ارائه­ دهنده:

  اساتید راهنما:

 دکتر ناصر مزینی

هیات داوران:
دکتر محسن سریانی
دکتر مهدی مدرسی

زمان:
چهارشنبه ۱۴۰۰/۰۶/۱۷

خانم مینا درخشان دانشجوی کارشناسی ارشد جناب آقای دکتر ناصر مزینی روز چهارشنبه ۱۷ شهریور ماه ساعت ۰۸:۰۰ از پروژه کارشناسی ارشد خود تحت عنوان " کاهش توان‌مصرفی در مدارات سیناپسی نورومورفیک  " دفاع خواهند نمود. 

چکیده پایان نامه:
اکثر سخت‌افزارهای امروزی بر مبنای معماری وان‌نیومن ساخته شده‌اند که حافظه و پردازش را از یکدیگر جدا می‌کند. همینطور که در زمان پیش می‌رویم، پردازش نورومورفیک می‌تواند هرچیزی را در صنعت تکنولوژی دگرگون کند. از برنامه‌نویسی گرفته تا سخت‌افزارها. مغز انسان در محاسبه عددی مقادیر دقیق ضعیف است، در حالی که در کارهای پردازش هوشمند اطلاعات، مانند تشخیص شی، درک صدا و تصویر از رایانه‌ها بهتر عمل می‌کند. همانطور که از نامش پیداست، پردازش نورومورفیک با استفاده از مدلی الهام‌گرفته از ساز و کار شبکه‌ عصبی مغز انسان عمل می‌کند. برخلاف ابرکامپیوترها که ابعادی معادل یک اتاق کامل دارند، مغز انسان بسیار جمع‌وجور است و به علت موازی‌بودن به انرژی بسیار کمتری نسبت به اکثر ابرکامپیوترها نیاز دارد. پس پایین بودن توان‌مصرفی در این مدارها بسیار حائز اهمیت می‌باشد. در این پایان‌نامه نیز سعی بر این شد ضمن بررسی انواع مدارات نورومورفیک، یکی از مدارات نورومورفیکی به نام مدار آقای الزهرانی که ساختار و ویژگی‌های خاص این مدار و عامل‌های افزایش توان‌مصرفی در این نوع مدارات که بسیار چالش برانگیز بود، به طور کامل بررسی و در جهت کاستن آن تا حد ممکن اقدامات لازم انجام شود.
برای دستیابی به این هدف که توان‌مصرفی را در مدار عنوان شده کاهش دهیم تغییراتی در مدار نورون پایه آن ایجاد کردیم. ابتدا طبقه اول مدار را به‌جای زمین، به VCC یعنی یک ولتاژ بیشتر از «صفر» وصل کردیم تا باعث اتلاف انرژی نشود. در طبقه آخر مدار دیگر زمین را به VCC وصل نکردیم، چراکه هم جریان «صفر» و هم جریان «یک» را بصورت قوی داشته باشیم. به‌جای آن از یک ترانزیستور NMos بین شبکه بالارونده و شبکه پایین‌رونده استفاده نمودیم تا گیت آن را به درین وصل کنیم. استفاده از این تک ترانزیستور باعث شد تا شبکه بالارونده و شبکه پایین‌رونده بصورت همزمان با هم فعال نشوند که این عمل به خودی خود باعث کاهش توان‌مصرفی چشم‌گیری خواهد شد.
طبق نتایج پیاده‌سازی روش ارائه شده، در تکنولوژی ۱۸۰nm، توان‌مصرفی نورون پایه ۶۹۴ میکرووات و نورون پیشنهادی ۶۰۵ میکرووات و همچنین در تکنولوژی ۳۵۰nm، توان‌مصرفی نورون پایه ۱۵۳۳ میکرو‌وات و نورون پیشنهادی ۱۵۰۷ میکرو‌وات به‌دست آمده‌اند که با این روش در حدود ۱۴% کاهش مصرف توان در یک نورون حاصل گردید. می‌توان از روش ارائه شده در این پایان‌نامه، در مدارات نورومورفیکی در جهت کاهش و به حداقل رساندن توان‌مصرفی استفاده کرد. برای شبیه‌سازی این مدار از نرم‌افزار PSPICE استفاده شده است.