Figura 1 Diagrama esquemático de localización de sonido integrado con almacenamiento cerebral y computación
El grupo de investigación del profesor asociado Gao Bin del Instituto de Circuitos Integrados de la Universidad de Tsinghua utilizó las características de modulación de conductancia continua. de memristores para construir un Un nuevo sistema informático similar al cerebro basado en una matriz de memristores, aplicado a tareas de localización de sonido: la red consta de 60 neuronas de entrada y 7 neuronas de salida. La información de entrada y salida son las señales acústicas recibidas por ambos oídos y - 90 grados a ángulos de azimut dentro de 90 grados, todas las neuronas de la capa de salida * * * determinan el ángulo predicho.
Figura 2. Implementación hardware de una red de localización de sonido basada en un conjunto de memristores, inspirada en mecanismos cerebrales.
Aunque las estrategias tradicionales de programación de memristores pueden reducir en gran medida la sobrecarga de hardware de la capacitación en línea, es difícil cumplir con los requisitos de precisión de las tareas de posicionamiento. Para superar este problema, el equipo de investigación propuso una estrategia de actualización de umbrales múltiples que tolera la discreción de los memristores. En el proceso de actualización de peso, se introducen múltiples umbrales de evaluación y se aplica un número correspondiente de pulsos de operación de acuerdo con el intervalo donde se encuentra el valor de actualización de peso. Los resultados del análisis muestran que la estrategia de actualización de umbrales múltiples logra un equilibrio entre la precisión del entrenamiento de la red de voz y la sobrecarga de hardware.
Figura 3 Estrategia de actualización multiumbral considerando las características del memristor y la sobrecarga del hardware.
En una matriz de memristor de 1K TiN/TaOy/HfOx/TiN, el equipo de investigación demostró con éxito la tarea de localización de sonido en muestras del conjunto de datos CIPIC HRTF. Los resultados experimentales muestran que, en comparación con el esquema de capacitación tradicional, después de adoptar la estrategia de actualización de umbrales múltiples, la precisión de la detección de la red aumenta en aproximadamente un 45,7%. Además, en comparación con las soluciones CMOS ASIC anteriores, esta tecnología muestra una mayor precisión de posicionamiento y una ventaja de consumo de energía 184 veces mayor. Este trabajo proporciona una nueva solución para realizar un sistema de posicionamiento similar al cerebro de alto rendimiento y bajo consumo de energía.
Figura 4 Demostración de la función de localización de sonido y resultados de evaluación de hardware basados en una matriz de memristores.
Recientemente, los resultados de investigación relevantes de este trabajo se publicaron en Nature con el título "Computación de simulación basada en memristores para la localización de sonido inspirada en el cerebro para entrenamiento in situ". Boletín publicado online (Nature Communications). El profesor asociado Gao Bin y el profesor Wu Huaqiang del Instituto de Circuitos Integrados de la Universidad de Tsinghua son los coautores de este artículo, y Zhou Ying, Gao Bin y Zhang Qingtian son los coautores de este artículo. Esta investigación fue apoyada por el Proyecto Principal de Innovación en Ciencia y Tecnología 2030 "Ciencia del cerebro e investigación inspirada en el cerebro", el Proyecto de Jóvenes Académicos Distinguidos de la Fundación Nacional de Ciencias Naturales de China, Proyectos Clave y el Premio de Exploración Científica.
El profesor asociado Gao Bin ha estado comprometido con la investigación en el campo de la computación inspirada en el cerebro basada en memristores durante muchos años. Fue invitado a escribir reseñas de chips cerebrales en revistas como Nature Electronics, Nature Communications y Proceedings of IEEE, y presentó informes especiales en conferencias como ASP-DAC y A-SSCC. Se desempeñó como presidente del subcomité modelo en el buque insignia. congresos como IEDM y EDTM.