[논문 리뷰] Computing Motion with 3D Memristive Grid

Chuan Kai Kenneth Lim, Themis Prodromakis|arXiv (Cornell University)|2013. 03. 13.

Advanced Memory and Neural Computing참고 문헌 2인용 수 6

한 줄 요약

이 논문은 척추동물의 망막 외측 및 내측 펜큘라층을 모방하여 운동을 계산하는 3차원 메모리스티브 격자 아키텍처를 제안한다. 새로운 메모리스티브 임계처리 기법과 双층 네트워크를 사용하여 움직이는 가장자리의 ON- 및 OFF-센터 임계 반응을 감지함으로써, 확장 가능하고 저전력인 뉴모르픽 시스템에서 국소 광학 흐름 계산을 통해 물체의 속도와 방향을 정확히 추정할 수 있다.

ABSTRACT

Computing the relative motion of objects is an important navigation task that we routinely perform by relying on inherently unreliable biological cells in the retina. The non-linear and adaptive response of memristive devices make them excellent building blocks for realizing complex synaptic-like architectures that are common in the human retina. Here, we introduce a novel memristive thresholding scheme that facilitates the detection of moving edges. In addition, a double-layered 3-D memristive network is employed for modeling the motion computations that take place in both the Outer Plexiform Layer (OPL) and Inner Plexiform Layer (IPL) that enables the detection of on-center and off-center transient responses. Applying the transient detection results, it is shown that it is possible to generate an estimation of the speed and direction a moving object.

연구 동기 및 목표

• 척추동물 망막의 병렬 처리 아키텍처를 영감으로 삼아 확장 가능하고 저전력인 뉴모르픽 운동 계산 시스템을 개발하기 위해.
• 순차적 처리에 의존하고 고전력 소모를 보이는 전통적인 CCD 기반 시스템의 한계를 해결하기 위해.
• 메모리스티브의 비선형적이고 적응적인 특성을 활용하여 생체 모방적 시냅스 행동을 구현함으로써 실시간 운동 감지를 가능하게 하기 위해.
• 장애 내성과 다양한 조도 조건에 대한 적응성을 보장하여 생물학적 시각 시스템을 모방하기 위해.
• 기존의 CMOS나 프레임 기반 처리에 의존하지 않고 메모리스티브 네트워크를 사용하여 효율적인 광학 흐름 추정을 위한 하드웨어 플랫폼을 제공하기 위해.

제안 방법

• 인터커넥팅 퓨즈를 통해 메모리스턴스의 변화를 모니터링함으로써 움직이는 가장자리를 감지하기 위해 새로운 메모리스티브 임계처리 기법을 도입하였다.
• 외측 펜큘라층(OPL)과 내측 펜큘라층(IPL)을 모의하기 위해 이중층 3차원 메모리스티브 네트워크를 사용하였다. 이는 ON-센터 및 OFF-센터 임계 반응의 분리를 가능하게 하였다.
• 임계 반응 출력에 기반한 전압 바이어스를 적용하였다: 어두운 가장자리 전이에 대해 양의 전압을, 밝은 가장자리 전이에 대해 지상 전압을 사용하였다.
• 각 픽셀당 6개의 인터커넥팅 퓨즈를 통해 메모리스턴스 변화 속도를 벡터 합산함으로써 국소 광학 흐름을 계산하기 위해 1층의 육각형 메모리스티브 격자를 사용하였다.
• 각 퓨즈의 메모리스턴스 변화 속도는 색상으로 코딩되어 현재 전류 흐름 방향을 추론하는 데 사용되었으며, 이는 운동 벡터 추정과 상관관계가 있었다.
• 이 방법은 장애 내성적으로 작동하며 다양한 조도 조건에 적응하여 생물학적 적응 메커니즘을 모방하였다.

실험 결과

연구 질문

• RQ1 3차원 메모리스티브 격자는 척추동물 망막의 OPL 및 IPL의 운동 계산 기능을 효과적으로 모방할 수 있는가?
• RQ2 움직이는 가장자리의 고감도 임계 반응을 감지하기 위해 메모리스티브 임계처리를 어떻게 설계할 수 있는가?
• RQ3 ON-센터 및 OFF-센터 반응을 독립적으로 감지하고 운동 방향 및 속도를 추정할 수 있는가?
• RQ4 프레임 기반 처리 없이 메모리스티브 네트워크가 국소적으로 정확하게 광학 흐름을 계산할 수 있는 정도는 어느 정도인가?
• RQ5 다양한 조도 조건과 고장 상황에서 시스템의 성능은 생물학적 시스템과 비교해 어떻게 되는가?

주요 결과

• 제안된 메모리스티브 임계처리 기법은 퓨즈를 가로질러 메모리스턴스 변화를 식별함으로써 움직이는 가장자리를 성공적으로 감지하였다. 더 밝은 회색 점은 증가하는 메모리스턴스 값을, 더 어두운 회색 점은 감소하는 메모리스턴스 값을 나타내었다.
• 이중층 3차원 메모리스티브 네트워크는 ON-센터 및 OFF-센터 임계 반응을 정확히 분리하였다. 그림 8(c)는 오직 움직이는 어두운 가장자리만 보여주었고, 그림 8(d)는 오직 움직이는 밝은 가장자리만 보여주었다.
• 모의 실험에서 두 차량 모두 아래로 움직이고 있음을 정확히 추정하였으며, 그림 9(b) 및 9(c)의 광학 흐름 벡터로 확인되었다.
• 퓨즈의 메모리스턴스 변화 속도는 현재 전류 흐름 방향을 신뢰할 수 있는 지표로 기능하여 1층 육각형 격자에서 정확한 국소 광학 흐름 추정이 가능했다.
• 플랫폼은 장애 내성과 다양한 조도 조건에 대한 적응성을 보였으며, 생물학적 시각 시스템의 내성성을 모방하였다.
• 모의 실험은 1/15초의 프레임 간격을 사용하였고, 순차적 처리가 필요 없이 실시간으로 작동하여 효율성과 확장 가능성을 입증하였다.