JP5420067B2 - メモリ・スイッチング素子を用いたスパイク・タイミング依存可塑性を有する電子学習シナプス - Google Patents
メモリ・スイッチング素子を用いたスパイク・タイミング依存可塑性を有する電子学習シナプス Download PDFInfo
- Publication number
- JP5420067B2 JP5420067B2 JP2012511214A JP2012511214A JP5420067B2 JP 5420067 B2 JP5420067 B2 JP 5420067B2 JP 2012511214 A JP2012511214 A JP 2012511214A JP 2012511214 A JP2012511214 A JP 2012511214A JP 5420067 B2 JP5420067 B2 JP 5420067B2
- Authority
- JP
- Japan
- Prior art keywords
- synaptic
- post
- voltage
- pulse
- spike
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
- G06N3/065—Analogue means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Neurology (AREA)
- Semiconductor Memories (AREA)
- User Interface Of Digital Computer (AREA)
Description
本発明は、人工神経網に関し、より詳細には、スパイク依存可塑性を有する電子学習シナプスに関する。
ニューロンの軸索と別のニューロン上の樹状突起との間の接点はシナプスと呼ばれ、そのシナプスに関して、これらの2つのニューロンは、それぞれシナプス前及びシナプス後と呼ばれる。我々の個人の経験の本質は、シナプスのコンダクタンスの形で記憶される。シナプスのコンダクタンスは、スパイク・タイミング依存可塑性(STDP)に従って、シナプス前ニューロンとシナプス後ニューロンとの相対スパイク時間の関数として時間と共に変化する。STDP規則は、あるシナプスのシナプス前ニューロンが発火した後にシナプス後ニューロンが発火する場合には、そのシナプスのコンダクタンスを増大させ、2つの発火の順序が逆の場合には、シナプスのコンダクタンスを減少させる。さらに、この変化はこれらの2つのイベント間のまさにその遅延に依存し、遅延が大きくなればなるほど、変化の大きさは小さくなる。
人工神経網は、コンピュータが本質的に生物の脳の機能と類似した方式で機能することを可能にする計算システムである。人工神経網は、0と1とを操作する従来のデジタル・モデルを利用するものではない。その代わりに、神経網は、ヒトの脳のニューロンに等価な処理要素間の接続を作り出す。人工神経網は、ニューロンに倣ってモデル化された種々の電子回路に基づくものとすることができる。
本発明の目的は、人工シナプスにおいてスパイク依存可塑性を発生させるためのシステム、方法及びコンピュータ・プログラムを提供することである。
本発明の1つの実施形態によれば、方法は、電子部品内でシナプス前スパイクを受信することと、電子部品内でシナプス後スパイクを受信することと、シナプス前スパイクに応答して、受信したシナプス前スパイクの所定時間後に生じるシナプス前パルスを生成することと、シナプス後スパイクに応答して、ベースライン値から開始し、シナプス後スパイクから第1の時間後に第1の電圧値に達し、その後、シナプス後スパイクから第2の時間後に第2の電圧値に達し、その後、シナプス後スパイクから第3の時間後にベースライン電圧に復帰するシナプス後パルスを生成することと、生成されたシナプス前パルスを、整流素子に直列接続した単極性の二端子型双安定デバイスを含むシナプス・デバイスのシナプス前ノードに印加することと、生成されたシナプス後パルスをシナプス・デバイスのシナプス後ノードに印加することとを含み、シナプス・デバイスはそのシナプス前及びシナプス後ノードに印加された入力電圧の値に基づいて第1の導電状態から第2の導電状態に変化し、シナプス前及びシナプス後パルスが印加された後の、結果として生じるシナプス・デバイスのコンダクタンスの状態は、受信したシナプス前スパイクのシナプス後スパイクに対する相対的タイミングに依存する。
本発明の別の実施形態によれば、方法は、電子部品内でシナプス前スパイクを受信することと、電子部品内でシナプス後スパイクを受信することと、シナプス前スパイクに応答して、ベースライン値から開始し、シナプス前スパイクから第1の時間後に第1の電圧値に達し、その後、シナプス前スパイクから第2の時間後に第2の電圧値に達し、その後、シナプス前スパイクから第3の時間後にベースライン電圧に復帰するシナプス後パルスを生成することと、シナプス後スパイクに応答して、受信したシナプス後スパイクの所定時間後に生じるシナプス前パルスを生成することと、生成されたシナプス前パルスを、整流素子に直列接続した単極性の二端子型双安定デバイスを含むシナプス・デバイスのシナプス前ノードに印加することと、生成されたシナプス後パルスをシナプス・デバイスのシナプス後ノードに印加することとを含み、シナプス・デバイスはそのシナプス前及びシナプス後ノードに印加された入力電圧の値に基づいて第1の導電状態から第2の導電状態に変化し、シナプス前及びシナプス後パルスが印加された後の、結果として生じるシナプス・デバイスのコンダクタンスの状態は、受信したシナプス前スパイクのシナプス後スパイクに対する相対的タイミングに依存する。
本発明のさらなる実施形態によれば、装置は、シナプス前端子に接続された単極性の二端子型双安定デバイスと、第1端と第2端とを有する整流素子であって、第1端で単極性の二端子型双安定デバイスに接続され、第2端でシナプス後端子に接続された整流素子と、シナプス前端子及びシナプス後端子に対して一連の電圧パルスを生成する少なくとも1つのパルス整形器素子であって、受信したシナプス前スパイクに応答して、受信したシナプス前スパイクの所定時間後に生じるパルスをシナプス前端子において生成し、シナプス後スパイクに応答して、ベースライン値から開始し、シナプス後スパイクから第1の時間後に第1の電圧値に達し、その後、シナプス後スパイクから第2の時間後に第2の電圧値に達し、その後、シナプス後スパイクから第3の時間後にベースライン電圧に復帰するパルスをシナプス後端子において生成する、パルス整形器素子とを含む。
本発明のさらなる実施形態によれば、装置は、各々がシナプス前端子に接続された、複数の、単極性の二端子型双安定デバイスと、それぞれ第1端と第2端を有する複数の整流素子であって、各々が第1端で単極性の二端子型双安定デバイスのうちの1つに接続され、第2端でシナプス後端子に接続された整流素子と、シナプス前端子及び前記シナプス後端子に対して一連の電圧パルスを生成する少なくとも1つのパルス整形器素子であって、受信したシナプス前スパイクに応答して、受信したシナプス前スパイクの所定時間後に生じるパルスをシナプス前端子において生成し、シナプス後スパイクに応答して、ベースライン値から開始し、シナプス後スパイクから第1の時間後に第1の電圧値に達し、その後、シナプス後スパイクから第2の時間後に第2の電圧値に達し、その後、シナプス後スパイクから第3の時間後にベースライン電圧に復帰するパルスをシナプス後端子において生成する、パルス整形器素子とを含む。
本発明の別の実施形態によれば、シナプス・デバイスに対してシナプス前パルス及びシナプス後パルスを与えるためのコンピュータ・プログラムは、具体化されたコンピュータ使用可能プログラム・コードを有するコンピュータ使用可能媒体を含み、コンピュータ使用可能プログラム・コードは、シナプス前スパイクの提示に応答して、単極性の二端子型双安定デバイスに対して、受信されたシナプス前スパイクの所定時間後に生じるシナプス前パルスを生成させる命令を生成し、シナプス後スパイクの提示に応答して、デバイスに対して、ベースライン値から開始し、シナプス後スパイクから第1の時間後に第1の電圧値に達し、その後、シナプス後スパイクから第2の時間後に第2の電圧値に達し、その後、シナプス後スパイクから第3の時間後にベースライン電圧に復帰するシナプス後パルスを生成させる命令を生成するように構成される。
本発明の実施形態は、メモリ・スイッチング素子を用いたスパイク依存可塑性を有する電子学習シナプスのための、システム、方法及びコンピュータ可読媒体を提供する。「ニューロン」という用語は、脳の個々の情報処理ユニットを表現するために、1891年にHeinrich Wilhelm Gottfried von Waldeyer−Hartzによって造語された。2つのニューロン間の接合部は、1897年にSir Charles Sherringtonによって「シナプス」と名付けられた。情報は、シナプスを通って一方向のみに沿って流れるので、「シナプス前」及び「シナプス後」ニューロンという言い方をする。ニューロンは、シナプスを介して受け取った十分な入力によって活性化されると「スパイク」を発し、このスパイクが、そのニューロンがそのシナプスにとってのシナプス前となるシナプスに受け渡される。ニューロンは、「興奮性」又は「抑制性」のいずれかであり得る。
脳は、ノードがニューロンであり、エッジがシナプスである、有向グラフとして考えることができる。以下の表は、マウス、ラット及びヒトにおけるニューロン及びシナプスの概数を示す。哺乳類の皮質内の各ニューロンは、およそ8,000のシナプスを他のニューロンとの間に形成する。
マウス ラット ヒト
ニューロン 16×106 56×106 22×109
シナプス 128×109 448×109 220×1012
マウス ラット ヒト
ニューロン 16×106 56×106 22×109
シナプス 128×109 448×109 220×1012
脳の計算資源、伝達資源及び記憶資源は全てシナプス数に比例するものであり、ニューロン数に比例するものではない。電力及び空間の要求量でさえ、シナプス数に応じて増大する。
シナプスの物理特性のうちの幾つかは、以下のとおりである。シナプス密度は1mm3当たりおよそ7.2×108であり、これは、シナプスを全ての方向で1μmの間隔を有する三次元グリッド上に配置することにほぼ相当する。この形状は、全ての哺乳類の皮質に共通する自然の定数であるように思われる。
シナプス結合荷重は、シナプス前発火がシナプス後ニューロンに及ぼす影響である。シナプス結合荷重は可塑性又は順応性であり、時間によって変化する。シナプス結合荷重は、(a)長期及び(b)短期という2つの可塑性の形態を示す。シナプスの伝達特性における長期的変化は学習及び記憶のための生理学的基質を提供するのに対して、短期的変化は様々な計算をサポートする。短期的可塑性の機構は利得制御の形態であり、本開示においては扱わない。
長期的結合荷重の順応機構は、スパイク・タイミング依存可塑性(STDP)として知られている。因果律は、STDPの重要な要素である。相関活動(correlated activity)は、学習されるべき因果関係を反映するのではなく、純粋に偶然に起こり得る。シナプス後反応を予測することに関して一貫して最良である入力が、そのニューロンに対する最も強力な入力となるはずである。したがってSTDPにおいては、シナプスは、そのシナプスのシナプス前作用電位がシナプス後ニューロンの発火に先立って生じ、それゆえシナプス後ニューロンの発火に寄与したであろう場合にのみ強化される。偶発的な、因果関係のない一致は、シナプスを弱めることになる。
STDPの広く普及している現象論的説明のうちの1つを記載する。すなわち、(a)シナプス前ニューロンが、シナプス後ニューロンが発火するtミリ秒前に発火すると、シナプス結合荷重は、A+exp(−t/τ)だけ増大し(強化される、増強される)、ここでA+及びτは定数であり、(b)シナプス前ニューロンが、シナプス後ニューロンが発火したtミリ秒後に発火すると、シナプス結合荷重は、A―exp(−t/λ)だけ減少し(弱められる、抑制される)、ここで、A―及びλは定数である。
シナプスがバイナリであると仮定すると、最も広範囲のレベルにおいて、STDPは、以下のとおり要約することができる。すなわち、シナプス前ニューロンから短時間のうちにシナプス後ニューロンが発火すると、シナプスは完全にオンにされるのに対して、シナプス後ニューロンから短時間のうちにシナプス前ニューロンが発火すると、シナプスは完全にOFFにされる。STDP規則は、脳が、時間空間的に変化する環境から因果律及び相関を抽出することを可能にする。
古典的なフォン・ノイマン型演算処理の重要な特性は、計算と記憶の分離である。具体的には、記憶位置が修正される場合、それは分離した計算ユニットへと運ばれ、修正され、その後再記憶される。この3ステップ・プロセスが、現代のコンピュータ・システムを悩ませている古典的なフォン・ノイマン・ボトルネックを生み出す。フォン・ノイマン型計算とは対照的に、シナプスはその場で修正される記憶要素であり、すなわち、記憶及び計算は脳内に分散している。
一般に、本発明の実施形態は、シナプス様の機能を示すデバイスを含む。特に、実施形態は、同じ電圧極性でプログラム動作及び消去動作を達成することができるメモリ・スイッチング素子を利用する。このようなデバイスの一例が、相変化メモリ(PCM)であり、これは、この場合には、単極性の二端子型双安定デバイスである。相変化メモリ・デバイスは以下のように切り換えることができる。すなわち、プログラムする又はセットする(すなわち、低コンダクタンスの非晶質状態から高コンダクタンスの結晶状態にする)ための低電圧(電流)パルスと、消去する又はリセットする(すなわち、高コンダクタンスから低コンダクタンス状態にする)ための高電圧(電流)パルスである。本発明の実施形態は、このような物質におけるSTDPの本質を捉えることができる新規な双極性のシナプス前及びシナプス後パルスを利用する。詳細には、ダイオードと直列接続したPCMデバイスを使用することによって、これらの新規なシナプス前及びシナプス後パルスは、シナプス後パルスがシナプス前パルス後100ms以内に続く場合にデバイスをプログラムし、又はシナプス前パルスがシナプス後パルス後100ms以内に続く場合にデバイスを消去するような形状とすることができる。開示される実施形態は、複数のコンダクタンス状態を許容しないこともあるが、これらは、STDPと同様の方法で因果律に報酬を与え、反因果律に罰を与えることができる。本発明の実施形態は、能動メモリの形態を作り出すことによって従来の演算処理の旧来の型を破る、シナプス様のデバイスを開示する。
図1は、人工バイナリ・シナプス12と、ダイオード16に対して直列接続した二端子PCMデバイス14とからなる、人工シナプス・システム10の概略図を示す。人工バイナリ・シナプス12は、シナプス前ノード18とシナプス後ノード20とを含む。パルス整形器ユニット22は、シナプス前ノード18に接続されるシナプス前出力と、シナプス後ノード20に接続されるシナプス後出力とを有する。パルス整形器ユニット22は、シナプス前スパイク入力24と、シナプス後スパイク入力26とを含む。パルス整形器ユニット22は、その2つの入力24、26においてそれぞれ、シナプス前スパイク及びシナプス後スパイクを受信し、それらを、後述し、かつ図2−図6で示されるように、シナプス前及びシナプス後入力パルスに変換する。いくつかの実施形態において、単一のパルス整形器ユニット22の代わりに、一方はシナプス前スパイクを受信し、他方はシナプス後スパイクを受信する、別個の電子デバイス又は構成要素を使用することができる。
PCMデバイス14はVTh=0.9Vの閾値電圧を有するものと仮定する。PCMデバイス14が低コンダクタンスの非晶質(RESET)状態である場合には、PCMデバイス14の両側に印加されるVThより小さい電圧では電流は流れないが、VThより大きい電圧は閾値スイッチ挙動を生じさせ、デバイスを通って電流が流れることになる。PCMデバイスが高コンダクタンスの結晶(SET)状態にある場合には、閾値電圧基準は適用されないことに留意されたい。
さらに、約1.1Vの大きさの電圧パルスは、元の状態にかかわらずPCMデバイス14を高コンダクタンス結晶(SET)状態に切り換えるものと仮定する。この電圧はPCMデバイスの両端間の電圧のことを指すことに留意されたい。最後に、約1.4Vの大きさの電圧パルスは、元の状態にかかわらずPCMデバイス14を低コンダクタンス非晶質(RESET)状態に切り換えるものと仮定する。
ダイオード16は以下の特性を有するものと仮定する。<0.7Vの電圧をアノードとカソードとの間に印加しても、電流は全く流れない。>0.7Vの電圧は、ダイオードを低抵抗でオンにする。オン状態のダイオードの両端間では、無視できる量の電圧しか降下しないものと仮定する。したがって、ダイオードは、>0.7Vの全ての電圧について、電圧レベルシフタとしての役割を果たす。パルス整形器ユニット22は、その入力24、26で受信した生のシナプス前及びシナプス後スパイクを、図2に示される特別に整形されたパルスに変換する。いくつかの実施形態において、パルス整形器ユニット22は、全体としての領域の消費を削減するために、シナプス12と同様の多くのシナプス間で共有することができる。
1つの実施形態において、パルス整形器ユニット22は図2に示されるシナプス前パルスを生成し、これは本質的に非常に幅の狭い(例えば、10−100nsec)の1.5Vスパイクであり、入力24で受信される元のシナプス前スパイクの到達の100ms後にトリガされる。パルス整形器ユニット22はさらに、2つの部分を有するシナプス後パルス、すなわち、シナプス後入力26における元のシナプス後スパイクの到達の数ms(例えば、5ms)後にトリガされる−0.3Vレベル電圧と、その後に続く、元のシナプス後スパイクの到着の100ms後の−0.6Vレベル電圧とを有するシナプス後パルスも生成する。この−0.6Vレベル電圧は、100msよりもわずかに短い時間(この例では95ms)で緩和して0Vに戻る。入力24、26においてシナプス前スパイクもシナプス後スパイクもない場合には、図1に示される人工バイナリ・シナプス12のシナプス前ノード18及びシナプス後ノード26の両方にゼロ(0)Vが印加される。
人工バイナリ・シナプス12及びPCMデバイス14の両端間で現れる実効電圧を図3に示す。ここでダイオード16の主目的が明らかである。シナプスを通って潜在的に流れる電流を整流することによって、電流は〜200msにわたって流れる代わりに10−100nで流れるので、シナプス動作ごとに散逸されるエネルギーは大幅に削減される。
ここで3つの事例を考える。
事例1:シナプス前パルスは、シナプス後パルスの「直前」(所望の時間ウィンドウ、この例では95ms以内)に到達する。図4に示されるように、この結果、PCMデバイス14の両端間に実効1.1Vパルスがもたらされ、これはPCMデバイス14をSETする(コンダクタンスを増大させる)。
事例2:シナプス前パルスは、シナプス後パルスの「直後」(所望の時間ウィンドウ、この例では95ms以内)に到達する。図5に示されるように、結果として得られるPCMデバイス14の両端間にわたる1.4Vのパルスは、PCMデバイス14をRESETする(コンダクタンスを減少させる)。
事例3:シナプス前パルスは、シナプス後パルスの「かなり前/後」(所望の時間ウィンドウ、この例では95msより外)に到達する。図6に示されるように、この結果、PCMデバイス14の両端間に0.8Vパルスがもたらされ、これはPCMデバイス14の状態を変化させない。元々RESET状態であれば、0.8VはVTH(0.9V)より小さいので、PCMデバイス14はRESETのままである。元々SET状態であれば、パルスはPCMデバイス14をRESETすることなく通過し(RESETには1.4Vが必要である)、それゆえ、PCMデバイス14はSETのままである。実際の電圧及び時間の正確な値は例示のみのためのものであり、異なる実施形態でその他の多くの値を用いることもができることが理解されよう。
事例1:シナプス前パルスは、シナプス後パルスの「直前」(所望の時間ウィンドウ、この例では95ms以内)に到達する。図4に示されるように、この結果、PCMデバイス14の両端間に実効1.1Vパルスがもたらされ、これはPCMデバイス14をSETする(コンダクタンスを増大させる)。
事例2:シナプス前パルスは、シナプス後パルスの「直後」(所望の時間ウィンドウ、この例では95ms以内)に到達する。図5に示されるように、結果として得られるPCMデバイス14の両端間にわたる1.4Vのパルスは、PCMデバイス14をRESETする(コンダクタンスを減少させる)。
事例3:シナプス前パルスは、シナプス後パルスの「かなり前/後」(所望の時間ウィンドウ、この例では95msより外)に到達する。図6に示されるように、この結果、PCMデバイス14の両端間に0.8Vパルスがもたらされ、これはPCMデバイス14の状態を変化させない。元々RESET状態であれば、0.8VはVTH(0.9V)より小さいので、PCMデバイス14はRESETのままである。元々SET状態であれば、パルスはPCMデバイス14をRESETすることなく通過し(RESETには1.4Vが必要である)、それゆえ、PCMデバイス14はSETのままである。実際の電圧及び時間の正確な値は例示のみのためのものであり、異なる実施形態でその他の多くの値を用いることもができることが理解されよう。
図7は、本発明の実施形態による、人工シナプス12のような人工シナプスにSTDP様挙動を呈するようにさせるためのプロセス30のフローチャートである。ブロック32において、シナプス前スパイクが入力24において受信される。ブロック34において、シナプス後スパイクが入力26において受信される。ブロック36において、シナプス前パルスがパルス整形器ユニット22によってシナプス前スパイクの所定時間後に生成される。ブロック38において、特定の時間において多重の電圧レベルを有するシナプス後パルスがパルス整形器ユニット22によって生成される。特に、これは図2に示されるシナプス後パルスを含むことができる。ブロック40において、生成されたシナプス前パルスが、デバイス12のようなシナプス・デバイスのシナプス前ノードに印加される。ブロック42において、生成されたシナプス後パルスが、デバイス12のようなシナプス・デバイスのシナプス後ノードに印加される。本発明の1つの実施形態において、電圧パルスのうちの一方の半値全幅(FWHM)は、他方の電圧パルスのFWHMよりも持続時間が少なくとも1000倍短い。
本発明の別の実施形態において、シナプス前パルス及びシナプス後パルスの形状を交換することができ、得られるシナプス前パルスはy軸を中心にして鏡映であり得る。この場合、シナプス前スパイクに応答してシナプス前パルスが生成され、これは、ベースラインレベルから開始し、シナプス前スパイクから第1の時間後に第1の電圧レベルまで達し、その後、シナプス前スパイクから第2の時間後に第2の電圧レベルに達し、その後、シナプス前スパイクから第3の時間後にベースライン電圧に復帰する。また、シナプス後スパイクに応答して、受信したシナプス後スパイクから所定の時間後に生じるシナプス後パルスが生成される。他の実施形態において、単極性ではないデバイスを用いることができるが、パルスは修正する必要がある場合がある。他の実施形態において、二端子型双安定PCMデバイスではないデバイスを用いることができる。また、両端間に印加される電圧の関数として、又は中を流れる電流の関数としてその抵抗を変化させることができる性質を有する、PCMデバイス以外のデバイスを用いることもできる。
本発明は、例えば神経回路網と環境イベントとの間の空間時間的連合を形成するといった種々の目的のための多様なアーキテクチャで用いることができる。そのような例の1つは、人工神経回路網におけるニューロンのセットに接続されるシナプスのセットを形成する、クロスバーアレイ内に本発明を埋め込むことであり得る。このような配置において、図1における人工シナプス10は、クロスバーアレイの縦バーと横バーの接合部に接続することができる。縦バーは、図1に示されるシナプス前入力24に接続されるシナプス前ワイヤとすることができ、横バーは、シナプス後入力26に接続されるシナプス後ワイヤとすることができる。
上述の開示からわかるように、本発明の実施形態は、メモリ・スイッチング素子を用いた、STDP可塑性を有する電子学習シナプスを提供する。当業者には認識されるように、本発明は、システム、方法又はコンピュータ・プログラムとして具体化することができる。従って、本発明は、完全にハードウェアの実施形態、完全にソフトウェアの実施形態(ファームウェア、常駐ソフトウェア、マイクロコード等を含む)、又はソフトウェアの態様とハードウェアの態様とを組み合わせた実施形態の形式をとることができ、これらはすべて、本明細書において、一般的に「回路」、「モジュール」又は「システム」と呼ぶことができる。
さらに、本発明又はその構成要素は、媒体内に具体化されたコンピュータ使用可能プログラム・コードを有する、いずれかの有形の表現媒体内に具体化されたコンピュータ・プログラムの形態をとることができる。1つ又は複数のコンピュータ使用可能又はコンピュータ可読媒体のいずれの組み合わせを用いることもできる。コンピュータ使用可能又はコンピュータ可読媒体は、例えば、電子的、磁気的、光学的、電磁気的、赤外線、又は半導体のシステム、装置、デバイス又は伝搬媒体とすることができるが、これらに限定されるものではない。コンピュータ可読媒体のさらなる例は、以下のもの、すなわち、1つ又は複数の配線を有する電気的接続、ポータブル・コンピュータ・ディスケット、ハード・ディスク、ランダム・アクセス・メモリ(RAM)、読み出し専用メモリ(ROM)、消去可能なプログラム可能読み出し専用メモリ(EPROM又はフラッシュ・メモリ)、光ファイバ、ポータブル・コンパクト・ディスク読み出し専用メモリ(CDROM)、光記憶装置、インターネット又はイントラネットをサポートする通信媒体、又は磁気記憶装置を含む。プログラムが印刷された紙又は他の適切な媒体も、そのプログラムを例えば、その紙又は他の媒体の光学スキャンによって電子的にキャプチャし、次いで、コンパイルし、解釈し、又は必要に応じてそれ以外の適切な方法で処理し、その後、コンピュータ・メモリ内に格納することができるので、コンピュータ使用可能又はコンピュータ可読媒体はプログラムが印刷された紙又は別の適切な媒体とすることさえできることに留意されたい。本明細書の文脈内において、コンピュータ使用可能媒体又はコンピュータ可読媒体は、命令実行システム、装置、又はデバイスによって使用するため、又はそれらと接続して使用するために、プログラムを収納、保存、通信、伝搬、又は輸送することができるあらゆる媒体とすることができる。コンピュータ使用可能媒体は、コンピュータ使用可能なプログラム・コードがベースバンド内の、又は搬送波の一部としてその中で具体化された、伝搬データ信号を含むものとすることができる。コンピュータ使用可能プログラム・コードは、無線、有線、光ファイバ・ケーブル、及び/又はRFなどを含むがそれらには限定されないいずれかの適切な媒体を用いて伝送することができる。
本発明の動作を実行するためのコンピュータ・プログラム・コードは、Java、Smalltalk、C++等のようなオブジェクト指向プログラミング言語、及び「C」プログラミング言語又は同様なプログラミング言語のような、従来の手続き型プログラミング言語を含む、1つ又は複数のプログラミング言語の任意の組合せで記述することができる。プログラム・コードは、完全にユーザのコンピュータ上で実行される場合もあり、一部がユーザのコンピュータ上で、独立したソフトウェア・パッケージとして実行される場合もあり、一部がユーザのコンピュータ上で実行され、一部がリモート・コンピュータ上で実行される場合もあり、又は完全にリモート・コンピュータ若しくはサーバ上で実行される場合もある。後者のシナリオの場合、リモート・コンピュータは、ローカル・エリア・ネットワーク(LAN)若しくは広域ネットワーク(WAN)を含むいずれかのタイプのネットワークを通じてユーザのコンピュータに接続される場合もあり、又は外部のコンピュータへの接続がなされる場合もある(例えば、インターネット・サービス・プロバイダを用いたインターネットを通じて)。
本発明は、本発明の実施形態による方法、装置(システム)及びコンピュータ・プログラムのフローチャート図及び/又はブロック図を参照して説明される。フローチャート図及び/又はブロック図の各ブロック、並びにフローチャート図及び/又はブロック図内のブロックの組合せは、コンピュータ・プログラム命令によって実施することができることが理解される。コンピュータ又は他のプログラム可能データ処理装置のプロセッサによって実行される命令が、フローチャート及び/又はブロック図の1つ又は複数のブロックにおいて指定された機能/行為を実施するための手段を作り出すようにさせるために、これらのコンピュータ・プログラム命令を、汎用コンピュータ、専用コンピュータ、又は他のプログラム可能データ処理装置のプロセッサに与えて、機械を製造することができる。
コンピュータ可読媒体内に格納された命令が、フローチャート及び/又はブロック図の1つ又は複数のブロックにおいて指定された機能/行為を実施する命令手段を含む製品を製造するようさせるために、これらのコンピュータ・プログラム命令を、コンピュータ又は他のプログラム可能なデータ処理装置を特定の方式で機能させるように指示することができるコンピュータ可読媒体内に格納することもできる。
コンピュータ又は他のプログラム可能装置上で実行される命令が、フローチャート及び/又はブロック図の1つ又は複数のブロックにおいて指定された機能/行為を実施するためのプロセスを提供するようにさせるために、コンピュータ・プログラム命令をコンピュータ又は他のプログラム可能データ処理装置上にロードして、一連の動作ステップをコンピュータ又は他のプログラム可能装置上で実行させ、コンピュータにより実行されるプロセスを生成することもできる。
図面内のフローチャート及びブロック図は、本発明の種々の実施形態による、システム、方法及びコンピュータ・プログラムの可能な実装の、アーキテクチャ、機能及び動作を示す。この点に関して、フローチャート又はブロック図内の各ブロックは、指定された論理機能を実装するための1つ又は複数の実行可能な命令を含む、モジュール、セグメント又はコードの一部を表すことができる。幾つかの代替的な実装において、ブロック内に記された機能は、図面に記された順序とは異なる順序で行われることもあることにも留意されたい。例えば、連続して図示された2つのブロックが実際には実質的に同時に実行されることもあり、又はこれらのブロックは、関与する機能に応じて、ときには逆順で実行されることもある。ブロック図及び/又はフローチャート図の各ブロック、並びにブロック図及び/又はフローチャート図内のブロックの組合せは、指定された機能又は行為を実行する専用ハードウェア・ベースのシステム、又は専用ハードウェアとコンピュータ命令との組合せによって実装することができることにも留意されたい。
図8は、本発明の1つの実施形態を実装するために有用な情報処理システムを示す高レベル・ブロック図である。コンピュータ・システムは、プロセッサ102のような1つ又は複数のプロセッサを含む。プロセッサ102は、通信インフラストラクチャ104(例えば、通信バス、クロスオーバ・バー又はネットワーク)に接続される。種々のソフトウェアの実施形態は、この例示的なコンピュータ・システムに関して説明される。この説明を読んだ後、当業者には、他のコンピュータ・システム及び/又はコンピュータ・アーキテクチャを用いて本発明を実装する方法が明らかとなろう。
コンピュータ・システムは、ディスプレイ・ユニット108上で表示するために通信インフラストラクチャ104から(又は図示されていないフレーム・バッファから)グラフィックス、テキスト及び他のデータを送る、ディスプレイ・インターフェース106を含むことができる。コンピュータ・システムはまた、メイン・メモリ110、好ましくはランダム・アクセス・メモリ(RAM)を含み、さらに、二次メモリ112を含むこともできる。二次メモリ112は、例えば、ハード・ディスク・ドライブ114及び/又はリムーバブル・ストレージ・ドライブ116を含むことができ、リムーバブル・ストレージ・ドライブ116は、例えば、フロッピ・ディスク・ドライブ、磁気テープ・ドライブ又は光ディスク・ドライブを表す。リムーバブル・ストレージ・ドライブ116は、当業者に周知の方式でリムーバブル・ストレージ・ユニット118から読み出し、及び/又はこれに書き込みをする。リムーバブル・ストレージ・ユニット118は、例えば、フロッピ・ディスク、コンパクト・ディスク、磁気テープ又は光ディスク等を表し、リムーバブル・ストレージ・ドライブ116がこれに対して読み出し及び書き込みを行う。当然のことながら、リムーバブル・ストレージ・ユニット118は、コンピュータ・ソフトウェア及び/又はデータを内部に格納したコンピュータ可読媒体を含む。
代替的な実施形態において、二次メモリ112は、コンピュータ・プログラム又は他の命令をコンピュータ・システムにロードさせるための、他の同様の手段を含むことができる。このような手段は、リムーバブル・ストレージ・ユニット120とインターフェース122とを含むことができる。このような手段の他の例としては、プログラム・カートリッジとカートリッジ・インターフェース(例えば、ビデオ・ゲーム装置において見られるもの)、リムーバブル・メモリ・チップ(EPROM又はPROMなど)と関連のソケット、並びにリムーバブル・ストレージ・ユニット120からコンピュータ・システムにソフトウェア及びデータを転送させることが可能な他のリムーバブル・ストレージ・ユニット120及びインターフェース122を挙げることができる。
コンピュータ・システムは、通信インターフェース124を含むこともできる。通信インターフェース124は、ソフトウェア及びデータをコンピュータ・システムと外部デバイスとの間で転送させることを可能にする。通信インターフェース124の例としては、モデム、ネットワーク・インターフェース(例えばイーサネット・カード)、通信ポート、又はPCMCIAスロット及びカード等が挙げられる。通信インターフェース124を介して転送されるソフトウェア及びデータは信号の形態であり、これは、例えば、電子信号、電磁気信号、光信号、又は通信インターフェース124によって受信することができる他の信号とすることができる。これらの信号は、通信パス(すなわち、チャネル)126を介して通信インターフェース124に送られる。この通信パス126は信号を搬送するものであり、配線又はケーブル、光ファイバ、電話線、携帯電話リンク、RFリンク及び/又は他の通信チャネルを用いて実装することができる。
本明細書において、「コンピュータ・プログラム媒体」、「コンピュータ使用可能媒体」及び「コンピュータ可読媒体」という用語は、メイン・メモリ110及び二次メモリ112、リムーバブル・ストレージ・ドライブ116、並びにハード・ディスク・ドライブ114にインストールされたハード・ディスクのような媒体のことを一般的に指すために用いられる。
コンピュータ・プログラム(コンピュータ制御論理とも呼ばれる)は、メイン・メモリ110及び/又は二次メモリ112内に格納される。コンピュータ・プログラムは、通信インターフェース124を介して受信することもできる。このようなコンピュータ・プログラムは、実行されたときに、コンピュータ・システムがここで論じた本発明の特徴を実行することを可能にする。特に、このコンピュータ・プログラムは、実行されたときに、プロセッサ102がコンピュータ・システムの特徴を実行することを可能にする。従って、このようなコンピュータ・プログラムは、コンピュータ・システムのコントローラを表す。
上述の説明から、本発明が、本発明の実施形態を実施するためのシステム、コンピュータ・プログラム及び方法を提供することがわかる。特許請求の範囲において、ある要素を単数形で言及している場合、明示的に述べられていない限りは、「1つかつ唯一」を意味することを意図するものではなく、むしろ「1つ又は複数」を意味することが意図される。当業者に現在公知であり又は後に公知となる上記の例示的な実施形態の要素の機能的な均等物の全てが、本特許請求の範囲に包含されることが意図される。ここにおける請求項の要素は、その要素が「〜のための手段」又は「〜のためのステップ」という語句を用いて明確に詳述されていない限りは、米国特許法第112節、第6段落の規定の下で解釈されるべきではない。
本明細書において用いられる用語は、特定の実施形態を説明する目的のためのもの過ぎず、発明を限定することを意図するものではない。本明細書において用いられる場合、文脈から明らかにそうでないことが示されていない限り、単数形の「ある(a、an)」及び「この(the)」は、複数形も同様に含むことが意図される。「含む(comprises)」及び/又は「含んでいる(comprising)」という用語は、本明細書において用いられる場合、言明された特徴、整数、ステップ、動作、要素及び/又はコンポーネントの存在を特定するものではあるが、1つ又は複数の他の特徴、整数、ステップ、動作、要素、コンポーネント及び/又はそれらの群の存在又は追加を排除するものではないこともさらに理解される。
以下の特許請求の範囲における全ての「手段又はステップと機能との組合せ(ミーンズ又はステップ・プラス・ファンクション)」要素の対応する構造、材料、行為及び均等物は、その機能を、明確に特許請求されているように他の特許請求された要素と組み合わせて実行するための、いかなる構造、材料又は行為をも含むことが意図される。本発明の説明は、例示及び説明の目的で提示されたものであるが、網羅的であることを意図するものでもなく、本発明を開示された形態に限定することを意図するものでもない。本発明の範囲及び精神から逸脱することのない多くの変更及び変形が、当業者には明らかである。実施形態は、本発明の原理及び実際の用途を最も良く説明するため、及び、当業者が本発明を種々の変更を有する種々の実施形態について企図される特定の使用に好適なものとして理解することを可能にするために、選択され、説明された。
10:人工シナプス・システム
12:人工バイナリ・シナプス
14:PCMデバイス
16:ダイオード
18:シナプス前ノード
20:シナプス後ノード
22:パルス整形器ユニット
24:シナプス前スパイク入力
26:シナプス後スパイク入力
12:人工バイナリ・シナプス
14:PCMデバイス
16:ダイオード
18:シナプス前ノード
20:シナプス後ノード
22:パルス整形器ユニット
24:シナプス前スパイク入力
26:シナプス後スパイク入力
Claims (25)
- 電子部品内でシナプス前スパイクを受信することと、
前記電子部品内でシナプス後スパイクを受信することと、
前記シナプス前スパイクに応答して、前記受信したシナプス前スパイクの所定時間後に生じるシナプス前パルスを生成することと、
前記シナプス後スパイクに応答して、ベースライン値から開始し、前記シナプス後スパイクから第1の時間後に第1の電圧値に達し、その後、前記シナプス後スパイクから第2の時間後に第2の電圧値に達し、その後、前記シナプス後スパイクから第3の時間後に前記ベースライン電圧に復帰するシナプス後パルスを生成することと、
前記生成されたシナプス前パルスを、整流素子に直列接続した単極性の二端子型双安定デバイスを含むシナプス・デバイスのシナプス前ノードに印加することと、
前記生成されたシナプス後パルスを前記シナプス・デバイスのシナプス後ノードに印加することと
を含む方法であって、前記シナプス・デバイスがそのシナプス前及びシナプス後ノードに印加された入力電圧の値に基づいて第1の導電状態から第2の導電状態に変化し、前記シナプス前及びシナプス後パルスが印加された後の、結果として生じる前記シナプス・デバイスのコンダクタンスの状態は、前記受信したシナプス前スパイクの前記シナプス後スパイクに対する相対的タイミングに依存する、
方法。 - 前記シナプス前スパイクが所定の時間ウィンドウ以内で前記シナプス後スパイクに先行する場合、結果として生じる前記シナプス・デバイスの前記コンダクタンス状態は高コンダクタンス状態である、請求項1に記載の方法。
- 前記シナプス前スパイクが所定の時間ウィンドウ以内で前記シナプス後スパイクの後に続く場合、結果として生じる前記シナプス・デバイスの前記コンダクタンス状態は低コンダクタンス状態である、請求項1に記載の方法。
- 前記シナプス前スパイクが前記シナプス後スパイクに対して所定の時間ウィンドウの外側で生じる場合、結果として生じる前記シナプス・デバイスの前記コンダクタンス状態は変化しない、請求項1に記載の方法。
- 前記所定の時間が前記第2の時間と等しい、請求項1に記載の方法。
- 前記シナプス・デバイスが相変化メモリ(PCM)を含む、請求項1に記載の方法。
- 前記PCMデバイスが約0.9Vの閾値電圧を有し、前記PCMデバイスがRESET状態にある場合、前記PCMデバイスの両端間に印加される電圧では前記PCMデバイスを通して電流が流れず、一方、前記閾値電圧を上回る電圧では前記PCMデバイスを通って電流が流れる、請求項6に記載の方法。
- 前記PCMがセット電圧及びリセット電圧を有し、前記整流素子がターンオン電圧を有し、前記シナプス前パルスの大きさが、前記ターンオン電圧よりも大きいが前記ターンオン電圧と閾値電圧との合計よりも小さく、前記シナプス後パルスの第1の電圧値が、前記セット電圧に前記ターンオン電圧を足したものから前記シナプス前パルスの電圧を差し引いた値にほぼ等しく、前記シナプス後パルスの第2の電圧値が、前記リセット電圧に前記ターンオン電圧を足したものから前記シナプス前パルスの電圧を差し引いた値にほぼ等しく、前記第1の電圧値及び前記第2の電圧値は各々、前記整流素子の前記ターンオン電圧よりも小さい、請求項6に記載の方法。
- 前記第1の時間が、約5ミリ秒に等しく、前記第2の時間が約100ミリ秒に等しく、前記第3の時間が約195ミリ秒に等しい、請求項8に記載の方法。
- 電子部品内でシナプス前スパイクを受信することと、
前記電子部品内でシナプス後スパイクを受信することと、
前記シナプス前スパイクに応答して、シナプス前パルスを生成することと、
前記シナプス後スパイクに応答して、シナプス後パルスを生成することと、
前記生成されたシナプス前パルスを、整流素子に直列接続した単極性の二端子型双安定デバイスを含むシナプス・デバイスのシナプス前ノードに印加することと、
前記生成されたシナプス後パルスを前記シナプス・デバイスのシナプス後ノードに印加することと
を含む方法であって、前記シナプス・デバイスがそのシナプス前及びシナプス後ノードに印加された入力電圧の値に基づいて第1の導電状態から第2の導電状態に変化し、前記シナプス前及びシナプス後パルスが印加された後の、結果として生じる前記シナプス・デバイスのコンダクタンスの状態は、前記受信したシナプス前スパイクの前記シナプス後スパイクに対する相対的タイミングに依存する、
方法。 - 前記シナプス前スパイクが所定の時間ウィンドウ以内で前記シナプス後スパイクに先行する場合、結果として生じる前記シナプス・デバイスの前記コンダクタンス状態は低コンダクタンス状態である、請求項10に記載の方法。
- 前記シナプス前スパイクが所定の時間ウィンドウ以内で前記シナプス後スパイクの後に続く場合、結果として生じる前記シナプス・デバイスの前記コンダクタンス状態は高コンダクタンス状態である、請求項10に記載の方法。
- 前記シナプス・デバイスが相変化メモリ(PCM)を含む、請求項10に記載の方法。
- シナプス前端子に接続された単極性の二端子型双安定デバイスと、
第1端と第2端とを有する整流素子であって、前記第1端で前記単極性の二端子型双安定デバイスに接続され、前記第2端でシナプス後端子に接続された整流素子と、
前記シナプス前端子及び前記シナプス後端子に対して一連の電圧パルスを生成する少なくとも1つのパルス整形器素子であって、受信したシナプス前スパイクに応答して、前記受信したシナプス前スパイクの所定時間後に生じるパルスを前記シナプス前端子において生成し、シナプス後スパイクに応答して、ベースライン値から開始し、前記シナプス後スパイクから第1の時間後に第1の電圧値に達し、その後、前記シナプス後スパイクから第2の時間後に第2の電圧値に達し、その後、前記シナプス後スパイクから第3の時間後に前記ベースライン電圧に復帰するパルスを前記シナプス後端子において生成する、パルス整形器素子と
を含む、装置。 - 前記単極性の二端子型双安定デバイスが、そのシナプス前及びシナプス後ノードに印加された前記生成されたパルスの電圧に基づいて、さらにまた、前記シナプス前スパイクが所定の時間ウィンドウ以内で前記シナプス後スパイクに先行するか又はその後に続くかのどちらであるかに基づいて、第1の導電状態から第2の導電状態に変化する、請求項14に記載の装置。
- 前記パルス整形器素子が、
a)前記単極性の二端子型双安定デバイスの第1の端子に第1の電圧パルスを印加し、前記デバイスが抵抗性メモリ素子を含み、
b)前記単極性の二端子型双安定デバイスの第2の端子に第2の電圧パルスを印加し、前記2つの電圧パルスが、前記第1及び第2の電圧スパイクの相対的な到達時間に応じて、以下の3つの実効電圧V1、V2、V3のうちの「第1の」1つが前記デバイスの両端間に形成されるように選択された振幅及び時間プロファイルを有し、
i)前記デバイスの状態を変化させることなく前記デバイスの抵抗を読み取るようにふるまうV1であって、前記第1及び第2の電圧パルス間に実質的に時間的な重なりがないイベントにおいて得られるV1、
ii)前記デバイスを低抵抗状態にさせるV2であって、前記第1の電圧パルスが前記第2の電圧パルスの前に開始し、前記第1及び第2の電圧パルス間に実質的な時間的重なりがあるイベントにおいて得られるV2、
iii)前記デバイスを高抵抗状態にさせるV3であって、前記第2の電圧パルスが前記第1の電圧パルスの前に開始し、前記第1及び第2の電圧パルス間に実質的な時間的重なりがあるイベントにおいて得られるV3、
c)前記a)を繰り返してV1、V2、V3のうちの「第2の」1つを得、
d)前記a)を繰り返してV1、V2、V3のうちの「第3の」1つを得る
ように、さらに構成される請求項14に記載の装置。 - 前記電圧パルスのうちの一方の半値全幅(FWHM)が、他方の前記電圧パルスのFWHMよりも持続時間が少なくとも1000倍短い、請求項16に記載の装置。
- 前記電圧パルスの一方のFWHMが100ナノ秒を超えない、請求項16に記載の装置。
- 前記抵抗性メモリ素子が相変化メモリ素子である、請求項16に記載の装置。
- 前記第1及び第2の電圧パルスが反対の極性を有する、請求項16に記載の装置。
- 前記V1、V2、V3が同じ極性を有する、請求項16に記載の装置。
- 各々がシナプス前端子に接続された、複数の、単極性の二端子型双安定デバイスと、
それぞれ第1端と第2端を有する複数の整流素子であって、各々が前記第1端で前記単極性の二端子型双安定デバイスのうちの1つに接続され、前記第2端でシナプス後端子に接続された整流素子と、
前記シナプス前端子及び前記シナプス後端子に対して一連の電圧パルスを生成する少なくとも1つのパルス整形器素子であって、受信したシナプス前スパイクに応答して、前記受信したシナプス前スパイクの所定時間後に生じるパルスを前記シナプス前端子において生成し、シナプス後スパイクに応答して、ベースライン値から開始し、前記シナプス後スパイクから第1の時間後に第1の電圧値に達し、その後、前記シナプス後スパイクから第2の時間後に第2の電圧値に達し、その後、前記シナプス後スパイクから第3の時間後に前記ベースライン電圧に復帰するパルスを前記シナプス後端子において生成する、パルス整形器素子と
を含む、装置。 - 前記複数の前記デバイスが人工スパイキング神経網内に埋め込まれており、前記パルス整形器素子が前記一連の電圧パルスを前記シナプス前端子及びシナプス後端子に対して繰り返し生成し、それによって、前記神経網と環境イベントとの間の時間空間的連合を形成する、請求項22に記載の装置。
- シナプス・デバイスに対してシナプス前パルス及びシナプス後パルスを与えるためのコンピュータ・プログラムであって、前記コンピュータ・プログラムが、
具体化されたコンピュータ使用可能プログラム・コードを有するコンピュータ使用可能媒体を含み、前記コンピュータ使用可能プログラム・コードが、
シナプス前スパイクの提示に応答して、単極性の二端子型双安定デバイスに対して、前記受信されたシナプス前スパイクの所定時間後に生じるシナプス前パルスを生成させる命令を生成し、
シナプス後スパイクの提示に応答して、デバイスに対して、ベースライン値から開始し、前記シナプス後スパイクから第1の時間後に第1の電圧値に達し、その後、前記シナプス後スパイクから第2の時間後に第2の電圧値に達し、その後、前記シナプス後スパイクから第3の時間後に前記ベースライン電圧に復帰するシナプス後パルスを生成させる命令を生成するように構成された
コンピュータ・プログラム。 - 前記コンピュータ使用可能プログラム・コードが、
a)パルス整形器に対して、前記単極性の二端子型双安定デバイスの第1の端子に第1の電圧パルスを印加させる命令を生成し、前記デバイスが抵抗性メモリ素子を含み、
b)前記パルス整形器に対して、前記単極性の二端子型双安定デバイスの第2の端子に第2の電圧パルスを印加させる命令を生成し、前記2つの電圧パルスは、前記第1及び第2の電圧スパイクの相対的な到達時間に応じて、以下の3つの実効電圧V1、V2、V3のうちの「第1の」1つが前記デバイスの両端間に形成されるように選択された振幅及び時間プロファイルを有し、
i)前記デバイスの状態を変化させることなく前記デバイスの抵抗を読み取るようにふるまうV1であって、前記第1及び第2の電圧パルス間に実質的に時間的な重なりがないイベントにおいて得られるV1、
ii)前記デバイスを低抵抗状態にさせるV2であって、前記第1の電圧パルスが前記第2の電圧パルスの前に開始し、前記第1及び第2の電圧パルス間に実質的な時間的重なりがあるイベントにおいて得られるV2、
iii)前記デバイスを高抵抗状態にさせるV3であって、前記第2の電圧パルスが前記第1の電圧パルスの前に開始し、前記第1及び第2の電圧パルス間に実質的な時間的重なりがあるイベントにおいて得られるV3、
c)前記a)を繰り返してV1、V2、V3のうちの「第2の」1つを得、
d)前記a)を繰り返してV1、V2、V3のうちの「第3の」1つを得る
ようにさらに構成された、請求項25に記載のコンピュータ・プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/470,403 US8250010B2 (en) | 2009-05-21 | 2009-05-21 | Electronic learning synapse with spike-timing dependent plasticity using unipolar memory-switching elements |
US12/470,403 | 2009-05-21 | ||
PCT/EP2010/054719 WO2010133401A1 (en) | 2009-05-21 | 2010-04-09 | Electronic learning synapse with spike-timing dependent plasticity using memory-switching elements |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012527669A JP2012527669A (ja) | 2012-11-08 |
JP5420067B2 true JP5420067B2 (ja) | 2014-02-19 |
Family
ID=42289016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012511214A Active JP5420067B2 (ja) | 2009-05-21 | 2010-04-09 | メモリ・スイッチング素子を用いたスパイク・タイミング依存可塑性を有する電子学習シナプス |
Country Status (6)
Country | Link |
---|---|
US (2) | US8250010B2 (ja) |
EP (1) | EP2384488B1 (ja) |
JP (1) | JP5420067B2 (ja) |
CN (1) | CN102341815B (ja) |
TW (1) | TWI509537B (ja) |
WO (1) | WO2010133401A1 (ja) |
Families Citing this family (95)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010151247A1 (en) * | 2009-06-22 | 2010-12-29 | Hewlett-Packard Development Company, L.P. | Memristive adaptive resonance networks |
US9122994B2 (en) | 2010-03-26 | 2015-09-01 | Brain Corporation | Apparatus and methods for temporally proximate object recognition |
US8467623B2 (en) | 2010-03-26 | 2013-06-18 | Brain Corporation | Invariant pulse latency coding systems and methods systems and methods |
US9405975B2 (en) | 2010-03-26 | 2016-08-02 | Brain Corporation | Apparatus and methods for pulse-code invariant object recognition |
US9311593B2 (en) | 2010-03-26 | 2016-04-12 | Brain Corporation | Apparatus and methods for polychronous encoding and multiplexing in neuronal prosthetic devices |
US9129220B2 (en) * | 2010-07-07 | 2015-09-08 | Qualcomm Incorporated | Methods and systems for digital neural processing with discrete-level synapes and probabilistic STDP |
US8942466B2 (en) | 2010-08-26 | 2015-01-27 | Brain Corporation | Sensory input processing apparatus and methods |
US9193075B1 (en) | 2010-08-26 | 2015-11-24 | Brain Corporation | Apparatus and methods for object detection via optical flow cancellation |
US20120084240A1 (en) * | 2010-09-30 | 2012-04-05 | International Business Machines Corporation | Phase change memory synaptronic circuit for spiking computation, association and recall |
US9269042B2 (en) | 2010-09-30 | 2016-02-23 | International Business Machines Corporation | Producing spike-timing dependent plasticity in a neuromorphic network utilizing phase change synaptic devices |
JP5656202B2 (ja) * | 2010-10-18 | 2015-01-21 | 国立大学法人大阪大学 | 特徴抽出装置、特徴抽出方法、及び、そのプログラム |
US8812414B2 (en) | 2011-05-31 | 2014-08-19 | International Business Machines Corporation | Low-power event-driven neural computing architecture in neural networks |
US9070039B2 (en) | 2013-02-01 | 2015-06-30 | Brian Corporation | Temporal winner takes all spiking neuron network sensory processing apparatus and methods |
US9147156B2 (en) | 2011-09-21 | 2015-09-29 | Qualcomm Technologies Inc. | Apparatus and methods for synaptic update in a pulse-coded network |
US9047568B1 (en) | 2012-09-20 | 2015-06-02 | Brain Corporation | Apparatus and methods for encoding of sensory data using artificial spiking neurons |
KR101888468B1 (ko) | 2011-06-08 | 2018-08-16 | 삼성전자주식회사 | Stdp 기능 셀을 위한 시냅스, stdp 기능 셀 및 stdp 기능 셀을 이용한 뉴로모픽 회로 |
FR2977351B1 (fr) | 2011-06-30 | 2013-07-19 | Commissariat Energie Atomique | Methode d'apprentissage non supervise dans un reseau de neurones artificiel a base de nano-dispositifs memristifs et reseau de neurones artificiel mettant en oeuvre la methode. |
FR2977350B1 (fr) | 2011-06-30 | 2013-07-19 | Commissariat Energie Atomique | Reseau de neurones artificiels a base de dispositifs memristifs complementaires |
US9053428B2 (en) | 2011-07-21 | 2015-06-09 | Qualcomm Incorporated | Method and apparatus of robust neural temporal coding, learning and cell recruitments for memory using oscillation |
US8843425B2 (en) * | 2011-07-29 | 2014-09-23 | International Business Machines Corporation | Hierarchical routing for two-way information flow and structural plasticity in neural networks |
US9147155B2 (en) | 2011-08-16 | 2015-09-29 | Qualcomm Incorporated | Method and apparatus for neural temporal coding, learning and recognition |
US9460387B2 (en) * | 2011-09-21 | 2016-10-04 | Qualcomm Technologies Inc. | Apparatus and methods for implementing event-based updates in neuron networks |
US8725662B2 (en) | 2011-09-21 | 2014-05-13 | Brain Corporation | Apparatus and method for partial evaluation of synaptic updates based on system events |
US8725658B2 (en) | 2011-09-21 | 2014-05-13 | Brain Corporation | Elementary network description for efficient memory management in neuromorphic systems |
US8719199B2 (en) | 2011-09-21 | 2014-05-06 | Brain Corporation | Systems and methods for providing a neural network having an elementary network description for efficient implementation of event-triggered plasticity rules |
US9104973B2 (en) | 2011-09-21 | 2015-08-11 | Qualcomm Technologies Inc. | Elementary network description for neuromorphic systems with plurality of doublets wherein doublet events rules are executed in parallel |
US8909576B2 (en) * | 2011-09-16 | 2014-12-09 | International Business Machines Corporation | Neuromorphic event-driven neural computing architecture in a scalable neural network |
US9098811B2 (en) | 2012-06-04 | 2015-08-04 | Brain Corporation | Spiking neuron network apparatus and methods |
US9092735B2 (en) | 2011-09-21 | 2015-07-28 | Qualcomm Incorporated | Method and apparatus for structural delay plasticity in spiking neural networks |
US10210452B2 (en) | 2011-09-21 | 2019-02-19 | Qualcomm Incorporated | High level neuromorphic network description apparatus and methods |
US9117176B2 (en) | 2011-09-21 | 2015-08-25 | Qualcomm Technologies Inc. | Round-trip engineering apparatus and methods for neural networks |
US9111224B2 (en) * | 2011-10-19 | 2015-08-18 | Qualcomm Incorporated | Method and apparatus for neural learning of natural multi-spike trains in spiking neural networks |
US9111222B2 (en) * | 2011-11-09 | 2015-08-18 | Qualcomm Incorporated | Method and apparatus for switching the binary state of a location in memory in a probabilistic manner to store synaptic weights of a neural network |
US8996430B2 (en) | 2012-01-27 | 2015-03-31 | International Business Machines Corporation | Hierarchical scalable neuromorphic synaptronic system for synaptic and structural plasticity |
US9367797B2 (en) * | 2012-02-08 | 2016-06-14 | Jason Frank Hunzinger | Methods and apparatus for spiking neural computation |
US8909575B2 (en) | 2012-02-29 | 2014-12-09 | Qualcomm Incorporated | Method and apparatus for modeling neural resource based synaptic placticity |
US9224090B2 (en) * | 2012-05-07 | 2015-12-29 | Brain Corporation | Sensory input processing apparatus in a spiking neural network |
US20130297539A1 (en) * | 2012-05-07 | 2013-11-07 | Filip Piekniewski | Spiking neural network object recognition apparatus and methods |
US9129221B2 (en) * | 2012-05-07 | 2015-09-08 | Brain Corporation | Spiking neural network feedback apparatus and methods |
US9064215B2 (en) | 2012-06-14 | 2015-06-23 | Qualcomm Incorporated | Learning spike timing precision |
US8924322B2 (en) * | 2012-06-15 | 2014-12-30 | International Business Machines Corporation | Multi-processor cortical simulations with reciprocal connections with shared weights |
US9412041B1 (en) | 2012-06-29 | 2016-08-09 | Brain Corporation | Retinal apparatus and methods |
US9111215B2 (en) | 2012-07-03 | 2015-08-18 | Brain Corporation | Conditional plasticity spiking neuron network apparatus and methods |
US8977582B2 (en) | 2012-07-12 | 2015-03-10 | Brain Corporation | Spiking neuron network sensory processing apparatus and methods |
US9256823B2 (en) * | 2012-07-27 | 2016-02-09 | Qualcomm Technologies Inc. | Apparatus and methods for efficient updates in spiking neuron network |
US9159020B2 (en) | 2012-09-14 | 2015-10-13 | International Business Machines Corporation | Multiplexing physical neurons to optimize power and area |
US9311594B1 (en) | 2012-09-20 | 2016-04-12 | Brain Corporation | Spiking neuron network apparatus and methods for encoding of sensory data |
US9218563B2 (en) | 2012-10-25 | 2015-12-22 | Brain Corporation | Spiking neuron sensory processing apparatus and methods for saliency detection |
US9111226B2 (en) | 2012-10-25 | 2015-08-18 | Brain Corporation | Modulated plasticity apparatus and methods for spiking neuron network |
US9183493B2 (en) | 2012-10-25 | 2015-11-10 | Brain Corporation | Adaptive plasticity apparatus and methods for spiking neuron network |
US8943007B2 (en) | 2012-10-26 | 2015-01-27 | International Business Machines Corporation | Spike tagging for debugging, querying, and causal analysis |
US8990130B2 (en) * | 2012-11-21 | 2015-03-24 | International Business Machines Corporation | Consolidating multiple neurosynaptic cores into one memory |
US9275326B2 (en) | 2012-11-30 | 2016-03-01 | Brain Corporation | Rate stabilization through plasticity in spiking neuron network |
US9123127B2 (en) | 2012-12-10 | 2015-09-01 | Brain Corporation | Contrast enhancement spiking neuron network sensory processing apparatus and methods |
CN103078055B (zh) * | 2013-01-04 | 2015-06-03 | 华中科技大学 | 一种模拟生物神经突触的单元、装置及方法 |
US9177245B2 (en) | 2013-02-08 | 2015-11-03 | Qualcomm Technologies Inc. | Spiking network apparatus and method with bimodal spike-timing dependent plasticity |
US9542643B2 (en) * | 2013-05-21 | 2017-01-10 | Qualcomm Incorporated | Efficient hardware implementation of spiking networks |
US9436909B2 (en) | 2013-06-19 | 2016-09-06 | Brain Corporation | Increased dynamic range artificial neuron network apparatus and methods |
US9239985B2 (en) | 2013-06-19 | 2016-01-19 | Brain Corporation | Apparatus and methods for processing inputs in an artificial neuron network |
US9552546B1 (en) | 2013-07-30 | 2017-01-24 | Brain Corporation | Apparatus and methods for efficacy balancing in a spiking neuron network |
US9558443B2 (en) | 2013-08-02 | 2017-01-31 | International Business Machines Corporation | Dual deterministic and stochastic neurosynaptic core circuit |
US9418332B2 (en) | 2013-08-16 | 2016-08-16 | Qualcomm Incorporated | Post ghost plasticity |
US9305256B2 (en) * | 2013-10-02 | 2016-04-05 | Qualcomm Incorporated | Automated method for modifying neural dynamics |
US9489623B1 (en) | 2013-10-15 | 2016-11-08 | Brain Corporation | Apparatus and methods for backward propagation of errors in a spiking neuron network |
US20150206050A1 (en) * | 2014-01-23 | 2015-07-23 | Qualcomm Incorporated | Configuring neural network for low spiking rate |
US9852006B2 (en) | 2014-03-28 | 2017-12-26 | International Business Machines Corporation | Consolidating multiple neurosynaptic core circuits into one reconfigurable memory block maintaining neuronal information for the core circuits |
US10194163B2 (en) | 2014-05-22 | 2019-01-29 | Brain Corporation | Apparatus and methods for real time estimation of differential motion in live video |
US9939253B2 (en) | 2014-05-22 | 2018-04-10 | Brain Corporation | Apparatus and methods for distance estimation using multiple image sensors |
US9713982B2 (en) | 2014-05-22 | 2017-07-25 | Brain Corporation | Apparatus and methods for robotic operation using video imagery |
US20150379397A1 (en) | 2014-06-28 | 2015-12-31 | Brainchip, Inc. | Secure voice signature communications system |
US9848112B2 (en) | 2014-07-01 | 2017-12-19 | Brain Corporation | Optical detection apparatus and methods |
US10057593B2 (en) | 2014-07-08 | 2018-08-21 | Brain Corporation | Apparatus and methods for distance estimation using stereo imagery |
US9870617B2 (en) | 2014-09-19 | 2018-01-16 | Brain Corporation | Apparatus and methods for saliency detection based on color occurrence analysis |
US9881349B1 (en) | 2014-10-24 | 2018-01-30 | Gopro, Inc. | Apparatus and methods for computerized object identification |
WO2016072964A1 (en) * | 2014-11-03 | 2016-05-12 | Hewlett Packard Enterprise Development Lp | Device with multiple resistance switches with different switching characteristics |
US9830981B2 (en) * | 2015-01-14 | 2017-11-28 | International Business Machines Corporation | Neuromorphic memory circuit using a leaky integrate and fire (LIF) line to transmit axon LIF pulse and a conductive denrite LIF line |
WO2016122472A1 (en) * | 2015-01-28 | 2016-08-04 | Hewlett Packard Enterprise Development Lp | Selector relaxation time reduction |
US10489705B2 (en) | 2015-01-30 | 2019-11-26 | International Business Machines Corporation | Discovering and using informative looping signals in a pulsed neural network having temporal encoders |
US9990580B2 (en) | 2015-03-13 | 2018-06-05 | International Business Machines Corporation | Neuromorphic synapses |
US10074050B2 (en) | 2015-07-13 | 2018-09-11 | Denso Corporation | Memristive neuromorphic circuit and method for training the memristive neuromorphic circuit |
US10332004B2 (en) | 2015-07-13 | 2019-06-25 | Denso Corporation | Memristive neuromorphic circuit and method for training the memristive neuromorphic circuit |
US10197664B2 (en) | 2015-07-20 | 2019-02-05 | Brain Corporation | Apparatus and methods for detection of objects using broadband signals |
US9767407B2 (en) | 2015-09-18 | 2017-09-19 | Samsung Electronics Co., Ltd. | Weighting device, neural network, and operating method of the weighting device |
CN107533459B (zh) * | 2016-03-31 | 2020-11-20 | 慧与发展有限责任合伙企业 | 使用电阻存储器阵列的数据处理方法和单元 |
CN106292631A (zh) * | 2016-08-25 | 2017-01-04 | 哈尔滨理工大学 | 一种基于神经网络的pwm整流器故障诊断系统 |
CN106407988B (zh) * | 2016-09-05 | 2019-11-26 | 中国科学院自动化研究所 | 基于电镜序列切片图像的突触检测方法 |
US11341408B2 (en) | 2016-10-27 | 2022-05-24 | University Of Florida Research Foundation, Inc. | Memristive learning for neuromorphic circuits |
US20180146149A1 (en) | 2016-11-21 | 2018-05-24 | Samsung Electronics Co., Ltd. | Event-based sensor, user device including the same, and operation method of the same |
KR20180120511A (ko) * | 2017-04-27 | 2018-11-06 | 에스케이하이닉스 주식회사 | 전달 함수 회로들을 가진 시냅스 어레이를 포함하는 뉴로모픽 소자 |
JP6724870B2 (ja) | 2017-06-19 | 2020-07-15 | 株式会社デンソー | 人工ニューラルネットワーク回路の訓練方法、訓練プログラム、及び訓練装置 |
WO2019212466A1 (en) | 2018-04-30 | 2019-11-07 | Hewlett Packard Enterprise Development Lp | Resistive and digital processing cores |
US11593624B2 (en) | 2019-08-23 | 2023-02-28 | Micron Technology, Inc. | Self select memory cell based artificial synapse |
US11183238B2 (en) | 2019-08-28 | 2021-11-23 | International Business Machines Corporation | Suppressing outlier drift coefficients while programming phase change memory synapses |
JP6899024B1 (ja) * | 2020-06-11 | 2021-07-07 | ウィンボンド エレクトロニクス コーポレーション | 抵抗変化型シナプスアレイ装置 |
US11557343B2 (en) | 2021-06-22 | 2023-01-17 | International Business Machines Corporation | Pulsing synaptic devices based on phase-change memory to increase the linearity in weight update |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9122362D0 (en) | 1991-10-22 | 1991-12-04 | British Telecomm | Resistive memory element |
US6141241A (en) | 1998-06-23 | 2000-10-31 | Energy Conversion Devices, Inc. | Universal memory element with systems employing same and apparatus and method for reading, writing and programming same |
US6314014B1 (en) | 1999-12-16 | 2001-11-06 | Ovonyx, Inc. | Programmable resistance memory arrays with reference cells |
TWI251166B (en) | 2001-11-26 | 2006-03-11 | Expl Of Next Generation Co Ltd | Synapse element with learning function and semiconductor integrated circuit device including the synapse element |
US7412428B2 (en) | 2002-03-12 | 2008-08-12 | Knowmtech, Llc. | Application of hebbian and anti-hebbian learning to nanotechnology-based physical neural networks |
US6844582B2 (en) | 2002-05-10 | 2005-01-18 | Matsushita Electric Industrial Co., Ltd. | Semiconductor device and learning method thereof |
US6671710B2 (en) | 2002-05-10 | 2003-12-30 | Energy Conversion Devices, Inc. | Methods of computing with digital multistate phase change materials |
US6999953B2 (en) | 2002-07-03 | 2006-02-14 | Energy Conversion Devices, Inc. | Analog neurons and neurosynaptic networks |
US7085155B2 (en) | 2003-03-10 | 2006-08-01 | Energy Conversion Devices, Inc. | Secured phase-change devices |
US7186998B2 (en) | 2003-03-10 | 2007-03-06 | Energy Conversion Devices, Inc. | Multi-terminal device having logic functional |
US7426501B2 (en) | 2003-07-18 | 2008-09-16 | Knowntech, Llc | Nanotechnology neural network methods and systems |
KR100564602B1 (ko) | 2003-12-30 | 2006-03-29 | 삼성전자주식회사 | 상 변화 메모리 어레이의 셋 프로그래밍 방법 및 기입드라이버 회로 |
US7401058B2 (en) | 2004-04-29 | 2008-07-15 | University Of Massachusetts | Artificial neuron with phase-encoded logic |
JP4345676B2 (ja) * | 2005-01-12 | 2009-10-14 | エルピーダメモリ株式会社 | 半導体記憶装置 |
JP4728055B2 (ja) * | 2005-06-24 | 2011-07-20 | エルピーダメモリ株式会社 | 人工神経回路 |
KR100773095B1 (ko) * | 2005-12-09 | 2007-11-02 | 삼성전자주식회사 | 상 변화 메모리 장치 및 그것의 프로그램 방법 |
US8138028B2 (en) | 2007-02-12 | 2012-03-20 | Macronix International Co., Ltd | Method for manufacturing a phase change memory device with pillar bottom electrode |
US20090029031A1 (en) | 2007-07-23 | 2009-01-29 | Tyler Lowrey | Methods for forming electrodes in phase change memory devices |
US7967994B2 (en) | 2007-10-25 | 2011-06-28 | Ovonyx, Inc. | Method and apparatus for chalcogenide device formation |
US8447714B2 (en) | 2009-05-21 | 2013-05-21 | International Business Machines Corporation | System for electronic learning synapse with spike-timing dependent plasticity using phase change memory |
-
2009
- 2009-05-21 US US12/470,403 patent/US8250010B2/en not_active Expired - Fee Related
-
2010
- 2010-04-09 JP JP2012511214A patent/JP5420067B2/ja active Active
- 2010-04-09 WO PCT/EP2010/054719 patent/WO2010133401A1/en active Application Filing
- 2010-04-09 EP EP10717576.2A patent/EP2384488B1/en active Active
- 2010-04-09 CN CN201080009719.1A patent/CN102341815B/zh active Active
- 2010-05-14 TW TW099115432A patent/TWI509537B/zh active
-
2012
- 2012-06-19 US US13/527,043 patent/US8682822B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2012527669A (ja) | 2012-11-08 |
WO2010133401A1 (en) | 2010-11-25 |
TWI509537B (zh) | 2015-11-21 |
EP2384488B1 (en) | 2013-06-19 |
US8682822B2 (en) | 2014-03-25 |
CN102341815B (zh) | 2014-07-09 |
TW201110040A (en) | 2011-03-16 |
US20120265719A1 (en) | 2012-10-18 |
CN102341815A (zh) | 2012-02-01 |
US8250010B2 (en) | 2012-08-21 |
US20100299296A1 (en) | 2010-11-25 |
EP2384488A1 (en) | 2011-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5420067B2 (ja) | メモリ・スイッチング素子を用いたスパイク・タイミング依存可塑性を有する電子学習シナプス | |
JP5420066B2 (ja) | 相変化メモリを用いたスパイク・タイミング依存可塑性を有する電子学習シナプス | |
US11270192B2 (en) | Producing spike-timing dependent plasticity in a neuromorphic network utilizing phase change synaptic devices | |
US10282657B2 (en) | Neuromorphic synapses | |
JP6591548B2 (ja) | ニューロモーフィック記憶回路、それを動作させるための方法、およびそのコンピュータ・プログラム | |
US10713562B2 (en) | Neuromorphic memory circuit | |
US8832011B2 (en) | Electronic synapses from stochastic binary memory devices | |
US11934946B2 (en) | Learning and recall in spiking neural networks | |
KR20130036318A (ko) | Stdp 및 도파민 시그널을 갖는 3―멤리스터 시냅스에 대한 방법들 및 시스템들 | |
Pedroni et al. | Memory-efficient synaptic connectivity for spike-timing-dependent plasticity | |
Memmesheimer et al. | Non-additive coupling enables propagation of synchronous spiking activity in purely random networks | |
Baumann et al. | Memristor‐enhanced humanoid robot control system–Part II: Circuit theoretic model and performance analysis | |
US20220138546A1 (en) | Expandable neuromorphic circuit | |
US11397544B2 (en) | Multi-terminal neuromorphic device | |
KR102314918B1 (ko) | 소프트 뉴로모픽 시스템을 위한 소프트 멤리스터 | |
KR102708509B1 (ko) | 뉴로모픽 소자 및 뉴로모픽 소자의 저항 변화율을 조절하는 방법 | |
KR20170080431A (ko) | 뉴로모픽 소자 및 뉴로모픽 소자의 저항 변화율을 조절하는 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121107 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131029 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131119 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5420067 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |