Please use this identifier to cite or link to this item: https://elib.utmn.ru/jspui/handle/ru-tsu/15486
Title: SPICE-моделирование процессов ассоциативного самообучения и безусловного разобучения в логическом блоке нейропроцессора
Other Titles: SPICE-modeling of the processes of associative self learning and unconditional discrimination in the logic unit of a neuroprocessor
Authors: Pisarev, A. D.
Писарев, А. Д.
Keywords: biomorphic neuroprocessor
associative self-learning
memristor
combined crossbar
neural networks
SPICE-modeling
nanoelectronics
SPICE-моделирование
ассоциативное самообучение
мемристор
комбинированный кроссбар
биоморфный нейропроцессор
наноэлектроника
нейронные сети
Issue Date: 2018
Publisher: Издательство Тюменского государственного университета
Citation: Писарев, А. Д. SPICE-моделирование процессов ассоциативного самообучения и безусловного разобучения в логическом блоке нейропроцессора / А. Д. Писарев // Вестник Тюменского государственного университета. Серия: Физико-математическое моделирование. Нефть, газ, энергетика / главный редактор А. Б. Шабаров. – Тюмень : Издательство Тюменского государственного университета, 2018. – Т. 4, № 3. – С. 132-145.
Abstract: This research relates to the industry of creating nanoelectronic blocks intended for the implementation of a neuroprocessor, which is a hardware platform of neural networks and complex biomorphic architectures, which may, for example, simulate the work of the cortical column of the brain. This article describes the scheme of the electronic logic block, which is the key node of the neuroprocessor, which performs, in particular, the functions of associative self-learning and unconditional unraveling of the neural network. The logical block of the neuroprocessor consists of elementary cells, in the electrical circuit of which a memristor connected to a diode-transistor logic component is used as a memory element. The topology of the logic block has a 3D-periodic design, which is a composition of CMOS layers and crossbars with memristor material. The manufacturing process of the logical unit is simple enough and can be adapted to existing production lines of electronic devices, since it is based on typical physical and chemical production methods. Memristor crossbars are manufactured by the method of reactive magnetron sputtering, which is combined with common standard CMOS technology. Based on the logic block, the author suggests an electrical circuit that performs the functions of the known Hodgkin – Huxley neuron model. As examples of the realization of the processes of associative self-learning and the unconditional “unlearning” of the electronic logic unit, the principles of interaction of neurons in living objects during the elaboration of a conditioned reflex were used. The operation of the logic block in the basic modes was investigated by the computer SPICE simulation method. For this purpose, model schemes of control drivers were developed, which were connected to the crossbar lines of the logical unit to generate information signals and set the operating mode of the logical unit. As simulation results, the stress and current diagrams of the combined memristor crossbar are obtained in the specified modes of operation of the device. The main result achieved is the model of the neuron synapse realized by the analog operation of the memristor as a memory element of the logical block when it is read and written pulse. The change in the resistance of the memristors of the logic block during the pulse recording is shown and stable functioning during reading in the processes of associative self-learning and unconditional raising of the three-layer neural network.
Исследование относится к индустрии создания наноэлектронных блоков, предназначенных для реализации устройства нейропроцессора, являющегося аппаратной платформой нейронных сетей и сложных биоморфных архитектур, например, имитирующих работу кортикальной колонки головного мозга. В статье описана схема электронного логического блока, который является ключевым узлом нейропроцессора, выполняющим, в частности, функции ассоциативного самообучения и безусловного разобучения нейронной сети. Логический блок нейропроцессора состоит из элементарных ячеек, в электрической схеме которых в качестве элемента памяти используется мемристор, соединенный с диодно-транзисторным логическим компонентом. Топология логического блока имеет 3D-периодическую конструкцию, которая представляет собой композицию КМОП-слоев и кроссбаров с мемристивным материалом. Техпроцесс изготовления логического блока является достаточно простым и может быть адаптирован к существующим линиям производства электронных приборов, т. к. основан на типовых физико-химических производственных методах. Мемристорные кроссбары изготавливаются методом реактивного магнетронного напыления, который скомбинирован с распространенной стандартной КМОП-технологией. На основе логического блока предложена электрическая схема, выполняющая функции известной модели нейрона Ходжкина – Хаксли. В качестве примеров реализации процессов ассоциативного самообучения и безусловного разобучения электронного логического блока были использованы принципы взаимодействия нейронов в живых объектах при выработке условного рефлекса. Функционирование логического блока в основных режимах исследовалось методом компьютерного SPICE-моделирования. Для этого были разработаны модельные схемы управляющих драйверов, которые подключались к линиям кроссбаров логического блока для формирования информационных сигналов и задания режима работы логического блока. В качестве результатов моделирования представлены эпюры напряжений и токов комбинированного мемристорного кроссбара, полученные в заданных режимах работы устройства. Основным достигнутым результатом является модель синапса нейрона, реализованная аналоговой работой мемристора в качестве запоминающего элемента логического блока при его импульсном чтении и записи. Показано изменение сопротивления мемристоров логического блока в процессе импульсной записи и стабильное функционирование во время чтения в процессах ассоциативного самообучения и безусловного разобучения трехслойной нейросети.
URI: https://elib.utmn.ru/jspui/handle/ru-tsu/15486
https://elib.utmn.ru/jspui/handle/ru-tsu/15486
ISSN: 2411-7978
2500-3526
Source: Вестник Тюменского государственного университета. Серия: Физико-математическое моделирование. Нефть, газ, энергетика. – 2018. – Т. 4, № 3
Appears in Collections:Вестник ТюмГУ: Физико-математическое моделирование. Нефть, газ, энергетика

Files in This Item:
File Description SizeFormat 
132_145.pdf744.65 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.