[论文解读] Computing Motion with 3D Memristive Grid

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

Advanced Memory and Neural Computing参考文献 2被引用 6

一句话总结

本文提出一种3D忆阻器网格架构，通过模拟脊椎动物视网膜的外网状层和内网状层来计算运动。通过采用新型忆阻器阈值方案和双层网络，系统能够检测ON-和OFF-中心的瞬态响应，实现通过局部光流计算在可扩展、低功耗神经形态系统中准确估计物体速度和方向。

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.

研究动机与目标

• 开发一种可扩展、低功耗的神经形态系统，用于模拟脊椎动物视网膜并行处理架构的运动计算。
• 解决传统基于CCD的系统依赖顺序处理和高功耗的局限性。
• 通过利用忆阻器的非线性、自适应特性实现实时运动检测，以实现生物仿生突触行为。
• 展示对故障的容错性以及在不同光照条件下的适应性，以模拟生物视觉系统。
• 提供一种无需依赖传统CMOS或帧处理的硬件平台，实现忆阻器网络的高效光流估计。

提出的方法

• 引入一种新型忆阻器阈值方案，通过监测互连熔丝间忆阻值的变化来检测运动边缘。
• 采用双层3D忆阻器网络，模拟视网膜的外网状层（OPL）和内网状层（IPL），实现ON-中心和OFF-中心瞬态响应的分离。
• 基于瞬态检测输出施加电压偏置：对暗边沿跃迁（OFF-中心）施加正电压，对亮边沿跃迁（ON-中心）接地。
• 使用单层六边形忆阻器网格，通过矢量相加每个像素周围六个互连熔丝的忆阻值变化速率来计算局部光流。
• 每个熔丝的忆阻值变化速率以颜色编码，用于推断电流方向，该方向与运动矢量估计相关。
• 该方法具备故障容错能力，并能适应不同光照条件，模拟生物适应机制。

实验结果

研究问题

• RQ1 3D忆阻器网格能否有效模拟脊椎动物视网膜OPL和IPL的运动计算功能？
• RQ2 如何设计忆阻器阈值方案，以实现对运动边缘瞬态响应的高灵敏度检测？
• RQ3 ON-中心和OFF-中心响应能否独立检测并用于估计运动方向和速度？
• RQ4 忆阻器网络在无帧处理的情况下，能在多大程度上实现局部且准确的光流计算？
• RQ5 与生物系统相比，该系统在不同光照条件和存在故障情况下的表现如何？

主要发现

• 所提出的忆阻器阈值方案通过识别熔丝间忆阻值的变化，成功检测到运动边缘，较浅和较深的灰色点分别表示忆阻值的增加和减少。
• 双层3D忆阻器网络准确分离了ON-中心和OFF-中心瞬态响应，图8(c)仅显示移动的暗边，图8(d)仅显示移动的亮边。
• 系统正确估计出模拟中两辆汽车均向下运动，该结果由图9(b)和图9(c)中的光流矢量证实。
• 熔丝中忆阻值变化速率提供了可靠的电流方向指示，从而在单层六边形网格中实现准确的局部光流估计。
• 该平台展示了故障容错性，并能适应不同光照条件，模拟了生物视觉系统的鲁棒性。
• 仿真采用1/15 s的帧周期，系统在无需顺序处理的情况下实现实时运行，凸显其高效性和可扩展性。