低功耗的人工神经元网络具有增强的突触功能,使用双晶体管和双记忆管

科学领域:

• 神经形态工程的神经形态工程
• 人工智能 硬件 硬件

背景情况:

• 人工神经元旨在模仿生物系统,以增强神经网络计算.
• 人工神经元电路的高能耗是一个主要的挑战.
• 记忆器显示出在硬件中高效的突触实现的希望.

研究的目的:

• 设计和实施一个高效的电路级人工神经元网络,使用基于memristor的突触.
• 根据修改后的莫里斯-莱卡尔模型,在人工神经元中实现低功耗.
• 为了应对将记忆电路集成到神经元硬件中的挑战.

主要方法:

• 设计了一个混合CMOSmemristor人工神经元网络,结合了一个memristor突触模型.
• 在标准的CMOS技术中实现了人工神经元,重点是低功耗.
• 使用双晶体管和双记忆管 (DTDM) 突触电路用于基于记忆管的人工神经元.
• 使用 45 nm CMOS 技术模拟了使用 Spectre 的电路.

主要成果:

• 拟议的基于memristor的莫里斯-莱卡尔 (ML) 神经元与DTDM突触电路显示显著低功耗 (12.55 pW).
• 实现了22.72 kHz的高尖峰频率.
• 每个尖峰的能量效率为2.13 fJ.

结论:

• 开发的基于memristor的人工神经元网络为低功耗,高性能神经计算提供了可行的解决方案.
• DTDM突触电路有效地集成记忆器,以实现高效的人工神经元实现.
• 这项研究有助于推进神经形态硬件与生物灵感,节能设计.