KIT | KIT-Bibliothek | Impressum | Datenschutz

Mixed-Signal Circuit Implementation of Spiking Neuron Models

Aamir, Syed Ahmed

Abstract:

Inspiriert vom Nervensystem spiegeln analoge neuromorphe Systeme die vielseitige Dynamik biologischer Neuronen und Synapsen wider. Für die Weiterentwicklung des neuromorphen Systems „BrainScaleS“ wird in dieser Arbeit ein beschleunigtes, spikendes Neuronenmodell in einem 65-nm-CMOS-Prozess umgesetzt. Kompakte, hoch konfigurierbare, zeitkontinuierliche analoge Schaltungen mit niedrigem Energieverbrauch werden entwickelt und mit Hilfe von drei Prototypen-Chips charakterisiert. Das erste Design emuliert ein Leaky-Integrate-and-Fire-Modell (LIF). Die Messergebnise zeigen, dass ein grosser Bereich von Zeitkonstanten eingestellt werden kann und eine gute Übereinstimmung mit dem mathematischen Modell erreicht wird. ... mehr

Abstract (englisch):

Inspired by the nervous system, analog neuromorphic systems integrate computational models of neural elements to capture the rich temporal dynamics of the neuronal membrane. For the development of the BrainScaleS neuromorphic hardware, this thesis implements spiking neuron models with accelerated dynamics in a 65 nm CMOS process. Compact, low-power, highly-tunable continuous-time analog circuits are developed and characterized over three prototype chips. The first design emulates a Leaky Integrate-and-Fire (LIF) model implemented as an array of neurons. The measured results demonstrate the availability of a vast range of time constants and a one-to-one correspondence with the dynamics of the mathematical model. ... mehr


Volltext §
DOI: 10.5445/IR/1000082545
Veröffentlicht am 03.05.2018
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Prozessdatenverarbeitung und Elektronik (IPE)
Publikationstyp Hochschulschrift
Publikationsjahr 2018
Sprache Englisch
Identifikator urn:nbn:de:swb:90-825454
KITopen-ID: 1000082545
HGF-Programm 54.02.02 (POF III, LK 01) Ultraschnelle Datenauswertung
Verlag Karlsruher Institut für Technologie (KIT)
Umfang IV, 177 S.
Art der Arbeit Dissertation
Fakultät Fakultät für Elektrotechnik und Informationstechnik (ETIT)
Institut Institut für Prozessdatenverarbeitung und Elektronik (IPE)
Prüfungsdatum 10.01.2018
Projektinformation HBP (EU, FP7, 604102)
HBP SGA1 (EU, H2020, 720270)
Schlagwörter CMOS, Analog, Integrated Circuits, ASIC, Spiking Neuron, Mixed-Signal, 65nm, BrainScaleS, Brain-inspired, computing
Referent/Betreuer Weber, M.
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page