CMOS-ga asoslangan maydon va quvvatni tejaydigan neyron va sinaps davrlari.

ANTRACT

An'anaviy neyron tuzilmalar oqim yoki kuchlanish kabi analog miqdorlar orqali muloqot qilishga intiladi; ammo, CMOS qurilmalari qisqargani va ta'minot kuchlanishlari kamayganligi sababli, kuchlanish/oqim-domen analog zanjirlarining dinamik diapazoni torayadi, mavjud chegara kichikroq bo'ladi va shovqin immuniteti pasayadi. Bundan tashqari, an'anaviy dizaynlarda operativ kuchaytirgichlar (op-amperlar) va uzluksiz vaqt yoki soatli komparatorlardan foydalanish yuqori energiya sarfiga va katta chip maydoniga olib keladi, bu esa neyron tarmoqlarni qurish uchun zararli bo'ladi. Buni hisobga olib, biz neyron moduli, sinaps moduli va ikkita vazn modulini o'z ichiga olgan vaqt-domen signallarini ishlab chiqarish va uzatish uchun neyron tuzilmani taklif qilamiz. Taklif etilgan neyron struktura MOS tranzistorlarining qochqin oqimi bilan boshqariladi va otish funktsiyasini amalga oshirish uchun invertorga asoslangan komparatordan foydalanadi, bu esa an'anaviy dizaynlarga nisbatan yuqori energiya va maydon samaradorligini ta'minlaydi. Taklif etilayotgan neyron strukturasi TSMC 65 nm CMOS texnologiyasidan foydalangan holda ishlab chiqarilgan. Taklif etilayotgan neyron va sinaps mos ravishda 127 va 231 lm2 maydonni egallagan holda millisekundlik vaqt konstantalariga erishadi. Haqiqiy chip o'lchovlari shuni ko'rsatadiki, taklif qilingan struktura millisekundlik vaqt konstantalari bilan vaqtinchalik signal aloqasi funktsiyasini amalga oshiradi, bu inson va kompyuter o'zaro ta'siri uchun apparat rezervuarini hisoblash yo'lidagi muhim qadamdir. Taklif etilayotgan neyron strukturaning xatti-harakat modeli bilan rezervuar hisoblash uchun spiking neyron tarmog'ining simulyatsiya natijalari o'rganish funktsiyasini namoyish etadi.

Cistanche erkaklar uchun foydalari-immun tizimini mustahkamlaydi

Cistanche Enhance Immunity mahsulotlarini ko'rish uchun shu yerni bosing

【Batafsil ma'lumot so'rang】 Email:cindy.xue@wecistanche.com / Whats App: 0086 18599088692 / Wechat: 18599088692

Sun'iy neyron tarmoqlarining (ANN) ikkinchi avlodi bo'lgan chuqur neyron tarmoqlari (DNN) so'nggi yillarda tobora ko'payib borayotgan ilovalar uchun keng ko'lamda o'rganilmoqda. Biroq, ularning katta energiya iste'moli, ayniqsa an'anaviy fon Neyman arxitekturasida xotiradan foydalanish uchun odamlarni energiyani tejaydigan echimlarga erishishning muqobil yo'lini topishga majbur qildi.1–6 Spiking neyron tarmog'i (SNN) uchinchi yechim sifatida jozibali echimlardan biridir. biologik neyronlarni taqlid qilish orqali kam quvvat bilan o'rganish funktsiyasini amalga oshiradigan ANN yaratish. SNNlar neyronlar va sinapslardan iborat va odatda pastdan yuqoriga yondashuv yordamida quriladi, ya'ni SNNning har bir komponenti birinchi navbatda loyihalashtirilishi kerak.6-12 Impulsli neyronlar yoki sinapslarning ko'plab apparat tatbiqlari haqida xabar berilgan.13-21 neyronlarning sızdırmaz integral funktsiyasini amalga oshiradi, an'anaviy dizaynlar odatda operatsion kuchaytirgichlar (op-amps) bilan integratorlarni quradi14 va ko'pincha biologik neyronlarning millisekundlik vaqt konstantalarini taqlid qilish uchun katta chipdagi kondansatör va rezistorlardan foydalanadi.16,17 Bundan tashqari, neyron "yong'in" funktsiyasi, neyron qo'zg'alishi uchun chegarani o'rnatish uchun odatda uzluksiz vaqtli yoki soatli komparatorning ajratilgan sxemasi tuzilmasidan foydalaniladi. neyron, soatli komparator esa qo'shimcha taktli signal taqsimotini talab qiladi va murakkab komparator strukturasi katta chip maydonini egallaydi. Ilg'or jarayonlar ta'minot kuchlanishi va statik qochqin oqimini kamaytirish orqali kam quvvat iste'moliga erishishi mumkin bo'lsa-da,21, shuningdek, kuchlanish/oqim-domen analog zanjirlarining dinamik diapazoni torroq, mavjud chegaraning kichikroq bo'lishiga va shovqin immunitetining yomonlashishiga olib keladi.22 Bu zararli bir-biri bilan aloqa qilish uchun kuchlanish va oqim kabi analog kattaliklardan foydalanadigan an'anaviy neyron tarmoqlari. Boshqa tomondan, o'tkir signal o'tishlari bilan yaxshilangan ish tezligiga ega bo'lgan masshtabli tranzistorlar tufayli analog ma'lumot vaqt domenida, ya'ni ikkita signal o'tish vaqt oralig'ida yanada samaraliroq ifodalanishi mumkin. Vaqt domeni deb ataladigan ushbu sxema o'zining quvvat samaradorligida yana bir afzalliklarga ega, chunki u ko'pincha DC quvvatini ideal darajada iste'mol qilmaydigan invertorlar yoki mantiqiy eshiklardan iborat. .

Cistanche erkaklar uchun foydalari-immun tizimini mustahkamlaydi

Ushbu maqolada biz vaqt-domen neyron tarmog'ini yaratish uchun vaqt-domen signallarini ishlab chiqarish va uzatish uchun original neyron strukturani taklif qilamiz. Integratsiyalashgan tuzilma mos ravishda vaqt-domen signallarini ishlab chiqaradigan va uzatuvchi neyron va sinaps modullarini, shuningdek, o'rganish funktsiyalari uchun vazn modullarini o'z ichiga oladi. Bizning asosiy maqsadli ilovalarimizdan biri inson faoliyati bilan bog'liq ma'lumotlarni qayta ishlaydigan rezervuar hisoblashdir. Bizning ilovamiz biosignallar kabi oddiyroq va kamroq ma'lumotlarni talab qiladigan ishlov berishga qaratilgan. Rezervuar hisoblashda EKG va ma'ruzachini aniqlash, shuningdek, qo'l yozuvini aniqlash kabi o'rganish funktsiyalari bir necha yuz neyronlar yordamida amalga oshirilishi mumkin. 24-ma'lumotnoma shuni ko'rsatadiki, kirish effektlarining vaqt konstantalari maqsadli funktsiya va rezervuar dinamikasi o'rtasida mos kelsa, o'rganish samaradorligi yaxshilanadi va biz vaqt seriyasi ma'lumotlarini qayta ishlash uchun ishlatiladigan neyron tuzilma uchun dizayn maqsadi sifatida millisekundlik vaqt konstantalaridan foydalanamiz. inson faoliyati. Biz rezervuarni hisoblash uchun SNN qurish va o'rganish funktsiyasini amalga oshirish uchun tavsiya etilgan neyron strukturaning xatti-harakatlar modelidan foydalanamiz, bu bizning taklif qilingan neyron tuzilmamiz rezervuar hisoblash uchun ishlatilishi mumkinligini isbotlaydi. Loyihalashtirilgan va ishlab chiqarilgan neyron strukturasi 1-rasmda ko'rsatilgan (a), u taklif qilingan neyron, sinaps va og'irlik modullariga asoslangan bo'lib, ular quyida batafsil tavsiflanadi. Ushbu strukturada neyron modulining kirish qismi ikkita og'irlik moduliga ulanadi, biri inhibitiv signalni sozlash uchun, ikkinchisi esa qo'zg'atuvchi signal uchun. Biz TSMC 65 nm standart CMOS texnologiyasi bilan 1(a)-rasmda ko'rsatilgan tavsiya etilgan neyron strukturani ishlab chiqdik. Chipning mikrografi 1 (b)-rasmda ko'rsatilgan, bu erda neyron, sinaps va og'irlik modullarining o'lim maydoni mos ravishda 127, 231 va 525 lm2 ni tashkil qiladi.

ght modullari mos ravishda 127, 231 va 525 lm2 ni tashkil qiladi. LIF neyron modeli asosan membrana kondensatori, oqish qarshiligi va kuchlanish komparatoridan iborat. Neyronlar boshqa neyronlardan signallarni sinapslar orqali oladi va soma bu tashqi signallarga javoban harakat potentsialini hosil qiladi. Agar neyron sinaps orqali etarli miqdordagi shpiklarni qabul qilsa, uning membrana potentsiali chegara qiymatiga etib, neyronning "olovga" olib keladi.8,25,26 "Olov" funktsiyasini amalga oshirish uchun invertorlardan foydalanish allaqachon ma'lum. solishtiruvchilarga alternativa. 27-ma'lumotnomada tavsiya etilgan neyron tuzilishida foydalanish uchun juda mos bo'lgan invertorga asoslangan neyron taklif qilingan va shuning uchun ushbu tadqiqotda ishlatiladigan neyron Ref. 27 (a)-rasmda ko'rsatilgan. U kiritish qurilmasi, oqish integrator qurilmasi, yong'in qurilmasi va kechiktirish moslamasidan iborat. Dastlab, Ref. 27, sxema neyron tarmoqni qurish elementi sifatida ishlab chiqilmagan va shuning uchun qo'zg'atuvchi va inhibitiv signallarni qabul qilish uchun tuzilishga ega emas. Taklif etilayotgan sxemada esa, M1 va M2 dan iborat bo'lgan kirish moslamasi mos ravishda qo'zg'atuvchi kirish va inhibitiv kirishni oladi. M1 va M2 ga kirishlar 2(a)-rasmda ko'rsatilganidek, tor impuls signallari bo'lib, ular bosqichdan oldingi sinapsdan hosil bo'ladi. Bosqichdan oldingi sinapsning faolligi impuls chastotasi bilan ifodalanadi va ulanish og'irligi impuls kengligi bilan ifodalanadi. Tarmoqni yaratish uchun bir nechta oldingi bosqich sinapslari ulangan bo'lsa, bir nechta impulslar OR mantiqi orqali yoki parallel ulangan kirish moslamalarini qo'shish orqali qo'llanilishi mumkin. Parallel kiritish qurilmalari bilan neyron davri bir vaqtning o'zida bir nechta impulslarni qabul qilishi mumkin.

cistanche tubulosa - immunitet tizimini yaxshilaydi

Oqish-integrator qurilmasida Cmem neyronning hujayra membranasini ifodalaydi va M5 dam olish holatida oqadigan qarshilik sifatida qaralishi mumkin. Kirish moslamasiga tashqi kirish bo'lmaganda, kondansatör M3 va M4 ning qochqin oqimi bilan zaryadlanadi va membrana potentsiali Vmem qochqin oqimining oqimi bilan doimiy ravishda ortadi [oqim 2-rasmda ko'rsatilganidek birlashtiriladi( bi)]. Bu nuqtada, M5 o'chirilgan holatda bo'lganligi sababli, uni kondansatör bilan parallel ravishda qarshilik sifatida ko'rib chiqish mumkin, ya'ni oqish qarshilik, uzoq muddatli doimiyga erishishga qodir. Vmem VthðFireÞ chegara kuchlanishiga ko'tarilgach, otish moslamasi ishga tushiriladi [10-rasm. 2(b-ii)]. An'anaviy dizaynlarda LIF neyronlari ko'pincha chegara kuchlanishini o'rnatish uchun uzluksiz vaqt yoki taktli komparatorning maxsus sxema tuzilmalaridan foydalanadi. Bu miya kabi energiya tejamkor va bio-miqyosli SNN qurish uchun qulay emas. Ushbu ishda otish moslamasi inverterga asoslangan komparator tomonidan amalga oshiriladi, u chegara kuchlanishini doimiy vaqt yoki soatli taqqoslash o'rniga ikkita tranzistor tomonidan o'rnatishi mumkin. Invertorga asoslangan komparator uchun aniq chegara kuchlanishini amalga oshirish uchun biz avtomatik nolga tenglashtirish texnikasidan foydalanishimiz mumkin, u kalitlar va kondensatorlar yordamida ofsetni vaqti-vaqti bilan sezadi, saqlaydi va bekor qiladi.28 Biroq, kalitlarni boshqarish uchun ko'p fazali soatlar kerak; shuning uchun u hudud va quvvatni tejaydigan suv omborlarini amalga oshirish uchun mos emas. Oddiy invertorga asoslangan komparator bilan jarayon, kuchlanish va haroratning o'zgarishi tufayli chegara o'zgarishi bo'lishi mumkin bo'lsa-da, bu haqiqiy neyronlarning shaxslari o'rtasidagi farqni taqlid qilish sifatida ko'rish mumkin. Bunga qo'shimcha ravishda, o'rganish funktsiyasi chegara farqlari va jarayon o'zgarishlarini qoplashi mumkin.29 Qo'zg'atuvchi impuls kiritishi mavjud bo'lganda, M1 bir zumda yoqiladi, bu esa Cmem va Vmemni zaryadlash uchun ko'proq oqimning tez ko'tarilishiga olib keladi. Aksincha, inhibitiv impuls kiritish signali M2 bir lahzada yoqilishiga olib keladi, bu esa Cmem ning M2 orqali sekinroq zaryadlanishiga yoki hatto zaryadsizlanishiga olib keladi, bu esa o'z navbatida Vmemning ko'tarilish tezligini sekinlashtiradi yoki uning pasayishiga olib keladi.

Olovni yoqish moslamasi ishga tushirilganda, u M4 ga ulanishi uchun past darajadagi VFire hosil qiladi, bu membrana kondansatörü Cmemni zaryad qilish uchun oqimni oshiradi, natijada Vmem membrana potentsialining bir zumda o'sishiga olib keladi, bu esa olovni ishga tushirishga yordam beradi. qurilma. Bu hujayra membranasiga Nay oqimini taqlid qiladi, bu membrana kuchlanishining tez oshishiga, ya'ni ijobiy qayta aloqa effektiga olib keladi. Nihoyat, otish moslamasidan hosil bo'lgan VFire ning past darajasi yuqori darajadagi VSpike ga aylantiriladi [2-rasm. 2(b-iii)] uch bosqichli inverterni o'z ichiga olgan va VSpike-ni M3 va M5 ga ulab, Vmemni nolga qaytaradigan kechiktiruvchi qurilma tomonidan. Bu jarayon biologik neyronlarda K+ kanallarining faollashuviga taqlid qiladi, natijada K+ ionlarining tashqariga chiqishi va oxir-oqibat hujayra membranasi tinch holatiga qaytadi.

Sinapslar SNNning muhim modullaridir, chunki neyronlar ular bilan o'zaro bog'langan. Biz vaqt-domen signallarini yaratish uchun neyron modulini ishlab chiqdik, keyin esa bu vaqt-domen signalini boshqa neyronlarga uzatish uchun uzatish muhiti, ya'ni sinaps kerak. To'liq neyron tarmoqni yaratish uchun biz 2 (c)-rasmda ko'rsatilganidek, chastota signallari asosida sinaps modulini loyihalashtiramiz. Sinaps, asosan, uch bosqichli invertordan (M6; M7; M8; M9; M10 va M11) tashkil topgan, qochqin oqimi ostida ishlaydigan kuchlanish bilan boshqariladigan halqali osilatordan iborat. Oldingi neyron sxemasi yonadi va VSpike shpikini hosil qiladi, u invertor tomonidan teskari aylantiriladi, bu M5 ni qisqa vaqt davomida ochiq qiladi va M5 orqali o'tadigan oqim CSYNni zaryad qiladi, bu esa VSYNni oshiradi. VSYN tebranishni qo'zg'atadigan kuchlanishga yetgandan so'ng, halqali osilator tebranishni boshlaydi [2-rasm. 2(b-iv) va 2(bv)]. Agar oldingi neyron uzoq vaqt davomida yonmasa, VSYN boshlang'ich holatiga qadar oqadi va shu nuqtada sinaps yana faol bo'lmaydi. VSYN halqali osilatorning besleme kuchlanishiga ekvivalent bo'lganligi sababli, M5 dan oqib chiqadigan oqim VSYN ni va shuning uchun halqa osilatorining chastotasini boshqaradi.

Cistanche erkaklar uchun foydalari-immun tizimini mustahkamlaydi

SNNlar og'irliklarni sozlash orqali o'rganish funktsiyasiga erishadilar; shuning uchun biz 2 (d)-rasmda ko'rsatilganidek, yuqorida tavsiflangan taklif qilingan vaqt domenli neyron va sinaps modullariga mos keladigan vazn modulini taklif qilamiz. Taklif etilgan vazn moduli chiqish pulslarining kengligi bo'lgan vaqt domeni ma'lumotlarini sozlaydi. Bu modul kechikish chizig'i, multipleksor va AND shlyuzidan iborat. VRing - bu kechikish chizig'idan o'tadigan sinapsdan keladigan kvadrat to'lqin signalidir. VWeight - og'irlikni ifodalovchi raqamli kod, o'rganishdan keyin aniqlanadi va multipleksorni boshqarish uchun ishlatiladi. Vaqt domenining og'irligiga mos keladigan chiqish pulsining kengligi inverter zanjiridagi qaysi kran multipleksor tomonidan tanlanganiga qarab o'rnatiladi. Avval aytib o'tganimizdek, agar qo'zg'atuvchi yoki inhibitiv impuls kengligi keng bo'lsa, keyingi neyrondagi Vmem kuchlanishi mos ravishda tezroq zaryadlanadi yoki zaryadsizlanadi. Bu katta vaznga to'g'ri keladi. Ushbu tadqiqotda biz 16 ta kirishga ega multipleksorni tanladik, ya'ni to'rt bitli og'irliklar (0000 dan 1111 gacha). Og'irlik modulining chiqishi keyingi neyron davrlarining kirish qurilmasiga ulanadi. Pulsning chastotasi (impuls oralig'i) va pulsning kengligi uning faolligini o'zgartirish uchun neyronga bir vaqtning o'zida ta'sir qiladi. Pulsning chastotasi oldingi sinapsning chiqish chastotasi bilan belgilanadi, ulanish kuchi esa og'irlik moduli tomonidan aniqlangan puls chiqishi kengligiga bog'liq.

ANJIR. 1. (a) taklif qilingan tuzilma va (b) chipning mikrografi.

ANJIR. 2. (a) Tavsiya etilgan neyron modulining sxemasi, (b) tavsiya etilgan LIF neyron va sinaps modullarining xatti-harakatlari, (c) taklif qilingan sinaps modulining sxemasi va (d) tavsiya etilgan vazn modulining elektron diagrammasi.

Shakl 3(a) da ishlab chiqarilgan neyron tuzilma chipini sinash uchun foydalanilgan eksperimental qurilma ko'rsatilgan [1-rasm]. 1(b)], bu erda chip Summit 11000 zond stantsiyasiga joylashtirildi va u bilan bevosita aloqada bo'lgan zondlar bilan sinovdan o'tkazildi. Tajribalarda biz ikkita vazn modulining kirishlari ixtiyoriy funktsiya generatorlari tomonidan taqlid qilinadigan bosqichdan oldingi sinapslar deb taxmin qilamiz. Neyronning chiqishi sinaps moduliga ulanadi, uning chiqishi neyron chiqishidagi o'zgarishlarga javoban o'zgaradi. Biz ishlab chiqarilgan neyron davrlarimiz uchun kvadrat to'lqin signallarini ta'minlash uchun bosqichdan oldingi sinaps sifatida Tektronix AFG31252 ixtiyoriy funksiya generatoridan foydalandik. Shu bilan birga, biz osiloskoplar (Keysight MSOX6004A va DSOX93304Q) yordamida chiqish to'lqin shakllarini kuzatdik. Eksperimental natijalar shaklda ko'rsatilgan. 3(b)–3(d). Og'irliklarning neyronlarning otish tezligiga ta'sirini tekshirish uchun biz bosqichdan oldingi sinaps chiqishi (funktsiya generatori) chastotasini 100 Gts ga o'rnatdik va og'irlik modulini sozlash orqali to'rtta chip uchun neyronlarning otish tezligining o'zgarishini kuzatdik. 3(b)-rasmda ko'rsatilganidek, har bir vazn sozlamasi ostida mos keladigan neyronal otish chastotasini olish uchun 100 ms vaqt oralig'ida siqish chastotalarini o'rtacha 1024 marta o'lchadik. Taklif etilayotgan neyron, asosan, muvozanatda Cmem ichiga va undan chiqib ketish oqimlari bilan belgilanadigan tezlik bilan yonadi va oldingi bosqichdagi kirish uni modulyatsiya qiladi. Ko'rishimiz mumkinki, og'irliklar kattalashganda, neyron modulini yoqish chastotasi kattalashadi. Asosan, FETlarning jarayon o'zgarishi tufayli, otish chastotasi to'rt chipda taxminan 610% dan 17% gacha o'zgarib turadi. Ayniqsa, rezervuarda foydalanish uchun, lekin uning takroriy ulanishlaridagi tasodifiy og'irliklar tufayli, bu tasodifiy o'zgarishlar o'quv jarayonida chiqish og'irliklarida qoplanishi kerak.

Shakl 3 (c) bosqichdan oldingi sinaps signaliga qarab neyronlarning yong'in vaqtlarining o'zgarishini taqqoslaydi. 3(c)-rasmdagi (i)–(iii) yozuvlari mos ravishda 100 Gts inhibitiv kirish (vazn 1100 ga o‘rnatilgan), kiritilmagan va 100 Gts qo‘zg‘atuvchi kiritish (og‘irligi 1100 ga o‘rnatilgan) bo‘lgan holatlarni ko‘rsatadi. , shundan biz tormozlovchi kirish neyronning yong'in chastotasini kamaytirishini va yong'in oralig'ini oshirishini ko'rishimiz mumkin, qo'zg'atuvchi kirish esa inhibitiv kirishning teskarisi sifatida ishlaydi. Eksperimental natijalar shuni ko'rsatadiki, taklif qilingan neyronning otish oralig'i millisekundlar darajasida, bu millisekundlik vaqt konstantalariga ega bo'lgan biologik neyronlarning xususiyatiga mos keladi. Bosqichdan oldingi sinapsdan hech qanday signal berilmaganda, quvvat iste'moli taxminan 800 pVtni tashkil qiladi, bu 100 ms siklda taxminan 20 ta siqish hosil qiladi. Bundan taxminan taxmin qilish mumkinki, har bir boshoq taxminan 4 pJ energiya iste'mol qiladi. Keyinchalik, 3(c)-rasmdagi (i) - (iii) qo'shimchalari VRingga ta'sir qilish uchun sinapsga kirish signallari sifatida ishlatilgan. Ushbu uchta holatda o'lchangan VRing to'lqin shakllari 3 (d)-rasmda ko'rsatilgan. 5 s vaqt oralig'ida o'lchangan har bir holat uchun chastotalarning o'rtacha ko'rsatkichlari mos ravishda 41, 90 va 98 Gts ni tashkil qiladi. Ushbu sinaps chiqish chastota diapazonining maqsadga muvofiqligi keyingi muhokamada tizim darajasidagi simulyatsiyalar bilan tasdiqlanadi.

ANJIR. 3. (a) Eksperimental qurilmaning fotosurati, (b) to'rtta chip uchun neyronning o'lchangan otish tezligi, (c) neyron chiqishining o'lchangan to'lqin shakllari va (d) sinaps chiqishining o'lchangan to'lqin shakllari.

ANJIR. 4. (a) Sinapsni va (b) VRing va VSYNning o'lchangan to'lqin shakllarini baholash uchun ishlab chiqarilgan boshqa birlashtirilgan tuzilma.

Sinapsning sinxron javobini kuzatishni osonlashtirish uchun biz 4 (a)-rasmdagi strukturani ham ishlab chiqdik. 4(b)-rasm 4(a)-rasmdagi tajriba natijalari. 4(ai)-rasmda ko'rsatilganidek, biz Tektronix AFG31252 ixtiyoriy funksiya generatoridan 10 Gts kvadrat to'lqinli signal VINni yaratish uchun foydalandik. VIN vazn moduli orqali o'tgandan so'ng, VOUTðWeightÞ ko'tarilish signalini ishlab chiqaradi. VSYN kuchlanishi analog bufer sifatida chipdagi manba izdoshi orqali kuzatiladi. VOUTðWeightÞ tashqaridan kuzatish uchun moʻljallanmagan boʻlsa-da, chunki u tor pulsdir, VOUTðWeightÞ VIN ning yiqilgan chetidan keyin kelishi bilan, 4(b-ii)-rasmda koʻrsatilganidek, sinapsdagi VSYN kuchlanishi bir zumda koʻtariladi. bu o'z navbatida VRing chastotasini oshiradi. Agar VOUTðWeightÞ uzoq vaqt davomida kelmasa, VSYN pasayadi, bu esa o'z navbatida VRing chastotasining kichrayishiga ta'sir qiladi. I-jadvalda mustaqil neyron davrlari o'rtasidagi ishlash taqqoslanishi ko'rsatilgan. Taklif etilayotgan neyron sxemasi energiya sarfi va maydoni bo'yicha afzalliklarga ega. Refsdagi dizaynlar. 13-16 uzluksiz vaqt yoki soatli komparatordan foydalangan va bu dizaynlar katta hajmdagi chip maydonini hamda quvvat sarfini egallaydi. Ref.da taklif qilingan CMOS bo'lmagan jarayonda ishlab chiqarilgan neyron. 18 solishtirgichni talab qilmaydi, bu hududda ustunlikka olib keladi. Biroq, uning energiya iste'moli nisbatan yuqori va bu maxsus texnologiyalar kamroq etuk va shuning uchun standart CMOS jarayonlariga nisbatan qimmatroq. Ikkala Ref. 19 va 21 ilg'or jarayonda ishlab chiqarilmoqda. Biroq, bu ish bilan solishtirganda, Ref. 19 energiya iste'moli va maydoni bo'yicha afzalliklarga ega emas. Garchi Ref. 21 simulyatsiya natijalari bilan yaxshi energiya samaradorligini ko'rsatadi, texnologik tugun tomonidan normallashtirilganda, tavsiya etilgan neyron yaxshi hudud samaradorligiga erishadi.

Taklif etilayotgan spiking neyron va halqali osilatorga asoslangan sinaps davrlarining maqsadga muvofiqligini ko'rsatish uchun 5(a)-rasmda ko'rsatilganidek, MATLAB muhitida xatti-harakatlar simulyatsiyasi amalga oshiriladi. Ushbu simulyatsiyada 100 ta neyron tavsiya etilgan sinaps va tortish modullari bilan tasodifiy takroriy ulanishlar bilan ishlatiladi. Taklif etilgan og'irlik modullari faqat rezervuar qatlamida qo'llaniladi va ularning og'irliklari oldindan tasodifiy ravishda tayinlanadi va o'quv jarayonida o'rnatiladi. Shunday qilib, chiqish og'irliklarida o'quv jarayonida rezervuardagi tasodifiy tebranishlar qoplanadi. Haqiqiy simulyatsiyani o'rnatish uchun har bir sinapsning chiqish chastotasi diapazoni haqiqiy o'lchov natijalari asosida 15 dan 200 Gts gacha o'rnatiladi. Rekursiv eng kichik kvadrat (RLS) algoritmi Ref. 30. Nazoratchi kirish signaliga misol sifatida inson faoliyati bilan bog'liq ma'lumotlarning vaqt shkalasiga mos keladigan 10 Gts chastotali sineto'lqin ishlatiladi. Nazoratchi va o'qitilgan chiqish signali 5-rasmda ko'rsatilgan (bi). Chiqishdan olingan qayta aloqa signali qo'zg'atuvchi va inhibitiv impuls poezdlariga aylantiriladi, ularning chastotalari 2-rasmda ko'rsatilgandek chiqish amplitudasining mutlaq qiymatiga mutanosibdir. 5(b-ii) va 5(b-iii) mos ravishda. Besh davr nazorat signalidan so'ng, chiqish og'irliklari o'rnatiladi va SNN o'z-o'zidan o'rganilgan signalni hosil qiladi, bu o'rganish funktsiyasi uchun tavsiya etilgan neyron tuzilmalarining maqsadga muvofiqligini ko'rsatadi. Shuningdek, biz ushbu simulyatsiyalardan bilib oldikki, o'rganish qobiliyatini yanada yaxshilash uchun sinapsning chiqish chastotasini sozlash diapazoni oshirilishi kerak, bu sinaps sxemasini optimallashtirish orqali amalga oshirilishi mumkin. Masalan, kengaytirilgan chastotani sozlash diapazonlari 15 Gts-2 kHz va 15 Gts-20 kHz oralig'ida, o'rganilgan signallar 2-rasmda ko'rsatilganidek, nazorat signalini yaxshiroq takrorlash uchun yumshoqroq bo'ladi. 5(b-iv) va 5(bv) mos ravishda.

cistanche tubulosa - immunitet tizimini yaxshilaydi

Xulosa qilib aytganda, biz vaqt-domen signallarini yaratish va uzatish uchun neyron tuzilmani taklif qildik. Tavsiya etilgan neyron va sinaps mos ravishda 127 va 231 lm2 maydonni egallaydi. Ushbu struktura op-amps va uzluksiz vaqt yoki soatli komparatorlardan foydalanmaydi, shu bilan birga otish funktsiyasi maydon va quvvat sarfida afzalliklarni ta'minlash uchun invertorga asoslangan komparator bilan amalga oshiriladi. Taklif etilayotgan vaqt-domen neyron strukturasi an'anaviy kuchlanish/oqim-domen dizaynlari bilan solishtirganda miqyosli texnologik texnologiyalardan foyda oladi. Haqiqiy chip ishlab chiqarish va o'lchash natijalari millisekundlik vaqt konstantalari bilan vaqtinchalik signal aloqa funktsiyasini namoyish etadi. Taklif etilayotgan vaqt-domen neyron strukturasi inson va kompyuter o'zaro ta'siri uchun real vaqtda vaqt seriyali ma'lumotlarini qayta ishlash uchun neyron tarmoqlarini qurish uchun juda mos keladi.

JADVAL I. Mustaqil neyron davrlarining ishlashini taqqoslash

ANJIR. 5. (a) Rezervuarni hisoblash uchun SNNning xatti-harakatlar modeli taklif qilingan neyron tuzilishga asoslangan. (b) Tizim darajasidagi xatti-harakatlar simulyatsiyasi natijalari: (i) 15-200 Gts chastotali sozlash diapazoni bo'lgan modelga asoslangan, chiqishdan aylantirilgan (ii) qo'zg'atuvchi va (iii) inhibitiv kirish signallarining kattalashtirilgan ko'rinishi, (iv) 15-2 kHz va (v) 15-20 kHz chastotalarni sozlash diapazonlariga asoslangan.

ADABIYOTLAR

1 Y. Chjan, P. Qu, Y. Ji, V. Chjan, G. Gao, G. Vang, S. Song, G. Li, V. Chen, V. Zheng, F. Chen, J. Pei, R. Chjao, M. Chjao va L. Shi, Tabiat 586, 378–384 (2020).

2 D. Shin va H.-J. Yo, Proc. IEEE 108, 1245–1260 (2020).

3 Y. LeKun, Y. Bengio va G. Xinton, Tabiat 521, 436–444 (2015).

4 T. Kohno va K. Aihara, AIP Conf. Proc. 1028, 113–128 (2008).

5 E. Chicca va G. Indiveri, Appl. fizika. Lett. 116, 120501 (2020 yil).

6 Y. Bo, P. Chjan, Y. Chjan, J. Song, S. Li va X. Liu, J. Appl. fizika. 127, 245101 (2020 yil).

7 K. Yang va A. Sengupta, Appl. fizika. Lett. 116, 043701 (2020 yil).

8 X. Chen, T. Yajima, IH Inoue va T. Iizuka, Jpn. J. Ilova. fizika. 61, SC1051 (2022).

9 V. Maass, Neyral. Tarmoqlar 10, 1659–1671 (1997).

10S. S. Radhakrishnan, A. Sebastyan, A. Oberoi, S. Das va S. Das, Nat. Kommun. 12, 2143 (2021 yil).

11X. Chen, T. Yajima, IH Inoue va T. Iizuka, Qattiq jism qurilmalari va materiallari (SSDM) bo'yicha xalqaro konferentsiyaning kengaytirilgan xulosasida (JSAP, 2021), 682–683-betlar.

12D. S. Jeong, J. Appl. fizika. 124, 152002 (2018 yil).

13G. Indiveri, E. Chicca va R. Duglas, IEEE Trans. Nerv. Tarmoqlar 17, 211–221 (2006).

14X. Vu, V. Saksena, K. Zhu va S. Balagopal, IEEE Trans. Sxema tizimi. II 62, 1088–1092 (2015).

15A. Joubert, B. Belhadj, O. Temam va R. Heliot, The 2012 International Joint Conference on Neyron Networks (IJCNN), 2012.

16S. A. Aamir, P. M€uller, G. Kiene, L. Kriener, Y. Stradmann, A. Gr€ubl, J. Schemmel va K. Meier, IEEE Trans. Biomed. Sxema tizimi. 12, 1027–1037 (2018).

17A. Basu va PE Hasler, IEEE Trans. Sxema tizimi. I 57, 2938–2947 (2010).

18S. Dutta, V. Kumar, A. Shukla, NR Mohapatra va U. Ganguli, Sci. Rep. 7, 8257 (2017).

19A. Rubino, M. Payvand va G. Indiveri, IEEE 26th International Conference on Electronics, Circuits, and Systems (ICECS) (IEEE, 2019), 458–461-betlar.

20S. A. Aamir, Y. Stradmann, P. M€uller, C. Pehle, A. Hartel, A. Gr€ubl, J. Schemmel va K. Meier, IEEE Trans. Sxema tizimi. I 65, 4299–4312 (2018).

21R. M. Saber Moradi va SA Bhave, IEEE Simpozium Series of Computational Intelligence (SSCI), 2017.

22K. Asada, T. Nakura, T. Iizuka va M. Ikeda, IEICE Electron. Ekspres 15, 20182001 (2018).

23R. Staszewski, K. Muhammad, D. Leipold, C.-M. Hung, Y.-C. Xo, J. Valberg, C. Fernando, K. Maggio, R. Staszewski, T. Jung, J. Koh, S. Jon, IY Deng, V. Sarda, O. Moreira-Tamayo, V. Mayega, R. Kats , O. Friedman, O. Eliezer, E. de Obaldia va P. Balsara, IEEE J. Solid-State Circuits 39, 2278–2291 (2004).

24C. Gallicchio va A. Mishel, Neural. Netwotks 24, 440–456 (2011).

25 l. F. Abbott va P. Dayan, Nazariy nevrologiya (The MIT Press, 2005).

26 Vt. Gerstner va WM Kistler, Spiking Neuron Models: Single Neurons, Populations (Cambridge University Press, 2012).

27T. Yajima, fan. Rep. 12, 1150 (2022).

28B. Razavi, Ma'lumotlarni aylantirish tizimini loyihalash printsipi (Wiley-IEEE Press, 1995).

29T. Vunderlich, AF Kungl, E. M€uller, A. Hartel, Y. Stradmann, SA Aamir, A. Gr€ubl, A. Heimbrecht, K. Shrayber, D. St€ockel, C. Pehle, S. Billaudelle, G. Kiene, C. Mauch, J. Schemmel, K. Meier va MA Petrovici, Front. Nevrologlar. 13, 1–15 (2019).

30D. Sussillo va L. Abbott, "Xaotik neyron tarmoqlardan izchil faoliyat naqshlarini yaratish", Neuron 63, 544–557 (2009).