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

Dit artikel presenteert een ultralage-energie, lineaire spanning-naar-puls-encoder in 0,18-µm CMOS die bij een voedingsspanning van 0,5 V werkt door een bulk-gedreven transconductantie met een DPI-gebaseerde LIF-neuron te koppelen, waardoor een afwijking van minder dan 5,6% van lineariteit wordt bereikt.

De kern

Stel je voor dat je een heel slimme, energiezuinige tolk hebt die een gesprek in een vreemde taal (analoge spanning) direct omzet in een reeks korte, duidelijke fluittonen (spikes), zonder dat er eerst een dure en energievretende vertaler (een analoge-naar-digitale converter) tussen hoeft te staan.

Dit is precies wat de onderzoekers Meysam Akbari, Erika Covi en Kea-Tiong Tang hebben gebouwd. Ze hebben een ultra-lage spannings "voltage-naar-spit" encoder ontworpen. Laten we dit complexe technische verhaal omzetten in een verhaal met alledaagse vergelijkingen.

1. Het Probleem: De Energievretende Vertaler

Normaal gesproken moeten sensoren (zoals in een camera of een hartmonitor) een continue stroom van informatie (een spanning) omzetten in digitale bits (0 en 1) om verwerkt te kunnen worden door een computer. Dit proces, genaamd ADC (Analoge-naar-Digitale Converter), is vaak groot, duur en verbruikt veel batterijkracht.

In de natuur doen neuronen (zenuwcellen) dit anders. Ze wachten niet tot een signaal "digitaal" is; ze schieten gewoon een kort impulsje (een "spike") af als het signaal sterk genoeg is. Hoe sterker het signaal, hoe vaker ze schieten. Dit is energiezuinig en snel. De onderzoekers wilden een chip maken die dit biologische principe nabootst, maar dan in een heel klein stukje silicium dat werkt op een piepkleine batterijspanning (slechts 0,5 Volt).

2. De Oplossing: Twee Delen in Eén Machine

De chip bestaat uit twee hoofdonderdelen die samenwerken als een perfect duo:

Deel A: De "Rechte" Vertaler (De Transconductor)

Het eerste deel moet de ingangsspanning omzetten in een stroom. Het probleem is dat elektronica bij zo'n lage spanning (0,5V) vaak "krom" werkt; het is niet lineair. Als je de spanning verdubbelt, zou de stroom ook moeten verdubbelen, maar dat lukt niet altijd.

• De Analogie: Stel je voor dat je een waterkraan bedient. Bij een normale kraan (een standaard transistor) moet je heel hard duwen om de kraan open te krijgen, en dan gaat het water ineens veel te hard stromen. Het is niet eerlijk.
• De Oplossing: De onderzoekers gebruiken een speciale techniek genaamd "Bulk-Driven". In plaats van de kraan aan de bovenkant te draaien, duwen ze er zachtjes van onderaf (via de "bulk" of achterkant van de transistor).
• De Linearisatie: Om het nog preciezer te maken, hebben ze een slim netwerk toegevoegd dat de "kromme" delen van de kraan wegneemt. Het is alsof je een slimme regelaar hebt die ervoor zorgt dat als je de kraan een beetje opendraait, het water ook precies een beetje meer stroomt, en niet ineens een waterval wordt. Dit zorgt voor een rechte lijn tussen de ingang en de uitgang.

Deel B: De "Hartslag" Generator (De LIF Neuron)

Het tweede deel is de neuron zelf. Deze neemt de stroom die uit het eerste deel komt en telt hem op.

• De Analogie: Stel je een emmer voor (de membraan) waar water in stroomt.
  • Als er weinig water (stroom) in stroomt, vult de emmer langzaam.
  • Zodra de emmer vol is (een drempelwaarde bereikt), lekt hij leeg en schiet er een fluitton af (de spike).
  • Daarna begint de emmer weer leeg te lopen en opnieuw te vullen.
• Het Resultaat: Als de stroom (het water) hard stroomt, vult de emmer snel en schiet hij vaak. Als de stroom zwak is, vult hij langzaam en schiet hij zelden. De frequentie van de fluittonen vertelt dus precies hoe sterk het oorspronkelijke signaal was.

3. Waarom is dit speciaal?

• Energiezuinigheid: De hele machine werkt op 0,5 Volt. Ter vergelijking: een gewone batterij is vaak 1,5 of 3 Volt. Dit betekent dat je deze chip jarenlang kunt laten draaien op een heel klein batterijtje. Het verbruikt zo weinig energie dat het in de nanowatt-gebieden zit (zo'n beetje het energieverbruik van een mierenloopje).
• Klein en Snel: De chip is zo klein dat hij op een speldpunt past (0,0074 mm²).
• Precisie: Ondanks de lage spanning en de kleine maat, is de vertaling van spanning naar fluittonen bijna perfect recht. De afwijking is minder dan 5,6%. Dat is alsof je een weegschaal hebt die bij 100 kg precies 100 kg aangeeft, en bij 200 kg precies 200 kg, zonder dat hij "wankelt".

4. Waarvoor is dit goed?

Dit soort chips is perfect voor de toekomst van draagbare technologie en medische apparaten:

• Event-based camera's: Camera's die alleen een beeld maken als er iets beweegt, in plaats van continu video op te nemen.
• Hulp bij ziektes: Implantaten die hartsignalen of hersengolven monitoren en direct doorsturen naar een arts, zonder dat de patiënt een zware batterij hoeft mee te dragen.
• Slimme sensoren: Sensoren in de natuur die jarenlang data verzamelen zonder dat je ze hoeft op te laden.

Samenvatting

Kortom, deze onderzoekers hebben een ultra-kleine, super-efficiënte tolk gebouwd. Hij neemt een zacht, continu signaal, vertaalt het direct in een ritme van korte fluittonen, en doet dit alles met zo weinig energie dat hij bijna onzichtbaar is voor de batterij. Het is een stap in de richting van computers die werken zoals ons eigen brein: snel, slim en zuinig.

Technische samenvatting

Probleemstelling

Neuromorfe sensoren hebben de behoefte om analoge signalen direct om te zetten in spikes (impulsen) om de noodzaak voor energie-intensieve analoge-naar-digitaal-converters (ADC's) te elimineren. Bestaande ontwerpen voor lage-energie-toepassingen, die vaak werken in het subdrempelgebied (subthreshold), kampen met twee hoofdproblemen:

1. Lineariteit: Traditionele gate-gedreven MOS-transistoren verliezen hun lineaire werking nabij de drempelspanning, wat leidt tot vervorming bij de conversie van spanning naar stroom (V-I) en vervolgens naar vuur-frequentie (Firing Rate).
2. Voedingspanning: Veel circuits vereisen hogere voedingspanningen dan 0,5 V, wat niet ideaal is voor ultra-lage-energie-toepassingen (zoals draagbare of implantabele biomedische systemen).

Het doel is een encoder te ontwerpen die werkt bij een zeer lage voedingsspanning (0,5 V), een breed dynamisch bereik biedt en een lineaire relatie handhaaft tussen de ingangsspanning en de uitgangsspike-frequentie.

Methodologie

De auteurs presenteren een encoder die bestaat uit twee hoofdcomponenten, geïntegreerd in een TSMC 0,18-µm CMOS-proces:

1. Lineaire Bulk-Driven Transconductance (Transconductor):

   • Topologie: Een "tail-less" differentieelpaar waarbij de ingangssignalen worden aangelegd op de bulk-terminals (body) in plaats van de gates. Dit maakt rail-to-rail bediening mogelijk in het subdrempelgebied bij slechts 0,5 V.
   • Linearisatie: Omdat de stroom in het subdrempelgebied exponentieel afhankelijk is van de spanning, introduceert de schakeling een translineaire linearisatienetwerk. Dit netwerk onderdrukt de dominante sinh-niet-lineariteit van de bulk-gedreven transistors.
   • Werking: Door de bulk-spanningen te moduleren, wordt een lineaire relatie bereikt tussen het differentieel ingangsspanning ($V_{in}$) en de uitgangsstroom ($I_{out}$), ondanks de exponentiële karakteristieken van de transistors.

2. Leaky Integrate-and-Fire (LIF) Neuron met DPI:

   • De uitgangsstroom van de transconductor wordt gevoed in een LIF-neuron via een Differential Pair Integrator (DPI).
   • De DPI fungeert als een stroom-gestuurde integrator op het membraancondensator ($C_m$).
   • Spike Generatie: Wanneer de membraanspanning een drempelwaarde bereikt, activeert een positieve feedbacklus (via transistors M4-M6) een regeneratief proces dat een spike genereert.
   • Reset: Na een spike wordt het membraan gereset via een NMOS-transistor (M12), waarna de cyclus opnieuw begint.
   • Lineariteit van de Neuron: Door de bias-punten zorgvuldig af te stemmen (vooral $I_g$, $I_\tau$ en de feedbackfactor), wordt de niet-lineaire differentiaalvergelijking van de neuron benaderd als een lineaire eerste-orde dynamiek tijdens de integratiefase. Dit zorgt voor een lineaire conversie van stroom naar vuur-frequentie.

Belangrijkste Bijdragen

• Ultra-Lage Spanning: Het circuit opereert betrouwbaar bij een voedingsspanning van slechts 0,5 V, wat aanzienlijk lager is dan veel bestaande neuromorfe interfaces.
• Hoog Lineair Bereik: De combinatie van de bulk-driven techniek en het translineaire linearisatienetwerk resulteert in een zeer lineaire spanning-naar-stroom conversie.
• Lineaire Vuur-frequentie: De architectuur garandeert een lineaire relatie tussen de ingangsspanning en de uitgangsspike-frequentie over een breed dynamisch bereik, wat essentieel is voor nauwkeurige informatiedrager.
• Energie-efficiëntie: Het ontwerp is geoptimaliseerd voor nano-watt verbruik, geschikt voor energie-beperkte sensoren.

Resultaten

Het circuit is gefabriceerd en getest met de volgende prestaties:

• Voedingsspanning: 0,5 V.
• Verbruik: 22 nW tot 180 nW (afhankelijk van de instellingen van de referentiestroom en neuron-bias).
• Oppervlakte: 0,0074 mm².
• Lineariteit: De encoder toont een afwijking van minder dan 5,6% van een ideale rechte lijn over een ingangsspanningsbereik van 0,1 V tot 0,4 V.
• Referentiestroom: Werkt met een referentiestroom ($I_{ref}$) van 2 tot 27 nA.
• Bandbreedte: Met de juiste bias-instellingen kan de vuur-frequentie boven de 40 kHz komen, wat een ingangssignaalbandbreedte van 8 kHz mogelijk maakt (geschikt voor biologische tijdschalen).
• THD (Total Harmonic Distortion): Voor de transconductor varieerde de THD tussen 1,76% en 7,2% binnen het onderzochte bereik.

Betekenis en Toepassing

Dit werk is significant voor de ontwikkeling van neuromorfe sensoren en event-based vision systemen.

• Efficiëntie: Door ADC's te elimineren en direct analoge signalen naar spikes om te zetten, wordt energie en chipoppervlak bespaard.
• Toepasbaarheid: De mogelijkheid om te werken bij 0,5 V maakt het ideaal voor energie-oogstende systemen (energy harvesting) en implantabele medische apparaten waar batterijlevensduur kritiek is.
• Nauwkeurigheid: De hoge lineariteit zorgt ervoor dat de informatie-inhoud van het analoge signaal behouden blijft in de spike-tijdreeks, wat essentieel is voor complexe neuromorfe verwerkingstaken zoals spectrale analyse of patroonherkenning op de chip.

Samenvattend biedt dit ontwerp een robuuste, energiezuinige oplossing voor de interface tussen de analoge wereld en neuromorfe verwerkingssystemen, met een ongeëvenaarde lineariteit bij extreem lage spanningen.