A 0.5-V Linear Neuromorphic Voltage-to-Spike Encoder Using a Bulk-Driven Transconductor

Diese Arbeit stellt einen in TSMC 0,18-µm-CMOS gefertigten, ultraleistungsfähigen Spannungs-zu-Spike-Kodierer vor, der durch die Kombination eines linearisierten Bulk-Driven-Transkonduktors und eines DPI-basierten LIF-Neurons bei einer Versorgungsspannung von nur 0,5 V eine nahezu lineare Umwandlung von Spannung in Feuerrate mit geringem Leistungsverbrauch und kleinem Flächenbedarf ermöglicht.

Das Wesentliche

Stellen Sie sich vor, Sie haben einen sehr kleinen, extrem sparsamen Roboter, der nur mit einer winzigen Batterie (0,5 Volt) läuft – das ist weniger als die Hälfte einer normalen AA-Batterie. Dieser Roboter muss ständig beobachten, was um ihn herum passiert, und diese Beobachtungen in eine Art "Sprache" übersetzen, die sein Gehirn versteht: Impulse (oder "Spikes").

Normalerweise würde ein Computer dafür erst die analoge Welt (wie Helligkeit oder Temperatur) in riesige digitale Zahlen umwandeln (wie bei einem Analog-Digital-Wandler). Das kostet aber viel Energie und Platz. Dieser neue Chip macht es anders: Er übersetzt die Spannung direkt in Impulse, ohne den Umweg über digitale Zahlen.

Hier ist die Geschichte dieses Chips, erklärt mit einfachen Bildern:

1. Der Übersetzer: Der "Bulk-Driven" Transkonduktor

Stellen Sie sich den ersten Teil des Chips als einen sehr sensiblen Übersetzer vor.

• Das Problem: In der Welt der winzigen Elektronik (unter 0,5 Volt) sind normale Schalter oft zu "starr". Wenn man sie leicht drückt, passiert nichts. Wenn man sie zu fest drückt, brechen sie.
• Die Lösung: Die Erfinder haben einen neuen Typ von Schalter gebaut, der nicht am "Griff" (dem Gate) gedreht wird, sondern an der "Rückseite" (dem Bulk).
• Die Metapher: Stellen Sie sich vor, Sie wollen einen Wasserhahn öffnen. Normalerweise drehen Sie am Griff. Aber bei diesem neuen Hahn drücken Sie sanft auf den Rücken des Ventils. Das macht den Hahn viel geschmeidiger. Er öffnet sich sehr linear: Ein bisschen Druck = ein bisschen Wasser. Viel Druck = viel Wasser. Kein Ruckeln, kein Springen.
• Die Magie: Um sicherzustellen, dass diese Übersetzung wirklich perfekt gerade ist (linear), haben sie ein kleines "Gleichgewichts-Team" eingebaut. Wenn der Übersetzer anfängt, sich zu verzerren (wie ein verzerrtes Foto), greift dieses Team ein und richtet das Bild wieder gerade, bevor es zum Gehirn weitergeleitet wird.

2. Der Empfänger: Das "Leaky Integrate-and-Fire" Neuron

Der zweite Teil des Chips ist das Gehirn oder der Trommler.

• Die Aufgabe: Er empfängt den Wasserfluss (den Strom) vom Übersetzer.
• Der Prozess:
  1. Sammeln: Der Trommler füllt einen Eimer (den Kondensator) mit dem ankommenden Wasser.
  2. Lecken: Der Eimer hat ein kleines Loch, durch das das Wasser langsam wieder herausläuft (das ist das "Leaky"-Teil). Das verhindert, dass der Eimer überläuft, wenn nichts Neues kommt.
  3. Der Schlag: Wenn der Eimer voll genug ist (eine bestimmte Schwelle erreicht), schlägt der Trommler einen Schlag (ein "Spike" oder Impuls).
  4. Reset: Sofort danach wird der Eimer geleert, und er fängt wieder von vorne an.
• Das Ergebnis: Wenn der Übersetzer viel Wasser schickt (hohe Eingangsspannung), läuft der Eimer schnell voll -> der Trommler schlägt schnell (hohe Frequenz). Wenn wenig Wasser kommt, dauert es lange -> der Trommler schlägt langsam.
• Die Linearität: Das Besondere an diesem Chip ist, dass die Geschwindigkeit der Schläge exakt proportional zur Menge des Wassers ist. Es ist keine willkürliche Reaktion, sondern eine präzise Übersetzung.

3. Warum ist das so besonders?

• Energie-Fresser vs. Energiesparer: Herkömmliche Chips für solche Aufgaben brauchen oft 1,8 Volt oder mehr und verbrauchen viel Strom. Dieser Chip läuft mit nur 0,5 Volt. Das ist wie ein Auto, das mit einem einzigen Streichholz angetrieben wird. Er verbraucht so wenig Energie, dass er mit einer winzigen Batterie oder sogar mit Energie aus der Umgebung (wie Körperwärme oder Licht) ewig laufen könnte.
• Platzsparend: Der ganze Chip ist winzig (0,0074 mm²). Das ist kleiner als ein Sandkorn.
• Anwendung: Stellen Sie sich eine Kamera vor, die nicht jedes Bild als riesige Datei speichert, sondern nur dann "blinkt", wenn sich etwas bewegt. Oder einen Hörapparat, der Geräusche direkt in Nervenimpulse umwandelt, ohne den Computer im Kopf zu überlasten.

Zusammenfassung in einem Satz

Dieser Chip ist wie ein ultra-sparsamer Dolmetscher, der flüsterleise (bei 0,5 Volt) und ohne digitale Umwege die Sprache der analogen Welt (Spannung) direkt in die Sprache des Gehirns (Impulse) übersetzt, und zwar so genau, dass die Lautstärke des Impulses immer perfekt zur Lautstärke des Eingangs passt.

Das macht ihn perfekt für zukünftige Implantate, intelligente Sensoren in der Kleidung oder Roboter, die jahrelang ohne Batteriewechsel arbeiten müssen.

Technische Zusammenfassung

Titel: Ein 0,5-V linearer neuromorpher Spannung-zu-Spike-Kodierer unter Verwendung eines Bulk-Driven-Transkonduktors

1. Problemstellung

Neuromorphe Sensoren zielen darauf ab, analoge Signale direkt in Spike-Folgen (Feuerraten) umzuwandeln, um den Energieverbrauch und die Chipfläche im Vergleich zu herkömmlichen Analog-Digital-Wandlern (ADC) zu reduzieren. Bestehende Ansätze, die auf Leaky-Integrate-and-Fire (LIF)-Neuronen basieren, leiden jedoch oft unter Nichtlinearitäten, insbesondere bei sehr niedrigen Versorgungsspannungen (z. B. 0,5 V).

• Herausforderung: Herkömmliche gate-gesteuerte MOS-Transistoren verlieren im Subschwellenbereich (Weak Inversion) ihre Linearität und ihren Eingangsrange, wenn die Spannung nahe der Schwellspannung liegt.
• Ziel: Entwicklung eines ultraleistungsfähigen Kodierers, der bei einer Versorgungsspannung von nur 0,5 V arbeitet, eine hohe Linearität zwischen Eingangsspannung und Feuerrate aufweist und dabei einen extrem geringen Energieverbrauch (im Nano-Watt-Bereich) erreicht.

2. Methodik und Architektur

Der vorgeschlagene Encoder besteht aus zwei Hauptblöcken, die in einer TSMC 0,18-µm-CMOS-Technologie realisiert wurden:

A. Linearer Transkonduktor (Front-End)

• Bulk-Driven-Differentialpaar: Um die Einschränkungen gate-gesteuerter Transistoren bei 0,5 V zu umgehen, wird ein "tail-less" (schwanzloses) differentielles Paar verwendet, bei dem die Eingangssignale über die Bulk-Terminals (Substrate) der Transistoren angelegt werden. Dies ermöglicht eine rail-to-rail-Betrieb im Subschwellenbereich.
• Linearisierung: Da der Strom im Subschwellenbereich exponentiell von der Spannung abhängt, entsteht eine dominante $sinh$-Nichtlinearität. Um dies zu kompensieren, wird ein translinearer Linearisierungsnetzwerk eingesetzt.
  • Dieses Netzwerk erzeugt interne Signale ($V_A, V_B$), die die $sinh$-Komponente der Ausgangsströme kompensieren.
  • Durch analytische Herleitung wird sichergestellt, dass der Argumentbereich der Hyperbelfunktion begrenzt bleibt, was eine hochlineare Spannungs-Strom-Umwandlung ($V \to I$) ermöglicht.
  • Zusätzlich werden die Bulk-Terminals der cascode-Transistoren mit dem Eingangssignal moduliert, um den Body-Effekt zu minimieren und die Symmetrie zu verbessern.

B. LIF-Neuron (Back-End)

• DPI-Integrator: Der Ausgangsstrom des Transkonduktors wird nicht direkt in den Membrankondensator ($C_m$) eingespeist, sondern durch einen Differential Pair Integrator (DPI) geleitet.
• Funktionsweise: Der DPI wandelt den Strom in eine lineare Membranspannung um. Die Verstärkung wird über die Gate-Spannung von $M_2$ ($V_{tu}$) und die Leck-Leitfähigkeit über $M_3$ ($V_{lk}$) eingestellt.
• Spike-Generierung: Wenn die Membranspannung einen Schwellwert erreicht, aktiviert ein positiver Rückkopplungspfad ($M_4-M_6$) die Spike-Erzeugung. Ein Inverter-Paar erzeugt einen vollausgeschwungenen Spike, und ein Reset-Transistor ($M_{12}$) entlädt die Membran für den nächsten Zyklus.
• Linearisierung der $I \to Spike$-Umsetzung: Durch geeignete Biasing-Parameter wird sichergestellt, dass der DPI während der Integrationsphase in einem Bereich arbeitet, der eine lineare Beziehung zwischen Eingangsstrom und Feuerrate gewährleistet.

3. Wichtige Beiträge

• Ultraleistungsfähige Spannungsbetrieb: Der Entwurf funktioniert zuverlässig bei einer extrem niedrigen Versorgungsspannung von 0,5 V, was für energieautarke Anwendungen entscheidend ist.
• Hohe Linearität: Durch die Kombination aus Bulk-Driven-Topologie und translinearer Linearisierung wird eine nahezu lineare Umwandlung von Spannung zu Feuerrate erreicht.
• Tunierbarkeit: Sowohl die Verstärkung als auch die Leckzeitkonstante des Neurons sind über Bias-Spannungen einstellbar, was einen weiten dynamischen Bereich ermöglicht.
• Flächeneffizienz: Der gesamte Encoder (Transkonduktor + Neuron + Puffer) belegt nur 0,0074 mm².

4. Ergebnisse

Die Schaltung wurde in TSMC 0,18-µm CMOS gefertigt und gemessen:

• Versorgungsspannung: 0,5 V.
• Eingangsbereich: Linearer Bereich von 0,1 V bis 0,4 V.
• Linearität: Die Abweichung von der idealen Geraden beträgt weniger als 5,6 % über den gesamten linearen Eingangsbereich.
• Leistungsverbrauch: Der Gesamtverbrauch liegt zwischen 22 nW und 180 nW, abhängig vom Referenzstrom ($I_{ref}$) und den Bias-Einstellungen.
• Bandbreite: Mit geeigneter Biasierung kann die obere Grenze des linearen Feuerrate-Bereichs über 40 kHz liegen, was eine Eingangsbandbreite von 8 kHz (biologisch relevante Zeitskala) ermöglicht.
• Verzerrung: Der Total Harmonic Distortion (THD) des Transkonduktors liegt im untersuchten Bereich zwischen 1,76 % und 7,2 %.

5. Bedeutung und Ausblick

Dieser Encoder stellt einen bedeutenden Fortschritt für energieeffiziente neuromorphe Systeme dar.

• Eliminierung von ADCs: Da analoge Signale direkt in Spike-Folgen kodiert werden, entfällt der energieintensive Analog-Digital-Wandler.
• Anwendungsbereiche: Die Schaltung ist ideal für ereignisbasierte Visionssysteme (Event-based Vision) und biomedizinische Implantate, wo geringe Spannung, minimaler Stromverbrauch und kleine Baugröße kritische Anforderungen sind.
• Robustheit: Die Verwendung von Bulk-Driven-Transistoren ermöglicht einen stabilen Betrieb auch bei Prozess-, Spannungs- und Temperaturvariationen (PVT), was für zuverlässige Sensoren in realen Umgebungen essenziell ist.

Zusammenfassend demonstriert diese Arbeit, wie durch geschickte Schaltungstopologien (Bulk-Driven + Translinearität) hochlineare Signalverarbeitung bei extrem niedrigen Spannungen und mit minimalem Energieaufwand realisiert werden kann.