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

Este trabalho apresenta um codificador neuromórfico de tensão para spikes de ultra-baixo consumo, fabricado em CMOS 0,18 µm e operando a 0,5 V, que utiliza um transcondutor de acionamento por bulk linearizado para converter tensões de entrada em taxas de disparo com alta linearidade e eficiência energética.

O essencial

Imagine que você tem um cérebro de computador muito eficiente, mas ele só entende uma linguagem: piscar. Não palavras, não números, apenas "pisca-pisca" (chamados de spikes ou impulsos). Agora, imagine que você quer conectar um sensor do mundo real (que fala em voltagem, como a luz de uma lâmpada ou o som de uma voz) a esse cérebro. O problema é que o sensor fala "língua analógica" (contínua) e o cérebro só entende "piscar".

Normalmente, para traduzir isso, precisaríamos de um tradutor gigante e que gastaria muita bateria (um conversor analógico-digital). Mas os autores deste artigo criaram um tradutor minúsculo, super econômico e que funciona com pouquíssima energia.

Aqui está a explicação simples do que eles fizeram, usando analogias do dia a dia:

1. O Grande Desafio: A "Fita Elástica" Quebrada

Em circuitos eletrônicos comuns, tentar transformar uma voltagem em uma corrente (que depois vira um "piscar") é como tentar esticar uma fita elástica velha. Se você puxa um pouco, ela estica bem. Se você puxa muito, ela deforma, fica torto e não segue mais uma linha reta. Isso causa erros na informação.

Além disso, para fazer isso com pouca energia (usando apenas 0,5 Volts, o que é como a energia de meia pilha), os transistores (os "interruptores" do chip) ficam muito fracos e perdem a precisão.

2. A Solução Mágica: O "Motor de Traseira" (Bulk-Driven)

Os autores usaram uma técnica inteligente chamada transistor "bulk-driven".

• A Analogia: Imagine um carro. Normalmente, você acelera usando o pedal do acelerador (o "gate" do transistor). Mas, com pouca gasolina (pouca voltagem), o pedal não funciona bem.
• O Truque: Eles descobriram como acelerar o carro usando o motor traseiro (o "bulk" ou corpo do transistor). Mesmo com pouca energia, esse "motor traseiro" consegue empurrar o carro de forma muito mais suave e linear. Isso permite que o circuito funcione perfeitamente mesmo com apenas 0,5 Volts de bateria.

3. O "Amortecedor" de Erros (Linearização)

Mesmo com o "motor traseiro", ainda existe uma distorção (a fita elástica ainda tenta se curvar). Para consertar isso, eles criaram uma rede de linearização.

• A Analogia: Pense em um grupo de amigos tentando empurrar um carro encalhado. Se todos empurrarem na mesma direção, o carro vai torto. Mas, se eles se organizarem em um círculo e empurrarem em direções opostas de forma equilibrada, as forças se cancelam e o carro vai reto.
• Na Prática: O circuito usa transistores extras que "cancelam" as curvas indesejadas da matemática, garantindo que, se você dobrar a entrada, a saída também dobre exatamente. O resultado é uma linha reta perfeita.

4. O Neurônio Artificial (O "Contador de Pisca-Pisca")

Depois de transformar a voltagem em uma corrente perfeita, essa corrente vai para um Neurônio Artificial (chamado de LIF).

• A Analogia: Imagine um balde furado (o neurônio).
  • A corrente que vem do tradutor é a água caindo no balde.
  • O buraco no fundo é o vazamento (leak).
  • Quando o balde enche até a borda (atinge um limite), ele despeja toda a água de uma vez e começa a contar "1!". Isso é o piscar (spike).
  • Se a água cai devagar (entrada fraca), o balde demora para encher e os "piscas" são raros.
  • Se a água cai rápido (entrada forte), o balde enche rápido e os "piscas" são frenéticos.

O segredo aqui é que o balde foi desenhado para encher de forma linear. Ou seja, o ritmo dos "piscas" conta exatamente o quão forte é o sinal de entrada, sem distorções.

5. Por que isso é incrível?

• Economia Extrema: O circuito consome menos energia do que um relógio de pulso digital. Ele usa apenas 22 a 180 nanowatts (bilionésimos de watt). É tão pouco que poderia ser alimentado por energia solar minúscula ou calor do corpo.
• Tamanho: O chip é minúsculo (0,0074 mm²). É menor que a ponta de um alfinete.
• Aplicação: Isso é perfeito para sensores biomiméticos (como olhos ou ouvidos artificiais) que precisam estar dentro do corpo humano ou em lugares remotos, onde trocar baterias é impossível. Eles podem "ver" ou "ouvir" e enviar os dados diretamente em "piscas" para o cérebro, sem precisar de conversores gigantes e gastadores de energia.

Resumo Final

Os autores criaram um tradutor de sinais super eficiente. Eles pegaram um sinal elétrico fraco, usaram um "motor traseiro" e um "sistema de equilíbrio" para transformá-lo em uma corrente perfeita, e depois usaram um "balde inteligente" para transformar essa corrente em uma sequência de "piscas". Tudo isso funcionando com a energia de meia pilha e ocupando um espaço quase invisível.

É como se eles tivessem ensinado um computador a "falar a língua dos neurônios" sem gastar nenhuma bateria extra.

Resumo técnico

Título do Trabalho

Um Codificador Linear de Voltagem para Espinhos (Spikes) Neuromórfico de 0,5 V Utilizando um Transcondutor Acionado por Bulk (Bulk-Driven).

1. Problema e Contexto

Sensores neuromórficos visam converter sinais analógicos diretamente em espinhos (spikes), eliminando a necessidade de Conversores Analógico-Digitais (ADCs) e reduzindo significativamente o consumo de energia e a área de circuito. Embora neurônios do tipo Leaky Integrate-and-Fire (LIF) sejam comuns para codificação de taxa (rate coding), muitos projetos enfrentam desafios críticos:

• Não-linearidade: A conversão de tensão para taxa de disparo (firing rate) frequentemente sofre com não-linearidades, especialmente em regimes de baixa tensão.
• Limitações de Tensão: A operação em tensões ultra-baixas (ex: 0,5 V) é essencial para aplicações de baixo consumo, mas transistores convencionais acionados por porta (gate-driven) perdem faixa dinâmica e linearidade perto do limiar.
• Eficiência Energética: Aplicações biomédicas e de visão baseada em eventos exigem circuitos que operem na região de inversão fraca (subthreshold) com alta eficiência.

2. Metodologia e Arquitetura Proposta

O trabalho propõe um codificador completo que combina um transcondutor linearizado na frente com um neurônio LIF no final, operando a partir de uma alimentação de apenas 0,5 V.

A. Transcondutor Linearizado (Front-end)

• Tecnologia Bulk-Driven: Em vez de acionar os transistores pela porta, o sinal de entrada é aplicado ao terminal bulk (corpo). Isso permite operação rail-to-rail na região de inversão fraca, mantendo o controle do canal mesmo com tensões muito baixas.
• Par Diferencial sem Cauda (Tail-less): Utiliza um par diferencial comum de fonte (common-source) sem uma fonte de corrente de cauda, otimizado para baixas tensões.
• Rede de Linearização Translinear: Para combater a não-linearidade exponencial inerente aos transistores em inversão fraca (que segue uma função seno hiperbólico, sinh), o circuito emprega uma rede de linearização translinear. Esta rede gera sinais de controle internos ($V_A$ e $V_B$) que cancelam a componente não-linear dominante, resultando em uma relação quase linear entre a tensão de entrada diferencial e a corrente de saída.
• Compensação de Efeito Corpo: Os sinais diferenciais de entrada também são aplicados aos bulks dos dispositivos cascode para minimizar a modulação do limiar induzida pelo efeito corpo, melhorando a simetria e a tolerância a variações de processo, tensão e temperatura (PVT).

B. Neurônio LIF (Back-end)

• Integração DPI (Differential Pair Integrator): A corrente do transcondutor não é injetada diretamente no capacitor de membrana. Ela passa por um integrador DPI, que atua como uma fonte de corrente controlada por tensão de alta impedância.
• Dinâmica de Membrana: O integrador DPI lineariza a conversão de corrente para espinhos. A taxa de disparo é controlada pela tensão de ganho ($V_{tu}$) e a condutância de fuga (leak) é ajustada por $V_{lk}$.
• Geração de Espinhos: Quando a tensão de membrana ($V_{mem}$) atinge um limiar, um laço de realimentação positiva dispara um espinho de amplitude completa. Um circuito de refratoriedade ($C_{rf}$) e um transistor de reset ($M_{12}$) reiniciam o neurônio para o próximo ciclo.

3. Contribuições Principais

• Operação Ultra-Baixa Tensão: Funcionamento estável e linear a 0,5 V, uma tensão extremamente baixa para circuitos analógicos complexos.
• Alta Linearidade: A combinação do transcondutor bulk-driven com a rede de linearização translinear e o integrador DPI resulta em uma conversão Voltagem-Taxa de Disparo (V-F) altamente linear.
• Eficiência e Área: O circuito foi fabricado em tecnologia TSMC 0,18 µm CMOS, ocupando uma área total de apenas 0,0074 mm².
• Eliminação de ADC: Permite a interface direta de sensores analógicos com processamento neuromórfico, economizando energia e área.

4. Resultados Experimentais

O circuito foi fabricado e testado, apresentando os seguintes resultados:

• Faixa de Entrada Linear: 0,1 V a 0,4 V.
• Desvio de Linearidade: Menor que 5,6% em relação à linha reta ajustada sobre a faixa de entrada.
• Consumo de Potência: Variável entre 22 nW e 180 nW, dependendo da corrente de referência ($I_{ref}$) e dos parâmetros de ganho.
• Corrente de Referência: Operou com correntes de referência de 2 nA a 27 nA.
• Largura de Banda: Com o bias adequado, a taxa de disparo máxima linear excede 40 kHz, permitindo a codificação de sinais de entrada de até 8 kHz (adequado para escalas de tempo biológicas).
• Distorção: A Distorção Harmônica Total (THD) do transcondutor variou de 1,76% a 7,2% na faixa de correntes de referência investigadas.

5. Significado e Impacto

Este trabalho demonstra a viabilidade de interfaces sensor-neuromórfico de ultra-baixo consumo e baixa tensão. Ao resolver o problema da não-linearidade em regimes de inversão fraca através de técnicas de bulk-driving e linearização translinear, o projeto permite:

1. Sensores Biomédicos Eficientes: Ideal para implantes e dispositivos vestíveis onde a energia é escassa.
2. Visão Baseada em Eventos: Permite a captura de dados visuais com alta eficiência energética e latência baixa.
3. Escalabilidade: A arquitetura é compatível com tecnologias CMOS modernas e pode ser integrada em sistemas maiores de processamento neuromórfico sem a sobrecarga de conversores ADC.

Em resumo, o artigo apresenta uma solução robusta para a codificação analógica-digital em sistemas neuromórficos, equilibrando linearidade, consumo de energia e complexidade de circuito em uma tensão de alimentação historicamente desafiadora (0,5 V).