Σχεδίαση ενός πλήρως αναλογικού και εξαιρετικά χαμηλής κατανάλωσης βαθέως συνελικτικού νευρωνικού δικτύου

Abstract

Στόχος της παρούσας διπλωματικής είναι η υλοποίηση ενός πλήρως αναλογικού και εξαιρετικά χαμηλής κατανάλωσης βαθέως συνελικτικού νευρωνικού δικτύου. Ειδικότερα αναλύεται η σχεδίαση νέων κυκλωμάτων ηλεκτρονικά ελεγχόμενων αναλογικών πολλαπλασιαστών και κλιμάκωσης εξόδου γενικής χρήσης καθώς και κυκλωμάτων υλοποίησης της συνάρτησης ενεργοποίησης ReLU και του τελεστή argmax. Ακολούθως, συνδυάζοντας τα προαναφερθέντα κυκλώματα καθώς και επίπεδα αναλογικής μνήμης, περιγράφεται η σύνθεση τόσο των συνελικτικών στρωμάτων όσο και του πλήρως συνδεδεμένου στρώματος του παραπάνω νευρωνικού δικτύου ενώ παράλληλα παρέχεται και το πλαίσιο για την αναλογική υλοποίηση παρόμοιων αρχιτεκτονικών. Η διαφορά τάσης τροφοδοσίας του εν λόγω κυκλώματος είναι 0.6V και όλα τα ρεύματα που συναντώνται σε αυτό είναι της τάξεως των nA, γεγονός που συνεπάγεται εξαιρετικά χαμηλή κατανάλωση. Το νευρωνικό αυτό δίκτυο εκπαιδεύεται με χρήση της γλώσσας προγραμματισμού Python και το πρωτότυπο μοντέλο σε επίπεδο λογισμικού που προκύπτει χρησιμοποιείται ως σημείο αναφοράς για τις αναλογικές υλοποιήσεις. Εν συνεχεία, το προτεινόμενο αναλογικό μοντέλο αξιολογείται στην ταξινόμηση δειγμάτων, χρησιμοποιώντας ένα κοινό σύνολο δεδομένων μηχανικής όρασης με ποικίλες πρακτικές εφαρμογές. Η σχεδίαση και προσομοίωση όλων των κυκλωμάτων έγινε με χρήση του πακέτου λογισμικού Cadence IC Suite σε τεχνολογία TSMC 90nm CMOS process.