КМОП-реализация обучаемого порогового логического элемента. Часть 1: Проектирование и схема обучения

Аннотация

Цель: показать возможность реализации в КМОП-технологии, использующей современные проектные нормы, ана-
лого-цифрового искусственного нейрона на примере построения логического порогового элемента, обучаемого слож-
ным пороговым логическим функциям. Методы: представление нейрона МакКаллока — Питтса в виде отношения сум-
мы взвешенных входов к порогу и разработка методики построения обучаемого порогового элемента, состоящего из
синапсов, проводимость которых определяется входными переменными и их приведенными к порогу функции весами,
накапливаемыми в процессе обучения на элементах аналоговой памяти; высокочувствительного компаратора, срав-
нивающего суммарную проводимость синапсов с проводимостью p-канальной части компаратора, представляющей
наибольшее возможное значение порога; трех выходных усилителей с разными значениями порогов срабатывания.
Результаты: показано, что реализуемость такого обучаемого порогового элемента зависит только от величины порога
и не зависит от суммы весов входов и их числа. Элемент может быть обучен реализации произвольных пороговых ло-
гических функций, порог которых не превосходит некоторой заданной величины. Рассматриваемая в статье схема эле-
мента ориентирована на максимальное значение порога, равное 89, и может реализовать любую пороговую функцию
10 переменных. Предложена схема обучения порогового элемента, которая осуществляет параллельное формирование
весов активных входов и автоматический выбор величины шага обучения. Все практические результаты в работе получе-
ны с использованием SPICE-моделирования схем, построенных в КМОП-технологии 0,18 мкм. Практическая значимость:
существенно расширены функциональные возможности обучаемого порогового элемента, который может быть использо-
ван в системах логического распознавания образов, а также при создании нового поколения нейрочипов.