Моделирование процессов декодирования информации в выходном устройстве биоморфного нейропроцессора

Об авторах:

Писарев Александр Дмитриевич, кандидат технических наук, доцент кафедры прикладной и технической физики, Школа естественных наук, Тюменский государственный университет, Тюмень, Россия; старший научный сотрудник, лаборатория мемристорных материалов, Центр природовдохновленного инжиниринга, Тюменский государственный университет, Тюмень, Россия; spcb.doc@utmn.ru, https://orcid.org/0000-0002-5602-3880

Бусыгин Александр Николаевич, кандидат физико-математических наук, доцент кафедры прикладной и технической физики, Школа естественных наук, Тюменский государственный университет, Тюмень, Россия; старший научный сотрудник, лаборатория мемристорных материалов, Центр природовдохновленного инжиниринга, Тюменский государственный университет, Тюмень, Россия; a.n.busygin@utmn.ru, https://orcid.org/0000-0002-3439-8067

Ибрагим Абдулла Хайдар Абдо, кандидат физико-математических наук, младший научный сотрудник, лаборатория мемристорных материалов, Центр природовдохновленного инжиниринга, Тюменский государственный университет, Тюмень, Россия; abdulla.ybragim@mail.ru, https://orcid.org/0000-0002-1709-9882

Удовиченко Сергей Юрьевич, доктор физико-математических наук, профессор кафедры прикладной и технической физики, Школа естественных наук, Тюменский государственный университет, Тюмень, Россия; научный руководитель лаборатории мемристорных материалов, Центр природовдохновленного инжиниринга, Тюменский государственный университет, Тюмень, Россия; udotgu@mail.ru, https://orcid.org/0000-0003-3583-7081

Аннотация:

Настоящая публикация является продолжением цикла статей по созданию узлов нейропроцессора на основе комбинированного мемристорно-диодного кроссбара.

Определены принципы модификации импульсной информации в двоичный код в выходном устройстве нейропроцессора, реализуемые в логической матрице на основе нового элемента электроники — комбинированного мемристорно-диодного кроссбара. В логической матрице возможна обработка импульсных сигналов, поскольку один слой матрицы представляет собой набор логических вентилей «И» или «ИЛИ» с произвольно подключаемыми входами.

Предложены два решения задачи декодирования импульсов от популяции нейронов в выходном устройстве, поступающих из аппаратной нейросети нейропроцессора, в стандартные двоичные сигналы. Первое решение предполагает использование двух слоев логической матрицы и генератора импульсов. Компактность второго решения достигается за счет наличия генератора двоичных чисел, что позволяет избавиться от одного слоя логической матрицы.

Представлены результаты SPICE моделирования процесса декодирования импульсных информационных сигналов в двоичный формат и подтверждена работоспособность электрической схемы выходного устройства.

Оригинальность работы устройства заключается в коммутации логической матрицей сигналов генератора на выход нейропроцессора на основе временной задержки входного импульса из аппаратной нейронной сети. Использование мемристорной логической матрицы во всех узлах нейропроцессора, включая выходное устройство, позволяет унифицировать элементную базу полной электрической схемы нейропроцессора, а также источников ее электропитания.

Список литературы:

1. Ибрагим А. Х. Моделирование устройства кодирования информации для импульсной аппаратной нейросети / А. Х. Ибрагим, С. Ю. Удовиченко // Материалы всероссийской конференции молодых ученых «Математическое и информационное моделирование». Тюмень, 2020. Вып. 18. С. 10-16.

2. Alibart F. Pattern classification by memristive crossbar circuits using ex situ and in situ training / F. Alibart, E. Zamanidoost, D. Strukov // Nature Communications. 2013. Vol. 4. Art. 2072. DOI: 10.1038/ncomms3072

3. Chua L. Memristor — the missing circuit element / L. Chua // IEEE Transactions on Circuit Theory. 1971. Vol. 18. No. 5. Pp. 507-519. DOI: 10.1109/TCT.1971.1083337

4. Gollisch T. Rapid neural coding in the retina with relative spike latencies / T. Gollisch, M. Meister // Science. 2008. Vol. 319. No. 5866. Pp. 1108-1111. DOI: 10.1126/science.1149639

5. Kang B. S. High-current-density CuOx/InZnOx thin-film diodes for cross-point memory applications / B. S. Kang, S. E. Ahn, M. J. Lee, G. Stefanovich, K. H. Kim, W. X. Xianyu, C. B. Lee, Y. Park, I. G. Baek, B. H. Park // Advanced Materials. 2008. Vol. 20. Pp. 3066-3069. DOI: 10.1002/adma.200702932

6. Liang J. Cross-point memory array without cell selectors — device characteristics and data storage pattern dependencies / J. Liang, H. P. Wong // IEEE Transactions on Electron Devices. 2010. Vol. 57. No. 10. Pp. 2531-2538. DOI: 10.1109/TED.2010.2062187.

7. Pisarev A. 3D memory matrix based on a composite memristor-diode crossbar for a neuromorphic processor / A. Pisarev, A. Busygin, S. Udovichenko, O. Maevsky // Microelectronic Engineering. 2018. Vol. 198. Pр. 1-7. DOI: 10.1016/j.mee.2018.06.008

8. Pisarev A. D. Operation principle and fabrication technology of the neuroprocessor input unit on the basis of the memristive logic matrix / A. D. Pisarev, A. N. Busygin, A. N. Bobylev, S. Yu. Udovichenko // International Journal of Nanotechnology. 2019. Vol. 16. No. 6-10. Pp. 596-601. DOI: 10.1504/IJNT.2019.106630

9. Pisarev A. D. The biomorphic neuroprocessor based on the composite memristor-diode crossbar / A. D. Pisarev, A. N. Busygin, S. Y. Udovichenko, O. V. Maevsky // Microelectronic Journal. 2020. Vol. 102. Art. 104827. DOI: 10.1016/j.mejo.2020.104827

10. Prezioso M. Training and operation of an integrated neuromorphic network based on metal-oxide memristors / M. Prezioso, F. Merrikh-Bayat, B. D. Hoskins, G. C. Adam, K. K. Likharev, D. B. Strukov // Nature. 2015. Vol. 521. Pp. 61-64. DOI: 10.1038/nature14441

11. Strukov D. B. The missing memristor found / D. B. Strukov, G. S. Snider, D. R. Stewart, R. S. Williams // Nature. 2008. Vol. 453. No. 7191. Pp. 80-83. DOI: 10.1038/nature06932