پياده‌سازي الگوي يادگيري TSTDP با استفاده از يك مدار سيناپسي موازي متشكل از ترانزيستورهاي لايه نازك حافظه‌دار و ممريستورها

Implementation of TSTDP with a Parallel Synaptic Circuit Composed of Nanoparticle Memory-TFTs and Memristors

الگوي يادگيري TSTDP يك گونه پيشرفته‌تر از الگوي يادگيري سيناپسي وابسته به زمان‌بندي اسپايك، STDP ، است كه در مقايسه با الگوي يادگيري سنتي‌تر PSTDP منجربه ظرفيت‌هاي يادگيري بهبود يافته‌تري مي‌گردد و قادر است نتايج طيف وسيع‌تري از آزمايش‌هاي واقعي مغزي را بازتكرار كند. در اين مقاله يك مدار سيناپسي تركيبي شامل ممريستورهاي كنترل‌شده با جريان يا بار الكتريكي و ترانزيستورهاي لايه نازك ارائه مي‌گردد كه مي‌تواند الگوي يادگيري سيناپسي TSTDP را پياده‌سازي كند. ممريستورها و ترانزيستورهاي لايه نازك نانوكريستالي از تكنولوژي‌هاي نوظهور حوزه نانو هستند كه به‌طور وسيعي در طراحي مدارها و سيستم‌هاي نورومورفيك مورد استفاده قرار مي‌گيرند. ترانزيستورهاي لايه نازك به‌كار گرفته‌شده در شبيه‌سازي‌ها، از نوع ترانزيستورهايي هستند كه با قراردادن لايه‌اي از نانوذرات طلا در داخل اكسيد گيت، حافظه‌دار شده‌اند. نتايج شبيه‌سازي‌هاي ارائه‌شده نشان مي‌دهند كه اين مدار مي‌تواند تغييرات وزن سيناپسي ناشي از اختلاف زماني بين اسپايك‌ها را به‌درستي پيش‌بيني كند. بنابراين مي‌توان گفت كه اين مدار يك گام ابتدايي براي ساخت يك طراحي غيرهمزمان است كه بتواند الگوي TSTDP را پياده‌سازي كند. چنين طرحي مي‌تواند پياده‌سازي سيستم‌هاي نورومورفيك پيشرفته داراي ابعاد بزرگ را ساده‌تر كند تا بتوان از آن‌ها براي انجام كارهاي مهندسي واقعي مانند دسته‌بندي الگوها بهره جست.

Triplet-based Spike Timing Dependent Plasticity (TSTDP) is an advanced synaptic plasticity rule that results in improved learning capability compared to the conventional pair-based STDP (PSTDP). The TSTDP rule can reproduce the results of many electrophysiological experiments, where the PSTDP fails, and can be implemented using new nano-scale technologies. Nanocrystalline-silicon thin film transistors (TFT) and memristors are of these nano-scale devices which can be integrated into three-dimensions using low-temperature processing. This paper proposes a new hybrid TFT-memristive circuit that implements the TSTDP. The proposed circuit is designed using current/charge driven memristors and nanoparticle memory-TFTs, as the synapse. Our simulation results demonstrate that the proposed hybrid TFT-memristor circuit induces synaptic weight changes that arise due to the timing differences among pairs and triplets of spikes with a close match to realistic biological measurements. The presented memristive design is an initial step towards developing asynchronous TSTDP learning architectures using memristive devices. These architectures may facilitate the implementation of advanced large-scale neuromorphic systems with applications in real world engineering tasks such as pattern classification. be prepared in one or two paragraphs with less than 200 word and figures, tables, equations, and references should be avoided.