KIP publications

 
year 2018
author(s) Syed Ahmed Aamir
title Mixed-Signal Circuit Implementation of Spiking Neuron Models
KIP-Nummer HD-KIP 18-51
KIP-Gruppe(n) F9
document type Dissertation
Keywords CMOS, Analog, Integrated Circuits, ASIC, Spiking Neuron, Mixed-Signal, 65nm, BrainScaleS, Brain-Inspired, Neuromorphic
doi 10.5445/IR/1000082545
Abstract (de)

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. Das LIF-Modell wird dann zu einem Adaptive-Exponential-Integrate-and-Fire-Modell (AdEx) erweitert, wofür zusätzliche Schaltungen für den Exponential- und Adaptionsterm implementiert werden. Die Ergebnisse des AdEx-Prototyp-Chips zeigen, dass eine Vielzahl typischer Feuermuster, wie sie bei kortikalen Neuronen beobachtet wurden, mit der Schaltung emuliert werden können. Der in dieser Arbeit entworfene Neuronenschaltkreis wird den Benutzern ein der Biologie ähnliches, spikendes Neuron bieten und als fundamentale Einheit in die zweite Generation des BrainScaleS-Systems eingehen.

Abstract (en)

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. The LIF neuron circuit is enhanced to the Adaptive-Exponential Integrate-and-Fire (AdEx) model where the circuits for exponential and adaptation are designed. The AdEx implementation results demonstrate a variety of firing patterns typically known from cortical neurons. The neuron circuit will provide the end-users with biologically plausible spiking dynamics and is to be integrated as the fundamental computational element in the second-generation BrainScaleS hardware.

URL KITopen link
up
KIP - Bibliothek
Im Neuenheimer Feld 227
Raum 3.402
69120 Heidelberg