超低功耗的Sigma-Delta神经元电路
摘要：自适应泄漏积分-火(neuron models)是神经处理系统中常用的一种数据表示方法，通过产生脉冲，在一定程度上能够反映输入的幅度。然而，这种机制在编码时变信号时需要较高的发放速率，导致能耗增加。新型神经形态学系统采用自适应泄漏积分-火神经元模型，通过相对时序而不是速率来编码信号，从而克服了这个问题。本文分析了最近的自适应LIF神经电路实现，并指出与一阶sigma-delta反馈环路之间的类比和差异。我们提出了一种新的sigma-delta神经元电路，解决了现有实现中的一些限制，并呈现了模拟结果，量化出改进的效果。我们展示了这一新电路，它应用于1.8 V、180 nm CMOS工艺，提供了高达42 dB的信噪比，并且能耗降低了数个数量级。最后，我们还展示了如何将实值循环神经网络映射到脉冲框架中，以强调所提出电路的应用前景。
作者：Manu V Nair and Giacomo Indiveri
论文ID：1902.07149
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2019-05-07