Σχεδίαση Αναλογικών Νευρώνων και Συνάψεων χαμηλής κατανάλωσης και Εφαρμογή τους σε Ταξινομητή Νευρωνικού Δικτύου Ώσεων

Abstract

Στην παρούσα εργασία μελετώνται και υλοποιούνται αναλογικά ολοκληρωμένα κυκλώματα για εφαρμογές νευρομορφικής υπολογιστικής. Μετά από μια επισκόπηση του βιολογικού υποβάθρου και των δομικών στοιχείων των νευρωνικών δικτύων αιχμών (Spiking Neural Networks, SNNs), σχεδιάζεται σε τεχνολογία CMOS 65 nm ένας ρυθμιζόμενος νευρώνας χαμηλής κατανάλωσης τύπου ολοκλήρωσης-και-πυροδότησης με διαρροή (Leaky Integrate-and-Fire, LIF), βασισμένος στον ολοκληρωτή διαφορικού ζεύγους (Differential Pair Integrator, DPI). Κεντρικό μέρος της εργασίας είναι η σχεδίαση ενός αναλογικού ταξινομητή SNN πρόσθιας τροφοδότησης, τοπολογίας 4-10-3, για το σύνολο δεδομένων Iris. Ο ταξινομητής αποτελείται από συμπαγείς νευρώνες LIF και προγραμματιζόμενες συνάψεις 4-bit, ενώ τα βάρη εκπαιδεύονται σε λογισμικό και κβαντίζονται βάσει της απόκρισης της σύναψης. Επιτυγχάνει ακρίβεια 100%, ίδια με το μοντέλο λογισμικού, με ενέργεια 2.3 nJ ανά ταξινόμηση σε 17 µs.