16921

16921

طراحي و شبيه‌سازي مولد مركزي الگو مبتني بر ممريستور

كارشناسي ارشد

الكترونيك

بهمن ماه 1395

دكتر كريم محمدي

برق

الگوهاي تكراري در بدن موجودات، اعم از مهره‌داران و بي مهرگان، توسط مجموعه‌اي از نورون‌ها و سيناپس‌ها توليد مي‌شوند. اين مدارهاي نوروني تخصصي كه الگوهاي متناوب براي كنترل سيستم‌هاي حركتي (و انقباضي) توليد مي‌كنند، مولدهاي مركزي الگو نام دارند. امروزه در راستاي رفع ناتواني‌هاي عصبي و توسعه‌ي فن‌آوري رباتيك به منظور شبيه‌تر كردن رفتارهاي ربات‌ها به انسان‌ها و حيوانات، نيازمند توليد مصنوعي اين الگوها هستيم كه توسط مولدهاي مركزي الگوي مصنوعي صورت مي‌گيرد. در اين پايان‌نامه براي شبيه‌سازي يك نمونه مولد مركزي الگو تماما آنالوگ ابتدا مدارهاي آنالوگ اجزاي آن يعني نورون و سيناپس را طراحي و شبيه‌سازي مي‌كنيم. بدين منظور از مدل ايژيكويچ براي مدل‌سازي رفتار نورون بيولوژيكي استفاده مي‌كنيم. پس از شبيه‌سازي مولد مركزي الگو در MATLAB، به سراغ طراحي و شبيه‌سازي نورون و سيناپس در نرم‌افزار HSPICE مي‌رويم. براي توليد الگوهاي انفجاري نورون كه رايج‌ترين رفتار نورون در مولدهاي مركزي الگو است، از يك مدار آنالوگ طراحي‌شده استفاده مي‌كنيم. شبيه‌سازي رفتار سيناپس مستلزم در نظر گرفتن وظايف سيناپس بيولوژيكي يعني نگه داشتن وزن سيناپسي، تغيير مقدار وزن سيناپسي و ضرب وزن سيناپسي در سيگنال ورودي است. ويژگي‌هاي عنصر جديد ممريستور باعث مي‌شود تا اين وظايف سيناپس به شكل بهينه‌اي توسط اين عنصر صورت گيرد. مدار طراحي شده براي سيناپس به گونه‌اي طراحي شده است كه شرايط استفاده از ممريستور را داشته باشد و به علاوه، از ويژگي‌هاي ممريستور بهره ببرد. اين مدار از دو ممريستور، يك بافر ورودي و آينه جريان‌هاي خروجي تشكيل شده است. در ادامه با داشتن مدارهاي نورون و سيناپس، مدار مولد مركزي الگو با دو نورون و دو سيناپس طراحي و شبيه‌سازي شده است. در مدار نهايي تغيير وزن سيناپسي نرخ توليد الگوهاي انفجاري مولد مركزي الگو را تغيير مي‌دهد به اين ترتيب كه با افزايش وزن سيناپسي، نرخ توليد الگوي انفجاري خروجي افزايش يافته و بالعكس. بنابراين فاصله‌ي بين دو اسپايك انفجاري از 857 ميكروثانيه تا 6 ميكروثانيه قابل كاهش است. كليه‌ي طراحي‌ها و شبيه‌سازي‌ها با تكنولوژي μm0.35 انجام شده است. كليد واژه: مولد مركزي الگو ، نورومورفيك ، مدل‌سازي عصبي ، مدل نورون ، شبكه‌هاي عصبي اسپايكي ، پروتزهاي نوروني ، ممريستور .

1395/12/21

1/1/1900 12:00:00 AM

Rhythmic patterns in human an​d animal bodies, whether vertebrate o​r invertebrate, are produced by a special group of neurons an​d synapses. These specialized neural networks which provide the rhythmic bursts of spikes that form the basis for all muscle contraction orders an​d locomotion are called central pattern generators. Nowadays, in order to find effective treatments for neurological disabilities an​d improvement of robotics technology, it is necessary to produce these patterns artificially with artificial central pattern generators. For simulating a central pattern generator, it is necessary to simulate neurons an​d synapses. Izhikevich model is used for simulating neurons. Differential equations for synapses an​d Izhikevich model are simulated in MATLAB. In the second place, a central pattern generator comprised of two neurons an​d two synapses is simulated in MATLAB. Hardware implementation of a central pattern generator requires silicon circuits for neurons an​d synapses. An analog circuit for implementing Izhikevich neuron is used to produce bursting patterns of neurons. A synapse circuit should save synaptic weight, change it an​d multiply the synaptic weight by the input of synapse circuit. Memristor characteristic helps us to optimally implement the synapse circuit. Memristor o​r memory resistor is a passive element which its memristance is adjustable by the current passing through it while its memristance would be constant if its voltage is less than threshold voltage. In this case, memristor acts like a resistor. The proposed synapse circuit is designed in a way that it takes advantages of the memristor. The memristance is adjustable in a wide range an​d the voltage on the memristor while working is less than the threshold voltage. The proposed synapse circuit comprises two memristors, an input buffer an​d output current mirror. This circuit is validated by different synaptic weights which produced by changing the memristances of the circuit. By increasing the synaptic weight, the amplitude of the output signal rises. The final central pattern generator circuit is designed an​d simulated by CMOS neuron an​d memristor-based synapse. In the final circuit, the rate of output bursting patterns is changeable by adjusting the synaptic weight. By increasing the synaptic weight, the rate of producing bursting pattern rises an​d by decreasing the synaptic weight, the rate is reduced. In this regard, the period of bursting patterns is adjustable from 6 microseconds to 857 microseconds. In addition, the synaptic weight is adjustable from about 0.15 to 20000. Furthermore by considering different synaptic weight for each synapse, relative interval between output of neurons as changeable an​d we are able to adjust position of the outputs of the neurons. The CMOS circuit is designed an​d simulated in a 0.35μm CMOS technology.