sambungan kumat antara neuron.RRAM berwarna ngagambarkeun alat anu dikonpigurasi dina HCS di sisi katuhu: alat dina HCS ngamungkinkeun sambungan sareng ngagambarkeun beurat, sedengkeun alat dina LCS ngablokir pulsa input sareng nganonaktipkeun sambungan kana kaluaran.b Diagram sirkuit (a) kalawan dalapan modul RRAM disorot dina bulao.c Garis tunda dibentuk ku saukur ngagunakeun dinamika sinapsis DPI sareng neuron LIF.RRAM héjo disetel ka konduktansi anu cukup luhur pikeun tiasa nyababkeun glitch dina kaluaran saatos tunda input Δt.d Skématik ilustrasi deteksi CD arah-teu peka sinyal gumantung waktu.Kaluaran neuron 1, N1, seuneu dina inputs 0 jeung 1 kalawan reureuh pondok.e Arah sirkuit CD sénsitip, sirkuit nu ngadeteksi nalika input 1 ngadeukeutan input 0 sarta datang sanggeus input 0. Kaluaran sirkuit digambarkeun ku neuron 1 (N1).
Garis reureuh (Gambar 4c) ngan saukur ngagunakeun paripolah dinamis sinaps DPI sareng neuron LIF pikeun ngahasilkeun spike input ti Vin1 ka Vout1 ku ngalambatkeun Tdel.Ngan G3 RRAM disambungkeun ka Vin1 na Vout1 diprogram dina HCS, sesa RRAMs diprogram dina LCS.Alat G3 diprogram pikeun 92.6 µs pikeun mastikeun yén unggal pulsa input ningkatkeun tegangan mémbran neuron kaluaran cekap pikeun ngahontal ambang sareng ngahasilkeun pulsa kaluaran anu ditunda.Tunda Tdel ditangtukeun ku konstanta waktos sinaptik sareng neural.Detéktor kabeneran ngadeteksi kajadian sinyal input anu dihubungkeun sacara temporal tapi disebarkeun sacara spasial.CD anu teu peka arah ngandelkeun input individu anu konvergen kana neuron kaluaran umum (Gambar 4d).Dua RRAM anu nyambungkeun Vin0 sareng Vin1 ka Vout1, G2 sareng G4 masing-masing diprogram pikeun konduksi anu luhur.Datangna sakaligus tina paku dina Vin0 sareng Vin1 ningkatkeun tegangan mémbran neuron N1 di luhur ambang anu diperyogikeun pikeun ngahasilkeun spike kaluaran.Lamun dua inputs jauh teuing dina jangka waktu, muatan dina tegangan mémbran akumulasi ku input munggaran bisa boga waktu pikeun buruk, nyegah poténsi mémbran N1 tina ngahontal nilai bangbarung.G1 sareng G2 diprogram sakitar 65 µs, anu ngajamin yén surge input tunggal henteu ningkatkeun tegangan mémbran anu cukup pikeun nyababkeun surge kaluaran.Deteksi kabeneran antara kajadian anu disebarkeun dina rohangan sareng waktos mangrupikeun operasi dasar anu dianggo dina rupa-rupa tugas sensing sapertos ngahindarkeun halangan dumasar aliran optik sareng lokalisasi sumber sora.Ku kituna, komputasi arah-sénsitip sarta CD insensitive mangrupakeun blok wangunan dasar pikeun ngawangun sistem lokalisasi visual jeung audio.Ditémbongkeun saperti ku ciri tina konstanta waktu (tingali Suplemén Gbr. 2), sirkuit diusulkeun implements rentang cocog opat ordo skala waktu gedena.Ku kituna, éta sakaligus bisa minuhan sarat tina sistem visual jeung sora.CD sénsitip arah nyaéta sirkuit anu sénsitip kana urutan spasial datangna pulsa: ti katuhu ka kénca jeung sabalikna.Éta blok wangunan dasar dina jaringan deteksi gerak dasar tina sistem visual Drosophila, dipaké pikeun ngitung arah gerak jeung ngadeteksi tabrakan62.Pikeun ngahontal CD arah-sénsitip, dua inputs kudu diarahkeun ka dua neuron béda (N0, N1) sarta sambungan arah kudu ngadegkeun antara aranjeunna (Gbr. 4e).Nalika asupan munggaran ditampi, NO ngaréaksikeun ku cara ningkatkeun tegangan dina mémbran na di luhur nilai ambang sareng ngirimkeun surge.Kajadian kaluaran ieu, kahareupna seuneu N1 berkat sambungan arah anu disorot héjo.Mun hiji acara input Vin1 datang sarta energizes N1 bari tegangan mémbran na masih tinggi, N1 dibangkitkeun hiji acara kaluaran nunjukkeun yén hiji patandingan geus kapanggih antara dua inputs.Sambungan arah ngamungkinkeun N1 ngaluarkeun kaluaran ngan lamun input 1 datang sanggeus input 0. G0, G3, jeung G7 diprogram ka 73,5 µS, 67,3 µS, jeung 40,2 µS, masing-masing, mastikeun yén spike tunggal dina input Vin0 ngabalukarkeun reureuh. spike kaluaran, sedengkeun poténsi mémbran N1 ngan ngahontal ambang lamun duanana input bursts anjog di singkronisasi..
Variabilitas mangrupikeun sumber teu sampurna dina sistem neuromorphic anu dimodelkeun63,64,65.Ieu ngakibatkeun paripolah hétérogén neuron sareng sinapsis.Conto kalemahan sapertos kitu kalebet 30% (hartosna simpangan baku) variabilitas dina gain input, konstanta waktos, sareng periode refractory, ngan ukur sababaraha (tingali Métode).Masalah ieu malah langkung jelas nalika sababaraha sirkuit saraf disambungkeun babarengan, sapertos CD sénsitip orientasi anu diwangun ku dua neuron.Pikeun dianggo leres, gain jeung waktu buruk konstanta dua neuron kudu jadi sarupa mungkin.Contona, bédana badag dina gain input bisa ngabalukarkeun hiji neuron overreacted ka pulsa input sedengkeun neuron séjén bieu responsif.Dina Gbr.Gambar 5a nunjukkeun yén neuron anu dipilih sacara acak ngabales béda-béda kana pulsa input anu sami.Variabilitas neural ieu relevan, contona, pikeun fungsi CD sénsitip arah.Dina skéma ditémbongkeun dina Gbr.5b, c, gain input neuron 1 loba nu leuwih luhur ti nu neuron 0. Ku kituna, neuron 0 merlukeun tilu pulsa input (tinimbang 1) pikeun ngahontal bangbarung, sarta neuron 1, saperti nu diharapkeun, perlu dua kajadian input.Nerapkeun spike time-dependent biomimetic plasticity (STDP) mangrupikeun cara anu mungkin pikeun ngirangan dampak sirkuit neural sareng sinaptik anu teu tepat sareng lesu dina kinerja sistem43.Di dieu kami ngajukeun ngagunakeun paripolah palastik mémori résistif salaku sarana pikeun mangaruhan paningkatan input neural sareng ngirangan épék variabilitas dina sirkuit neuromorphic.Ditémbongkeun saperti dina Gbr.4e, tingkat konduktansi anu aya hubunganana sareng massa sinaptik RRAM sacara efektif ngamodulasi réspon tegangan mémbran neural anu saluyu.Urang ngagunakeun strategi programming RRAM iterative.Pikeun input anu dipasihkeun, nilai konduktansi tina beurat synaptic diprogram deui dugi ka paripolah target sirkuit dicandak (tingali Métode).
a Pangukuran ékspérimén tina réspon salapan neuron individu anu dipilih sacara acak kana pulsa input anu sami.Responna beda-beda dina populasi, mangaruhan gain input sareng konstanta waktos.b Pangukuran ékspérimén pangaruh neuron dina variabilitas neuron mangaruhan arah-sénsitip CD.Dua neuron kaluaran CD sénsitip arah ngabales béda kana rangsangan input kusabab variabilitas neuron-to-neuron.Neuron 0 boga gain input leuwih handap neuron 1, jadi butuh tilu pulsa input (tinimbang 1) pikeun nyieun hiji spike kaluaran.Sapertos anu diharapkeun, neuron 1 ngahontal ambang kalayan dua kajadian input.Lamun input 1 datang Δt = 50 µs sanggeus neuron 0 kahuruan, CD tetep jempé sabab Δt leuwih badag batan konstanta waktu neuron 1 (kira-kira 22 µs).c diréduksi ku Δt = 20 µs, ku kituna input 1 naek nalika tembakan neuron 1 masih luhur, hasilna deteksi sakaligus tina dua kajadian input.
Dua elemen anu dipaké dina kolom itungan ITD nyaéta garis reureuh jeung CD arah merhatikeun.Duanana sirkuit merlukeun calibration tepat pikeun mastikeun kinerja obyék positioning alus.Garis reureuh kudu nganteurkeun versi persis nyangsang tina puncak input (Gbr. 6a), sarta CD kudu diaktipkeun ngan lamun input ragrag dina rentang deteksi target.Pikeun garis reureuh, beurat synaptic tina sambungan input (G3 dina Gbr. 4a) anu reprogrammed dugi reureuh udagan ieu dicandak.Setel kasabaran sabudeureun tunda targét pikeun ngeureunkeun program: nu leuwih leutik kasabaran, beuki hese junun nyetél garis reureuh.Dina Gbr.angka 6b nembongkeun hasil prosés calibration garis reureuh: eta bisa ditempo yén skéma diusulkeun persis bisa nyadiakeun sagala reureuh diperlukeun dina skéma desain (tina 10 nepi ka 300 μs).Jumlah maksimum iterations calibration mangaruhan kualitas prosés calibration: 200 iterations bisa ngurangan kasalahan kirang ti 5%.Hiji iteration calibration pakait jeung hiji set / reset operasi sél RRAM.Prosés tuning ogé kritis pikeun ngaronjatkeun akurasi modul CD deteksi acara nutup instan.Butuh sapuluh iterasi kalibrasi pikeun ngahontal tingkat positip anu leres (nyaéta, laju kajadian anu leres diidentifikasi minangka relevan) di luhur 95% (garis biru dina Gambar 6c).Sanajan kitu, prosés tuning teu mangaruhan acara positif palsu (nyaéta, frékuénsi kajadian anu erroneously diidentifikasi minangka relevan).Métode séjén anu dititénan dina sistem biologis pikeun ngatasi konstrain waktos pikeun ngaktifkeun jalur anu gancang nyaéta redundansi (nyaéta, seueur salinan objék anu sami dianggo pikeun ngalaksanakeun fungsi anu ditangtukeun).Diideuan ku biology66, kami nempatkeun sababaraha sirkuit CD dina unggal modul CD antara dua garis reureuh pikeun ngirangan dampak positip palsu.Ditémbongkeun saperti dina Gbr.6c (garis héjo), nempatkeun tilu elemen CD dina unggal modul CD bisa ngurangan laju alarem palsu mun kirang ti 10-2.
a Pangaruh variability neuronal on sirkuit garis reureuh.b sirkuit garis reureuh bisa diskalakeun ka reureuh badag ku netepkeun konstanta waktu tina neuron LIF pakait jeung synapses DPI kana nilai badag.Ngaronjatkeun jumlah iterations tina prosedur calibration RRAM ngamungkinkeun pikeun nyata ngaronjatkeun akurasi target reureuh: 200 iterations ngurangan kasalahan kirang ti 5%.Hiji iterasi pakait sareng operasi SET / RESET dina sél RRAM.Unggal modul CD dina modél c Jeffress bisa dilaksanakeun ngagunakeun elemen CD paralel N pikeun kalenturan gede nu aya kaitannana ka gagal sistem.d More RRAM iterations calibration naek laju positif leres (garis biru), sedengkeun laju positif palsu bebas tina jumlah iterations (garis héjo).Nempatkeun leuwih elemen CD dina paralel avoids deteksi palsu tina CD modul cocok.
Urang ayeuna evaluate kinerja sarta konsumsi kakuatan sistem lokalisasi objék terpadu tungtung-to-tungtung ditémbongkeun dina Gambar 2 ngagunakeun ukuran sipat akustik sensor pMUT, CD, sarta sirkuit garis reureuh nu nyieun grafik komputasi neuromorphic.modél Jeffress (Gbr. 1a).Sedengkeun pikeun grafik komputasi neuromorphic, nu leuwih gede jumlah modul CD, nu hadé resolusi sudut, tapi ogé luhur énergi sistem (Gbr. 7a).Kompromi tiasa dihontal ku ngabandingkeun akurasi komponén individu (sensor pMUT, neuron, sareng sirkuit sinaptik) sareng akurasi sadaya sistem.Resolusi garis reureuh dibatesan ku konstanta waktos sinapsis sareng neuron simulasi, anu dina skéma kami ngaleuwihan 10 µs, anu pakait sareng résolusi sudut 4 ° (tingali Métode).Titik anu langkung maju kalayan téknologi CMOS bakal ngamungkinkeun desain sirkuit saraf sareng sinaptik kalayan konstanta waktos anu langkung handap, nyababkeun akurasi anu langkung luhur tina elemen garis reureuh.Tapi, dina sistem kami, akurasi diwatesan ku kasalahan pMUT dina estimasi posisi sudut, nyaéta 10 ° (garis horizontal biru dina Gbr. 7a).Urang dibereskeun jumlah modul CD dina 40, nu pakait jeung resolusi sudut ngeunaan 4 °, ie, akurasi sudut grafik komputasi (garis horizontal biru lampu dina Gbr. 7a).Dina tingkat sistem, ieu méré résolusi 4 ° jeung akurasi 10 ° pikeun objék ayana 50 cm di hareup sistem sensor.Nilai ieu dibandingkeun sareng sistem lokalisasi sora neuromorphic dilaporkeun dina ref.67. A ngabandingkeun tina sistem diusulkeun jeung kaayaan seni bisa kapanggih dina Suplemén Table 1. Nambahkeun pMUTs tambahan, ngaronjatkeun tingkat sinyal akustik, sarta ngurangan bising éléktronik anu mungkin cara jang meberkeun ngaronjatkeun akurasi lokalisasi.) diperkirakeun 9,7.nz.55. Dibikeun 40 unit CD dina grafik komputasi, simulasi SPICE ngira-ngira énergi per operasi (nyaéta, énergi posisi obyék) janten 21,6 nJ.Sistem neuromorphic diaktipkeun ngan nalika kajadian input datang, nyaéta nalika gelombang akustik ngahontal sagala panarima pMUT tur ngaleuwihan bangbarung deteksi, disebutkeun eta tetep teu aktif.Ieu ngahindarkeun konsumsi kakuatan anu teu dipikabutuh nalika teu aya sinyal input.Mertimbangkeun frékuénsi operasi lokalisasi 100 Hz sareng période aktivasina 300 µs per operasi (maksimal mungkin ITD), konsumsi kakuatan tina grafik komputasi neuromorphic nyaéta 61,7 nW.Kalayan pre-processing neuromorphic dilarapkeun ka unggal panarima pMUT, konsumsi kakuatan sakabéh sistem ngahontal 81,6 nW.Pikeun ngartos efisiensi énergi tina pendekatan neuromorphic anu diusulkeun dibandingkeun sareng hardware konvensional, urang ngabandingkeun jumlah ieu sareng énergi anu diperyogikeun pikeun ngalaksanakeun tugas anu sami dina mikrokontroler kakuatan low modern anu nganggo skill neuromorphic atanapi beamforming68 konvensional.Pendekatan neuromorphic nganggap tahap analog-to-digital converter (ADC), dituturkeun ku saringan band-pass sareng tahap ékstraksi amplop (metoda Teeger-Kaiser).Tungtungna, operasi ambang dilaksanakeun pikeun nimba ToF.Kami parantos ngaleungitkeun itungan ITD dumasar kana ToF sareng konvérsi kana estimasi posisi sudut saprak ieu lumangsung sakali pikeun tiap pangukuran (tingali Métode).Anggap laju sampling 250 kHz dina duanana saluran (panarima pMUT), 18 band pass filter operasi, 3 operasi ékstraksi amplop, sarta 1 ambang operasi per sampel, total konsumsi kakuatan diperkirakeun dina 245 microwatts.Ieu ngagunakeun mode69 kakuatan-rendah mikrokontroler, anu hurung nalika algoritma henteu dieksekusi, anu ngirangan konsumsi kakuatan ka 10,8 µW.Konsumsi kakuatan tina solusi pamrosésan sinyal beamforming diajukeun dina rujukan.31, kalawan 5 panarima pMUT na 11 balok disebarkeun seragam dina pesawat azimuth [-50 °, +50 °], nyaeta 11,71 mW (tingali bagian Métode pikeun detil).Salaku tambahan, kami ngalaporkeun konsumsi kakuatan tina Encoder Beda Waktu dumasar FPGA47 (TDE) diperkirakeun 1,5 mW salaku gaganti modél Jeffress pikeun lokalisasi objék.Dumasar kana perkiraan ieu, pendekatan neuromorphic anu diusulkeun ngirangan konsumsi kakuatan ku lima ordo gedéna dibandingkeun sareng mikrokontroler anu ngagunakeun téknik beamforming klasik pikeun operasi lokalisasi objék.Ngadopsi pendekatan neuromorphic pikeun ngolah sinyal dina mikrokontroler klasik ngirangan konsumsi kakuatan sakitar dua ordo ageungna.Éféktivitas sistem anu diusulkeun tiasa dijelaskeun ku kombinasi sirkuit analog résistif-memori Asynchronous anu tiasa ngalakukeun itungan dina mémori sareng kurangna konversi analog-to-digital anu diperyogikeun pikeun ningali sinyal.
resolusi sudut (biru) jeung konsumsi kakuatan (héjo) operasi lokalisasi gumantung kana jumlah modul CD.Bar horizontal biru poék ngagambarkeun akurasi sudut PMUT sareng bar horizontal biru terang ngagambarkeun akurasi sudut grafik komputasi neuromorphic.b Konsumsi kakuatan tina sistem diusulkeun sarta ngabandingkeun jeung dua palaksanaan mikrokontroler dibahas sarta palaksanaan digital Time Béda Encoder (TDE) 47 FPGA.
Pikeun ngaminimalkeun konsumsi kakuatan tina sistem lokalisasi target, urang katimu, dirancang jeung nerapkeun hiji efisien, acara-disetir sirkuit neuromorphic basis RRAM nu ngolah informasi sinyal dihasilkeun ku sensor diwangun-di keur ngitung posisi obyek target sacara nyata. waktos..Bari métode processing tradisional terus sampel sinyal dideteksi jeung ngalakukeun itungan nimba informasi mangpaat, solusi neuromorphic diusulkeun ngalakukeun itungan asynchronously sakumaha informasi mangpaat datang, maximizing efisiensi kakuatan sistem ku lima ordo gedena.Salaku tambahan, kami nyorot kalenturan sirkuit neuromorphic basis RRAM.Kamampuhan RRAM ngarobih konduktansi dina cara anu henteu volatil (plastisitas) ngimbangan variabilitas bawaan tina sirkuit sinaptik sareng saraf DPI analog kakuatan ultra-low.Hal ieu ngajadikeun sirkuit basis RRAM ieu serbaguna tur kuat.Tujuan kami henteu ékstrak fungsi atanapi pola kompléks tina sinyal, tapi pikeun ngalokalkeun objék sacara real waktos.Sistem kami ogé tiasa sacara éfisién ngompres sinyal sareng pamustunganana ngirimkeunana kana léngkah-léngkah ngolah salajengna pikeun nyandak kaputusan anu langkung rumit nalika diperyogikeun.Dina konteks aplikasi lokalisasi, léngkah preprocessing neuromorphic kami tiasa masihan inpormasi ngeunaan lokasi objék.Inpormasi ieu tiasa dianggo, contona, pikeun deteksi gerak atanapi pangenal sapuan.Kami ngantebkeun pentingna ngagabungkeun sensor kakuatan ultra low kayaning pMUTs kalawan éléktronika kakuatan ultra low.Pikeun ieu, pendekatan neuromorphic parantos janten konci sabab kami parantos ngembangkeun palaksanaan sirkuit anyar tina metode komputasi anu diideuan sacara biologis sapertos modél Jeffress.Dina konteks aplikasi fusi sensor, sistem kami tiasa digabungkeun sareng sababaraha sénsor dumasar-kajadian anu béda pikeun kéngingkeun inpormasi anu langkung akurat.Sanajan owls unggul dina manggihan mangsa di nu poek, maranéhanana boga visi alus teuing jeung ngalakukeun gabungan auditory jeung visual pilarian saméméh catching mangsa70.Nalika neuron auditory tinangtu kahuruan, manuk bueuk nampi inpormasi anu diperyogikeun pikeun nangtukeun arah mana pikeun ngamimitian milarian visualna, ku kituna museurkeun perhatianna kana bagian leutik tina pamandangan visual.Kombinasi sénsor visual (kaméra DVS) sareng sénsor déngékeun anu diusulkeun (dumasar kana pMUT) kedah ditalungtik pikeun ngembangkeun agén otonom ka hareup.
Sénsor pMUT perenahna dina PCB sareng dua panarima jarakna kira-kira 10 cm, sareng pamancarna aya di antara panarima.Dina karya ieu, unggal mémbran mangrupakeun struktur bimorph ditunda diwangun ku dua lapisan piezoelektrik aluminium nitride (AlN) 800 nm kandel sandwiched antara tilu lapisan molybdenum (Mo) 200 nm kandel jeung coated ku lapisan 200 nm kandel.lapisan SiN pasivating luhur sakumaha ditétélakeun dina rujukan.71. Éléktroda jero jeung luar dilarapkeun ka handap sarta lapisan luhur molybdenum, sedengkeun éléktroda molybdenum tengah unpatterned sarta dipaké salaku taneuh, hasilna mémbran jeung opat pasang éléktroda.
Arsitéktur ieu ngamungkinkeun pamakéan hiji deformasi mémbran umum, hasilna ningkat ngirimkeun jeung narima sensitipitas.pMUT sapertos biasana nunjukkeun sensitipitas éksitasi 700 nm / V salaku emitor, nyayogikeun tekanan permukaan 270 Pa / V.Salaku panarima, hiji pilem pMUT némbongkeun sensitipitas sirkuit pondok tina 15 nA / Pa, nu langsung patali jeung koefisien piezoelektrik AlN.Variability teknis tegangan dina lapisan AlN ngabalukarkeun parobahan dina frékuénsi resonant, nu bisa diimbuhan ku nerapkeun bias DC mun pMUT.Sensitipitas DC diukur dina 0.5 kHz/V.Pikeun karakterisasi akustik, mikropon dianggo di hareup pMUT.
Pikeun ngukur pulsa gema, kami nempatkeun piring segi empat kalayan legana kira-kira 50 cm2 di hareup pMUT pikeun ngagambarkeun gelombang sora anu dipancarkeun.Duanana jarak antara pelat jeung sudut relatif ka pesawat pMUT dikawasa ngagunakeun Panyekel husus.Sumber tegangan Tectronix CPX400DP biases tilu mémbran pMUT, tuning frékuénsi résonansi ka 111,9 kHz31, sedengkeun pamancar didorong ku generator pulsa Tectronix AFG 3102 disetel ka frékuénsi resonant (111,9 kHz) jeung siklus tugas 0,01.Arus anu dibaca tina opat palabuhan kaluaran unggal panarima pMUT dirobih kana tegangan nganggo arsitéktur arus sareng tegangan diferensial khusus, sareng sinyal anu hasilna didigitalkeun ku sistem akuisisi data Spektrum.Watesan deteksi dicirikeun ku akuisisi sinyal pMUT dina kaayaan anu béda: urang mindahkeun pemantul ka jarak anu béda [30, 40, 50, 60, 80, 100] cm sareng ngarobih sudut dukungan pMUT ([0, 20, 40] o ) Gambar 2b nembongkeun resolusi deteksi ITD temporal gumantung kana posisi sudut pakait dina derajat.
Artikel ieu ngagunakeun dua sirkuit RRAM kaluar-nu-rak béda.Anu kahiji nyaéta susunan 16.384 (16.000) alat (128 × 128 alat) dina konfigurasi 1T1R kalayan hiji transistor sareng hiji résistor.Chip kadua nyaéta platform neuromorphic ditémbongkeun dina Gbr. 4a.Sél RRAM diwangun ku pilem HfO2 kandel 5 nm anu dipasang dina tumpukan TiN / HfO2 / Ti / TiN.Tumpukan RRAM terpadu kana back-of-line (BEOL) tina prosés CMOS 130nm standar.Sirkuit neuromorphic basis RRAM nampilkeun tantangan desain pikeun sistem éléktronik sadaya-analog dimana alat RRAM hirup babarengan jeung téhnologi CMOS tradisional.Khususna, kaayaan konduksi alat RRAM kedah dibaca sareng dianggo salaku variabel fungsi pikeun sistem.Pikeun tujuan ieu, sirkuit dirancang, didamel sareng diuji anu maca arus tina alat nalika pulsa input ditampi sareng nganggo arus ieu pikeun beurat réspon sinaps integrator pasangan diferensial (DPI).sirkuit ieu ditémbongkeun dina Gambar 3a, nu ngagambarkeun blok wangunan dasar tina platform neuromorphic dina Gambar 4a.Pulsa input ngaktifkeun gerbang alat 1T1R, ngainduksi arus ngaliwatan RRAM sabanding jeung konduktansi alat G (Beurat = G(Vtop – Vx)).Inverting input tina panguat operasional (op-amp) sirkuit boga tegangan bias DC konstan Vtop.Eupan balik négatip op-amp bakal nyadiakeun Vx = Vtop ku nyadiakeun arus sarua ti M1.Beurat ayeuna anu dicandak tina alat disuntikkeun kana sinaps DPI.Arus kuat bakal ngahasilkeun leuwih depolarization, jadi RRAM conductance éféktif implements beurat synaptic.Arus sinaptik eksponensial ieu disuntik ngaliwatan kapasitor mémbran tina neuron Leaky Integration and Excitation (LIF), dimana éta terpadu salaku tegangan.Lamun tegangan bangbarung mémbran (tegangan switching of inverter nu) geus nungkulan, bagian kaluaran neuron diaktipkeun, ngahasilkeun spike kaluaran.Pulsa ieu mulih deui sareng ngalihkeun kapasitor mémbran neuron kana taneuh, nyababkeun éta ngaleupaskeun.sirkuit ieu lajeng supplemented ku expander pulsa (teu ditémbongkeun dina Gbr. 3a), nu bentukna pulsa kaluaran tina neuron LIF kana lebar pulsa target.Multiplexers ogé diwangun kana unggal garis, sahingga tegangan bisa dilarapkeun ka éléktroda luhur jeung handap alat RRAM.
Uji listrik kalebet nganalisa sareng ngarékam paripolah dinamis sirkuit analog, ogé program sareng maca alat RRAM.Duanana léngkah merlukeun parabot husus, sakabéh nu disambungkeun ka dewan sensor dina waktos anu sareng.Aksés ka alat RRAM dina sirkuit neuromorphic dilaksanakeun tina alat éksternal ngaliwatan multiplexer (MUX).MUX misahkeun sél 1T1R ti sésa circuitry nu eta milik, sahingga alat bisa maca jeung/atawa diprogram.Pikeun program jeung maca alat RRAM, a Keithley 4200 SCS mesin dipaké ditéang jeung mikrokontroler Arduino: kahiji pikeun generasi pulsa akurat jeung bacaan ayeuna, sarta kadua pikeun aksés gancang ka elemen 1T1R individu dina Asép Sunandar Sunarya memori.Operasi kahiji nyaéta ngabentuk alat RRAM.Sél dipilih hiji-hiji sareng tegangan positip diterapkeun antara éléktroda luhur sareng handap.Dina hal ieu, arus dugi ka urutan puluhan microamperes alatan suplai tegangan Gerbang pakait kana transistor pamilih.Sél RRAM teras tiasa siklus antara kaayaan konduktif rendah (LCS) sareng kaayaan konduktif tinggi (HCS) masing-masing nganggo operasi RESET sareng SET.Operasi SET dilaksanakeun ku cara nerapkeun pulsa tegangan rectangular kalayan durasi 1 μs sareng tegangan puncak 2.0-2.5 V ka éléktroda luhur, sareng pulsa singkronisasi bentuk anu sami sareng tegangan puncak 0.9-1.3 V ka Gerbang transistor pamilih.Nilai-nilai ieu ngamungkinkeun modulasi konduktansi RRAM dina interval 20-150 µs.Pikeun RESET, pulsa puncak 1 µs lebar 3 V diterapkeun kana éléktroda handap (garis bit) sél nalika tegangan gerbang aya dina kisaran 2.5-3.0 V. Input sareng kaluaran sirkuit analog mangrupikeun sinyal dinamis. .Pikeun input, urang interleaved dua HP 8110 generator pulsa kalawan generator sinyal Tektronix AFG3011.Pulsa input ngagaduhan rubak 1 µs sareng tepi naék/turun 50 ns.Jenis pulsa ieu dianggap glitch has dina sirkuit dumasar glitch analog.Sedengkeun pikeun sinyal kaluaran, sinyal kaluaran dirékam ngagunakeun Teledyne LeCroy 1 GHz oscilloscope.Laju akuisisi hiji oscilloscope geus kabuktian lain faktor ngawatesan dina analisis jeung akuisisi data sirkuit.
Ngagunakeun dinamika éléktronika analog pikeun simulate paripolah neuron jeung synapses mangrupakeun solusi elegan jeung efisien pikeun ngaronjatkeun efisiensi komputasi.Karugian tina underlay komputasi ieu nya éta bakal rupa-rupa ti skéma ka skéma.Kami ngitung variabilitas neuron sareng sirkuit sinaptik (Suplemén Gbr. 2a, b).Tina sadaya manifestasi variabilitas, anu aya hubunganana sareng konstanta waktos sareng gain input gaduh pangaruh anu paling ageung dina tingkat sistem.Konstanta waktu neuron LIF jeung sinaps DPI ditangtukeun ku sirkuit RC, dimana nilai R dikontrol ku tegangan bias dilarapkeun kana gerbang transistor (Vlk pikeun neuron jeung Vtau pikeun sinaps), nangtukeun laju leakage.Gain input diartikeun salaku tegangan puncak anu dihontal ku kapasitor mémbran sinaptik sareng neuronal anu dirangsang ku pulsa input.Gain input dikawasa ku transistor bias sejen nu modulates arus input.A simulasi Monte Carlo calibrated on ST Microelectronics 'prosés 130nm dipigawé pikeun ngumpulkeun sababaraha gain input sarta statistik konstan waktu.Hasilna dibere dina Gambar Tambahan 2, dimana gain input sarta konstanta waktu diitung salaku fungsi tina tegangan bias ngadalikeun laju leakage.Spidol héjo ngitung simpangan baku tina konstanta waktu tina mean.Duanana neuron jeung sirkuit synaptic éta bisa nganyatakeun rupa-rupa konstanta waktu dina rentang 10-5-10-2 s, ditémbongkeun saperti dina skéma tambahan Gbr.Input amplifikasi (Suplemén Gbr. 2e, d) tina variability neuronal na synapse éta kira 8% na 3%, mungguh.Kakurangan sapertos kitu ogé didokumentasikeun dina literatur: rupa-rupa pangukuran dilakukeun dina susunan chip DYNAP pikeun meunteun mismatch antara populasi neuron LIF63.Sinapsis dina chip sinyal campuran BrainScale diukur sareng inconsistenciesna dianalisis, sareng prosedur kalibrasi diusulkeun pikeun ngirangan pangaruh variabilitas tingkat sistem64.
Fungsi RRAM dina sirkuit neuromorphic aya dua kali: definisi arsitéktur (ngalirkeun input ka kaluaran) sareng palaksanaan beurat sinaptik.Harta anu terakhir tiasa dianggo pikeun ngarengsekeun masalah variabilitas sirkuit neuromorphic anu dimodelkeun.Kami geus ngembangkeun prosedur calibration basajan nu ngalibatkeun reprogramming alat RRAM dugi sirkuit keur dianalisis meets sarat nu tangtu.Pikeun input anu dipasihkeun, kaluaran diawaskeun sareng RRAM diprogram deui dugi ka paripolah target kahontal.Waktu antosan 5 s diwanohkeun antara operasi programming pikeun ngajawab masalah rélaxasi RRAM hasilna fluctuations conductance fana (Émbaran tambahan).Beurat synaptic disaluyukeun atanapi dikalibrasi dumasar kana sarat sirkuit neuromorphic anu dimodelkeun.Prosedur calibration diringkeskeun dina algoritma tambahan [1, 2] anu museurkeun kana dua fitur dasar tina platform neuromorphic, garis reureuh sareng CD henteu peka arah.Pikeun sirkuit kalayan garis reureuh, paripolah udagan nyaéta nyayogikeun pulsa kaluaran kalayan reureuh Δt.Lamun reureuh circuit sabenerna kirang ti nilai target, beurat synaptic of G3 kudu ngurangan (G3 kudu reset lajeng disetel ka Icc ayeuna cocog handap).Sabalikna, lamun reureuh sabenerna leuwih gede ti nilai target, konduktansi G3 kudu ngaronjat (G3 kudu ngareset heula lajeng disetel ka nilai Icc luhur).Prosés ieu diulang nepi ka reureuh dihasilkeun ku sirkuit cocog nilai target na toléransi disetel pikeun ngeureunkeun prosés calibration.Pikeun CD orientasi-teu peka, dua alat RRAM, G1 jeung G3, aub dina prosés calibration.sirkuit ieu dua inputs, Vin0 na Vin1, nyangsang ku dt.Sirkuit ngan kedah ngabales reureuh sahandapeun rentang cocog [0,dtCD].Upami teu aya puncak kaluaran, tapi puncak input caket, kadua alat RRAM kedah didorong pikeun ngabantosan neuron ngahontal bangbarung.Sabalikna, lamun sirkuit responds kana reureuh nu ngaleuwihan rentang target dtCD, conductance kudu ngurangan.Malikan deui prosésna dugi ka paripolah anu leres dicandak.Patuh ayeuna tiasa dimodulasi ku sirkuit analog anu diwangun dina ref.72.73.Kalayan sirkuit anu diwangun ieu, prosedur sapertos kitu tiasa dilakukeun sacara périodik pikeun ngakalibrasi sistem atanapi nganggo deui pikeun aplikasi anu sanés.
Kami ngevaluasi konsumsi kakuatan pendekatan pamrosésan sinyal neuromorphic kami dina mikrokontroler 32-bit standar68.Dina evaluasi ieu, urang nganggap operasi sareng setelan anu sami sareng dina makalah ieu, kalayan hiji pamancar pMUT sareng dua panarima pMUT.Metoda ieu ngagunakeun filter bandpass, dituturkeun ku hambalan ékstraksi amplop (Teeger-Kaiser), sarta tungtungna operasi thresholding diterapkeun kana sinyal pikeun nimba waktu hiber.Itungan ITD sareng konvérsina kana sudut deteksi dileungitkeun dina évaluasi.Kami nganggap palaksanaan saringan band pass nganggo saringan réspon impuls takterhingga urutan ka-4 anu peryogi 18 operasi floating point.Ekstraksi amplop ngagunakeun tilu deui operasi floating point, sarta operasi panungtungan dipaké pikeun nyetel bangbarung.Jumlahna aya 22 operasi floating point diperlukeun pikeun preprocess sinyal.Sinyal anu dikirimkeun nyaéta ledakan pondok tina gelombang sinus 111.9 kHz anu dihasilkeun unggal 10 mdet, ngahasilkeun frekuensi operasi posisi 100 Hz.Kami nganggo laju sampling 250 kHz pikeun matuh Nyquist sareng jandela 6 ms pikeun tiap pangukuran pikeun nyandak jarak 1 meter.Catet yén 6 milidetik nyaéta waktos hiber hiji obyék anu jarakna 1 méter.Ieu nyadiakeun konsumsi kakuatan 180 µW pikeun konversi A/D dina 0,5 MSPS.Preprocessing sinyal nyaéta 6,60 MIPS (parentah per detik), ngahasilkeun 0,75 mW.Sanajan kitu, mikrokontroler bisa pindah ka mode kakuatan low 69 lamun algoritma teu jalan.Modeu ieu nyayogikeun konsumsi kakuatan statik 10,8 μW sareng waktos hudang 113 μs.Dibéré frékuénsi jam 84 MHz, mikrokontroler ngalengkepan sadaya operasi tina algoritma neuromorphic dina 10 mdet, sarta algoritma ngitung siklus tugas 6,3%, sahingga ngagunakeun mode kakuatan low.Dissipation kakuatan anu dihasilkeun nyaéta 244,7 μW.Catet yén urang ngaleungitkeun kaluaran ITD tina ToF sareng konvérsi kana sudut deteksi, sahingga ngirangan konsumsi kakuatan mikrokontroler.Ieu nyadiakeun nilai tambahan pikeun efisiensi énergi tina sistem diusulkeun.Salaku hiji kaayaan ngabandingkeun tambahan, urang evaluate konsumsi kakuatan sahiji metodeu beamforming klasik diajukeun dina rujukan.31.54 nalika dipasang dina mikrokontroler anu sami68 dina tegangan suplai 1.8V.Lima mémbran pMUT merata spasi dipaké pikeun acquire data pikeun beamforming.Sedengkeun pikeun ngolah sorangan, métode beamforming dipaké nyaéta delay summation.Ieu ngan saukur diwangun ku nerapkeun reureuh ka lajur nu pakait jeung ekspektasi bédana waktu datangna antara hiji jalur jeung jalur rujukan.Lamun sinyal dina fase, jumlah sinyal ieu bakal boga énergi tinggi sanggeus shift waktu.Mun aranjeunna kaluar tina fase, gangguan destructive bakal ngawatesan énergi jumlah maranéhanana.nuju dina hubungan.Dina Gbr.31, laju sampling 2 MHz dipilih pikeun mindahkeun waktu data ku jumlah integer sampel.Pendekatan anu langkung sederhana nyaéta ngajaga laju sampel anu langkung kasar tina 250 kHz sareng nganggo saringan Tanggapan Impuls Terhingga (FIR) pikeun nyintésis telat fraksional.Urang bakal nganggap yén pajeulitna algoritma beamforming utamana ditangtukeun ku shift waktu, saprak unggal channel ieu convolved kalawan filter FIR kalawan 16 ketok di unggal arah.Pikeun ngitung jumlah MIPS diperlukeun pikeun operasi ieu, anggap we jandela 6ms per ukuran pikeun néwak rentang 1 méter, 5 saluran, 11 beamforming arah (rentang +/- 50 ° dina 10 ° léngkah).75 pangukuran per detik ngadorong mikrokontroler ka maksimal 100 MIPS.Tumbu.68, hasilna dissipation kakuatan 11,26 mW pikeun total dissipation kakuatan 11,71 mW sanggeus nambahkeun onboard kontribusi ADC.
Data anu ngarojong kana hasil ulikan ieu sayogi ti pangarang masing-masing, FM, dumasar kana pamundut anu wajar.
Indiveri, G. & Sandamirskaya, Y. Pentingna rohangan jeung waktu pikeun ngolah sinyal dina agén neuromorphic: Tangtangan ngembangkeun low-kakuatan, agén otonom anu berinteraksi sareng lingkungan. Indiveri, G. & Sandamirskaya, Y. Pentingna rohangan jeung waktu pikeun ngolah sinyal dina agén neuromorphic: Tangtangan ngembangkeun low-kakuatan, agén otonom anu berinteraksi sareng lingkungan.Indiveri G. sarta Sandamirskaya Y. Pentingna spasi jeung waktu pikeun ngolah sinyal dina agén neuromorphic: tangtangan ngamekarkeun agén otonom low-kakuatan interacting jeung lingkungan. Indiveri, G. & Sandamirskaya, Y.理的挑战. Indiveri, G. & Sandamirskaya, Y.Indiveri G. sarta Sandamirskaya Y. Pentingna spasi jeung waktu pikeun ngolah sinyal dina agén neuromorphic: tangtangan ngamekarkeun agén otonom low-kakuatan interacting jeung lingkungan.IEEE Signal Processing.Jurnal 36, 16–28 (2019).
Thorpe, SJ Puncak Kadatangan Time: Hiji skéma Coding Neural Network Cekap. dina Eckmiller, R., Hartmann, G. & Hauske, G. (eds). dina Eckmiller, R., Hartmann, G. & Hauske, G. (eds).dina Eckmiller, R., Hartmann, G. jeung Hauske, G. (eds.).Dina Eckmiller, R., Hartmann, G., sarta Hauske, G. (eds.).Ngolah paralel dina sistem saraf sareng komputer 91-94 (North-Holland Elsevier, 1990).
Levy, WB & Calvert, VG Komunikasi meakeun 35 kali leuwih énergi ti komputasi dina cortex manusa, tapi duanana waragad diperlukeun pikeun ngaduga jumlah sinaps. Levy, WB & Calvert, VG Komunikasi meakeun 35 kali leuwih énergi ti komputasi dina cortex manusa, tapi duanana waragad diperlukeun pikeun ngaduga jumlah sinaps.Levy, WB jeung Calvert, WG Komunikasi meakeun 35 kali leuwih énergi ti komputasi dina cortex manusa, tapi duanana waragad diperlukeun pikeun ngaduga jumlah synapses. Levy, WB & Calvert, VG Communication 消耗的能量是人类皮层计算的35 倍，但这两种成本都需要预测突触数量。 Levy, WB & Calvert, VG KomunikasiLevy, WB jeung Calvert, WG Komunikasi meakeun 35 kali leuwih énergi ti komputasi dina cortex manusa, tapi duanana waragad merlukeun ngaramal jumlah synapses.prosés.Akademi Élmu Nasional.élmu.AS 118, https://doi.org/10.1073/pnas.2008173118 (2021).
Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Serangga-diideuan komputasi neuromorphic. Dalgaty, T., Vianello, E., De Salvo, B. & Casas, J. Serangga-diideuan komputasi neuromorphic.Dalgati, T., Vianello, E., DeSalvo, B. sarta Casas, J. Serangga-diideuan komputasi neuromorphic.Dalgati T., Vianello E., DeSalvo B. jeung Casas J. Serangga-diideuan komputasi neuromorphic.ayeuna.Pamadegan.Élmu serangga.30, 59-66 (2018).
Roy, K., Jaiswal, A. & Panda, P. Nuju spike basis kecerdasan mesin jeung komputasi neuromorphic. Roy, K., Jaiswal, A. & Panda, P. Nuju spike basis kecerdasan mesin jeung komputasi neuromorphic. Roy, K., Jaiswal, A. & Panda, P. Nuju Spike-Dumasar Mesin AKAL jeung komputasi Neuromorphic.Roy K, Jaiswal A, sarta Panda P. kecerdasan jieunan basis pulsa ngagunakeun komputasi neuromorphic.Alam 575, 607–617 (2019).
Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. jeung Liu, S.-K. Indiveri, G. & Liu, S.-C. Indiveri, G. & Liu, S.-C.Indiveri, G. jeung Liu, S.-K.Mémori sareng ngolah inpormasi dina sistem neuromorphic.prosés.IEEE 103, 1379–1397 (2015).
Akopyan F. dkk.Truenorth: Desain sareng toolkit pikeun chip synaptic programmable 65 mW 1 juta neuron.transaksi IEEE.Desain komputer sistem sirkuit terpadu.34, 1537–1557 (2015).
Schemmel, J. et al.Live demo: versi diskalakeun handap sistem neuromorphic BrainScaleS dina skala plat.2012 IEEE International Symposium on Circuits sarta Sistem (ISCAS), (IEEE ed.) 702-702 (2012).
Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. A scalable arsitéktur multicore kalawan struktur memori hétérogén pikeun prosesor Asynchronous neuromorphic dinamis (DYNAPs). Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. A scalable arsitéktur multicore kalawan struktur memori hétérogén pikeun prosesor Asynchronous neuromorphic dinamis (DYNAPs).Moradi S., Qiao N., Stefanini F. sarta Indiviri G. A scalable arsitéktur multicore kalawan struktur memori hétérogén pikeun prosesor Asynchronous neuromorphic dinamis (DYNAP). Moradi, S.、Qiao, N.、Stefanini, F. & Indiveri, G. 一种可扩展的多核架构，具有用于动态神经形态异经形态异理形态异琭态存结构。 Moradi, S., Qiao, N., Stefanini, F. & Indiveri, G. A jenis expandable arsitéktur multi-core, kalawan struktur memori unik keur processing neural dinamis (DYNAP).Moradi S., Qiao N., Stefanini F. sarta Indiviri G. A scalable arsitéktur multicore kalawan struktur memori hétérogén pikeun prosesor Asynchronous neuromorphic dinamis (DYNAP).Transaksi IEEE dina élmu Biomédis.sistem éléktrik.12, 106-122 (2018).
Davis, M. et al.Loihi: Prosesor multi-inti neuromorphic kalayan diajar anu dipasang.IEEE mikro 38, 82-99 (2018).
Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker proyék. Furber, SB, Galluppi, F., Temple, S. & Plana, LA The SpiNNaker proyék.Ferber SB, Galluppi F., Temple S. jeung proyék Plana LA SpiNNaker.Ferber SB, Galluppi F., Temple S. jeung proyék Plana LA SpiNNaker.prosés.IEEE 102, 652–665 (2014).
Liu, S.-K. & Delbruck, T. Sistem indrawi Neuromorphic. & Delbruck, T. Sistem indrawi Neuromorphic.jeung Delbrück T. Sistem indrawi Neuromorphic. & Delbruck, T. 神经形态感觉系统。 & Delbruck, T.jeung Delbrück T. Sistim indrawi Neuromorphic.ayeuna.Pamadegan.Neurobiologi.20, 288–295 (2010).
Chope, T. et al.Integrasi indrawi Neuromorphic pikeun gabungan lokalisasi sumber sora sareng ngahindarkeun tabrakan.Taun 2019 dina Konperénsi IEEE on Biomedical Circuits and Systems (BioCAS), (IEEE Ed.) 1–4 (2019).
Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. A arsitektur neuromorphic dumasar spike visi stereo. Risi, N., Aimar, A., Donati, E., Solinas, S. & Indiveri, G. A arsitektur neuromorphic dumasar spike visi stereo.Risi N, Aymar A, Donati E, Solinas S, sarta Indiveri G. A arsitektur stereovision neuromorphic dumasar spike. 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, sarta Indiveri G. arsitéktur neuromorphic basis Spike pikeun visi stereo.hareup.Neurorobotics 14, 93 (2020).
Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. A spiking modél jaringan neural of 3Dperception pikeun sistem visi stereomorphic dumasar-acara neuromorphic. Osswald, M., Ieng, S.-H., Benosman, R. & Indiveri, G. A spiking modél jaringan neural of 3Dperception pikeun sistem visi stereomorphic dumasar-acara neuromorphic.Oswald, M., Ieng, S.-H., Benosman, R., sarta Indiveri, G. A 3D Pulsed Neural Network Persépsi Modél pikeun Acara basis Neuromorphic Stereo Visi Systems. 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., sarta Indiveri, G. Spiked 3Dperception Neural Network Modél pikeun hiji Neuromorphic Sistim Visi stéréo Berbasis Acara.élmu.Laporan 7, 1–11 (2017).
Dalgaty, T. et al.Deteksi gerak dasar anu diideuan ku serangga kalebet mémori résistif sareng jaringan saraf bursty.Sistem biohibrid bionik.10928, 115-128 (2018).
D'Angelo, G. et al.Deteksi gerak eccentric dumasar-kajadian ngagunakeun coding diferensial temporal.hareup.Neurologi.14, 451 (2020).