KR102143225B1 - 뉴로모픽 칩의 스파이크 이벤트 정보 전송 방법 및 장치, 및 뉴로모픽 칩 - Google Patents

뉴로모픽 칩의 스파이크 이벤트 정보 전송 방법 및 장치, 및 뉴로모픽 칩 Download PDF

Info

Publication number
KR102143225B1
KR102143225B1 KR1020130050544A KR20130050544A KR102143225B1 KR 102143225 B1 KR102143225 B1 KR 102143225B1 KR 1020130050544 A KR1020130050544 A KR 1020130050544A KR 20130050544 A KR20130050544 A KR 20130050544A KR 102143225 B1 KR102143225 B1 KR 102143225B1
Authority
KR
South Korea
Prior art keywords
spike event
neuron
occurred
group
spike
Prior art date
Application number
KR1020130050544A
Other languages
English (en)
Other versions
KR20140132787A (ko
Inventor
김준석
심재윤
류현석
Original Assignee
삼성전자주식회사
포항공과대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사, 포항공과대학교 산학협력단 filed Critical 삼성전자주식회사
Priority to KR1020130050544A priority Critical patent/KR102143225B1/ko
Priority to US14/223,284 priority patent/US10592803B2/en
Priority to EP14162787.7A priority patent/EP2801932B1/en
Publication of KR20140132787A publication Critical patent/KR20140132787A/ko
Priority to US16/748,979 priority patent/US11188816B2/en
Application granted granted Critical
Publication of KR102143225B1 publication Critical patent/KR102143225B1/ko

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
    • G06N3/06—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
    • 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

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)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Neurology (AREA)
  • Logic Circuits (AREA)
  • Debugging And Monitoring (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)
  • Advance Control (AREA)

Abstract

뉴로모픽 칩에서 발생한 스파이크 이벤트 정보를 전송하는 방법 및 장치가 개시된다. 뉴로모픽 칩에서 발생한 스파이크 이벤트 정보를 전송하는 장치는 뉴로모픽 칩에 포함된 복수 개의 뉴런들에 대해 뉴런 그룹 단위로 스파이크 이벤트 정보를 검출할 수 있고, 검출된 스파이크 이벤트 정보를 뉴로모픽 칩의 외부로 전송할 수 있다.

Description

뉴로모픽 칩의 스파이크 이벤트 정보 전송 방법 및 장치, 및 뉴로모픽 칩{METHOD AND APPARATUS FOR TRANSMITTING SPIKE EVENT INFORMATION OF NEUROMORPHIC CHIP, AND NEUROMORPHIC CHIP}
아래의 설명은 뉴로모픽 칩의 뉴런에서 발생한 스파이크 이벤트 정보를 전송하는 방법 및 장치에 관한 것이다.
뇌에는 수천억 개의 신경 세포(즉, 뉴런(neuron))가 존재하며, 서로 복잡한 신경망으로 구성되어 있다. 뉴런은 수천 개의 다른 뉴런과 신호를 주고 받는 시냅스를 통해 학습, 기억 등 지적 능력을 발휘한다. 뉴런은 신경계의 구조적, 기능적 단위이며 정보 전달의 기본 단위이다. 시냅스는 뉴런 사이의 접합부를 가리키며 어느 하나의 뉴런의 축색 돌기와 다른 뉴런의 수상 돌기가 연결된 부위를 말한다. 한 개의 뉴런은 수천 개의 다른 뉴런과 시냅스를 통해 연결되어 있다. 뉴로모픽 칩(Neuromorphic chip)은 생물 신경 시스템을 모사한 인공 신경계를 뉴런 수준에서 제작함으로써, 두뇌가 처리하는 정보처리 방식을 모사하기 위해 만들어진 반도체 회로이다.
뉴로모픽 칩은 불특정한 환경에 스스로 적응할 수 있는 지능화된 시스템을 구현하는 데에 효과적으로 활용될 수 있다. 이 기술이 발전하면 음성인식, 위험 인지, 실시간 고속 신호처리, 인지 및 추정 등을 수행하는 컴퓨터, 로봇, 가전기기, 소형 이동 기기, 보안 및 감시, 지능형 차량 안전, 자율 주행 등으로 발전할 수 있다.
뉴로모픽 칩에 포함된 뉴런에서 발생한 스파이크 이벤트(spike event)를 판독하거나 다른 뉴런으로 전달하기 위해 이벤트 정보를 전달하기 위한 통신 채널이 이용된다. AER(address event representation)은 스파이크 이벤트가 발생하는 타이밍에 비동기적으로 통신 버스에 스파이크 이벤트가 발생한 뉴런의 어드레스를 기록하는 방법이다.
뉴로모픽 칩에 포함된 뉴런들을 복수 개의 뉴런 그룹으로 그룹핑하는 단계; 상기 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 뉴런 그룹 단위로 판단하는 단계; 및 상기 스파이크 이벤트가 발생한 뉴런의 어드레스 정보를 식별하여 상기 뉴로모픽 칩의 외부로 전송하는 단계를 포함할 수 있다.
일실시예에 따른 스파이크 이벤트 검출 방법은, 뉴로모픽 칩에 포함된 뉴런들을 복수 개의 상위 뉴런 그룹으로 그룹핑하는 단계; 상기 상위 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 판단하는 단계; 및 스파이크 이벤트가 발생한 상위 뉴런 그룹에서, 상기 상위 뉴런 그룹에 포함된 하위 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 판단하는 단계를 포함할 수 있다.
일실시예에 따른 뉴로모픽 칩은, 시냅스를 통해 수신한 전류량에 기초하여 스파이크 이벤트를 발생시키는 복수 개의 뉴런들; 및 상기 뉴런들에 스파이크 이벤트가 발생하였는지를 검출하는 스파이크 이벤트 검출부를 포함할 수 있다.
일실시예에 따른 뉴로모픽 칩에서, 상기 스파이크 이벤트 검출부는 상기 복수 개의 뉴런들을 그룹핑하고, 상기 그룹핑된 뉴런 그룹에 기초하여 스파이크 이벤트의 발생 여부를 검출할 수 있다.
일실시예에 따른 뉴로모픽 칩은, 스파이크 이벤트가 발생한 뉴런의 어드레스 정보 및 스파이크 이벤트가 발생한 타이밍 정보를 식별하여 뉴로모픽 칩의 외부로 전송하는 스파이크 이벤트 정보 전송부를 더 포함할 수 있다.
일실시예에 따른 스파이크 이벤트 검출 장치는, 뉴로모픽 칩에 포함된 뉴런들을 복수 개의 뉴런 그룹으로 그룹핑하는 그룹핑부; 및 상기 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 뉴런 그룹 단위로 판단하고, 스파이크 이벤트가 발생한 뉴런의 어드레스 정보를 식별하는 스파이크 이벤트 검출부를 포함할 수 있다.
도 1은 일실시예에 따른 뉴로모픽 칩의 세부 구성을 도시한 도면이다.
도 2는 일실시예에 따른 스파이크 이벤트 검출 장치의 세부 구성을 도시한 도면이다.
도 3은 일실시예에 따른 스파이크 이벤트를 검출하는 방법을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 뉴런의 스파이크 이벤트 정보를 전송하는 방법을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 스파이크 이벤트를 검출하는 회로의 구현 예를 도시한 도면이다.
도 6은 일실시예에 따른 스파이크 이벤트 정보의 전송 방법을 도시한 흐름도이다.
도 7은 일실시예에 따른 스파이크 이벤트의 검출 방법을 도시한 흐름도이다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 아래의 특정한 구조적 내지 기능적 설명들은 단지 발명의 실시예들을 설명하기 위한 목적으로 예시된 것으로, 발명의 범위가 본문에 설명된 실시예들에 한정되는 것으로 해석되어서는 안된다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 따른 뉴로모픽 칩의 세부 구성을 도시한 도면이다.
뉴로모픽 칩(100)은 뉴로모픽 칩(100)에 포함된 뉴런들(neurons, 110)의 스파이크 이벤트 정보(spike event information)를 뉴로모픽 칩(100)의 외부로 전송할 수 있다. 스파이크 이벤트 정보는 스파이크 이벤트가 발생한 뉴런의 어드레스 정보 및 스파이크 이벤트가 발생한 타이밍 정보를 포함할 수 있다.
뉴로모픽 칩(100)은 뉴런들(110)의 집합인 뉴런 그룹에 기초하여 스파이크 이벤트가 발생(또는, firing)한 뉴런을 검출(또는, 스캔)할 수 있다. 뉴로모픽 칩(100)은 각각의 뉴런들(110)에 대해 독립적으로 스파이크 이벤트의 발생 여부를 판단하는 것이 아니라 뉴런 그룹 단위로 스파이크 이벤트의 발생 여부를 판단함으로써 스파이크 이벤트 정보의 전송 효율을 개선시킬 수 있다.
도 1을 참조하면, 뉴로모픽 칩(100)은 시냅스를 통해 수신한 전류량에 기초하여 스파이크 이벤트를 발생시키는 복수 개의 뉴런들(110), 스파이크 이벤트 검출부(120) 및 스파이크 이벤트 정보 전송부(130)를 포함할 수 있다.
뉴런들(110)은 시냅스를 통해 수신한 전류량이 미리 설정된 임계값을 초과하면 스파이크 이벤트를 발생시킬 수 있다. 각각의 뉴런들(110)은 자기 자신에 대응하는 어드레스 정보를 가질 수 있다. 뉴런의 어드레스 정보를 이용하여 뉴로모픽 칩(100)의 어느 뉴런에서 스파이크 이벤트가 발생하였는지를 식별할 수 있다.
스파이크 이벤트 검출부(120)는 뉴런의 스파이크 이벤트를 검출할 수 있다. 스파이크 이벤트 검출부(120)는 스파이크 이벤트를 검출하기 위해 뉴로모픽 칩(100)에 포함된 뉴런들(110)을 복수 개의 뉴런 그룹으로 그룹핑(grouping)할 수 있다.
스파이크 이벤트 검출부(120)는 뉴로모픽 칩(100)에 포함된 뉴런의 개수 및 스파이크 이벤트가 발생하는 빈도(또는, 비율) 중 적어도 하나에 기초하여 그룹핑을 통해 생성할 뉴런 그룹의 개수 및 뉴런 그룹의 깊이(depth) 중 적어도 하나를 조절할 수 있다. 예를 들어, 스파이크 이벤트 검출부(120)는 뉴로모픽 칩(100)에 포함된 뉴런의 개수가 많아질수록 그룹핑을 통해 보다 많은 수의 뉴런 그룹을 생성할 수 있다. 또한, 스파이크 이벤트 검출부(120)는 스파이크 이벤트가 발생하는 빈도가 미리 설정된 임계값보다 낮은 경우, 하나의 뉴런 그룹에 포함할 뉴런의 개수를 증가시켜 생성할 뉴런 그룹의 개수를 줄이거나, 또는 뉴런 그룹의 깊이를 이전보다 낮게 조절할 수 있다. 뉴런 그룹의 깊이는 뉴런 그룹의 계층적 모델에서 계층적 모델의 차수에 대응할 수 있다. 계층적 모델의 차수가 크다는 것은, 뉴런 그룹이 더 많은 수의 계층으로 구성된다는 것을 나타낸다.
스파이크 이벤트 검출부(120)는 그룹핑된 뉴런 그룹에 기초하여 스파이크 이벤트의 발생 여부를 검출할 수 있다. 스파이크 이벤트 검출부(120)는 클록 사이클(clock cycle) 단위로 스파이크 이벤트의 발생 여부를 검출할 수 있다. 예를 들어, 스파이크 이벤트 검출부(120)는 하나의 클록 사이클 동안에 하나의 뉴런 그룹 또는 하나의 뉴런에 스파이크 이벤트가 발생하였는지 여부를 판단할 수 있다.
뉴런 그룹에 스파이크 이벤트가 발생하였다는 것은, 뉴런 그룹이 스파이크 이벤트가 발생한 뉴런을 적어도 하나 이상 포함한다는 것을 나타낸다. 뉴런 그룹에 스파이크 이벤트가 발생하지 않았다는 것은, 해당 뉴런 그룹에 스파이크 이벤트가 발생한 뉴런이 하나도 포함되어 있지 않다는 것을 나타낸다.
스파이크 이벤트 검출부(120)는 계층적 모델(예를 들어, Nested set model)에 기초하여 뉴런의 스파이크 이벤트를 검출할 수 있다. 예를 들어, 스파이크 이벤트 검출부(120)는 뉴런 그룹에 포함되는 하위 뉴런 그룹을 설정할 수 있다. 하위 뉴런 그룹을 포함하는 뉴런 그룹은 상위 뉴런 그룹에 대응할 수 있다. 하위 뉴런 그룹은 상위 뉴런 그룹에 포함된 뉴런의 개수보다 더 적은 수의 뉴런을 포함하는 뉴런 그룹을 나타낸다.
스파이크 이벤트 검출부(120)는 뉴로모픽 칩(100)에 포함된 뉴런의 개수 및 스파이크 이벤트가 일어나는 빈도 중 적어도 하나에 기초하여 뉴런 그룹을 구성하는 하위 뉴런 그룹의 크기를 조절할 수 있다. 예를 들어, 뉴런의 스파이크 이벤트가 일어나는 빈도가 미리 설정된 임계값보다 낮은 경우, 스파이크 이벤트 검출부(120)는 하위 뉴런 그룹의 크기를 증가시킴으로써 하위 뉴런 그룹에 포함되는 뉴런의 수를 증가시킬 수 있다. (또는, 하위 뉴런 그룹의 개수를 감소시킬 수 있다.) 하위 뉴런 그룹은 자기보다 하위의 뉴런 그룹(하위 뉴런 그룹에 포함되지만, 하위 뉴런 그룹보다 적은 수의 뉴런을 포함하는 뉴런 그룹)을 포함할 수 있다.
스파이크 이벤트 검출부(120)는 뉴런 그룹에 스파이크 이벤트가 발생한 경우, 뉴런 그룹을 구성하는 하위 뉴런 그룹에 기초하여 스파이크 이벤트의 발생 여부를 검출할 수 있다. 스파이크 이벤트 검출부(120)는 스파이크 이벤트가 발생하지 않은 뉴런 그룹에 대해서는 더 이상 스파이크 이벤트의 검출 과정을 수행하지 않을 수 있다.
예를 들어, 스파이크 이벤트 검출부(120)는 "스파이크 이벤트가 발생한 상위 뉴런 그룹 → 상위 뉴런 그룹에 포함된 하위 뉴런 그룹 → 하위 뉴런 그룹보다 하위인 뉴런 그룹 → … → 가장 하위 뉴런 그룹 → 가장 하위 뉴런 그룹에 포함된 뉴런들"과 같이 순차적으로 스파이크 이벤트의 발생 여부를 검출할 수 있다. 스파이크 이벤트 검출부(120)는 스파이크 이벤트가 발생하지 않은 뉴런 그룹에 대해서는 스파이크 이벤트의 발생 여부를 더 이상 판단하지 않을 수 있다. 따라서, 스파이크 이벤트 검출부(120)는 스파이크 이벤트의 발생을 검출하기 위한 필요 클록 사이클의 수를 저감시킬 수 있고, 필요 클록 사이클의 저감으로 인해 소비되는 전력량이 감소될 수 있다.
스파이크 이벤트 검출부(120)는 가장 하위 뉴런 그룹에 스파이크 이벤트가 발생한 경우에는 가장 하위 뉴런 그룹에 포함된 뉴런들(110)에 대해 독립적으로 스파이크 이벤트가 발생하였는지 여부를 판단할 수 있다. 가장 하위 뉴런 그룹은, 뉴런 그룹의 계층적 모델에서 가장 적은 수의 뉴런을 가지는 최하위층의 뉴런 그룹을 나타낸다. 가장 하위 뉴런 그룹에 스파이크 이벤트가 발생한 경우, 스파이크 이벤트 검출부(120)는 뉴런 그룹 단위의 스파이크 이벤트 검출 과정이 아닌, 뉴런 단위에 기초하여 스파이크 이벤트를 검출할 수 있다.
스파이크 이벤트 정보 전송부(130)는 스파이크 이벤트가 발생한 뉴런의 어드레스 정보를 식별하여 뉴로모픽 칩(100)의 외부로 전송할 수 있다. 뉴런의 어드레스 정보는 뉴런이 포함된 뉴런 그룹의 어드레스 정보 및 뉴런 그룹 내에서 해당 뉴런이 가지는 어드레스 정보를 포함할 수 있다. 뉴런이 포함된 뉴런 그룹의 어드레스 정보는 가장 하위 뉴런 그룹에 기초하여 결정될 수 있다.
또한, 스파이크 이벤트 정보 전송부(130)는 뉴런의 스파이크 이벤트가 발생한 타이밍 정보를 식별하여 뉴로모픽 칩(100)의 외부로 전송할 수 있으며, 이벤트가 발생한 뉴런의 어드레스 정보와 타이밍 정보를 분리하여 동기화된 채널을 통하여 전송할 수 있다. 타이밍 정보는 스파이크 이벤트가 발생하였는지 여부를 나타내는 스트로브(strobe) 정보를 포함할 수 있다. 예를 들어, 스트로브 정보는 스파이크 이벤트가 발생한 경우에는 "1"로, 스파이크 이벤트가 발생하지 않은 경우에는 "0"으로 나타낼 수 있다. 스파이크 이벤트 정보 전송부(130)는 스파이크 이벤트가 발생한 뉴런의 어드레스 정보와 타이밍 정보를 동기화시켜 전송할 수 있다.
도 2는 일실시예에 따른 스파이크 이벤트 검출 장치의 세부 구성을 도시한 도면이다.
스파이크 이벤트 검출 장치(200)는 뉴런에서 발생한 스파이크 이벤트를 검출할 수 있다. 스파이크 이벤트 검출 장치(200)는 뉴로모픽 칩에 내장되거나 또는 뉴로모픽 칩의 외부에서 동작할 수 있다. 도 2를 참조하면, 스파이크 이벤트 검출 장치(200)는 그룹핑부(210) 및 스파이크 이벤트 검출부(220)를 포함할 수 있다.
그룹핑부(210)는 뉴로모픽 칩에 포함된 뉴런들을 복수 개의 뉴런 그룹으로 그룹핑할 수 있다. 그룹핑부(210)는 뉴로모픽 칩에 포함된 뉴런의 개수에 기초하여 그룹핑을 통해 생성할 뉴런 그룹의 개수를 조절할 수 있다. 또는, 그룹핑부(210)는 뉴런의 스파이크 이벤트가 발생하는 빈도에 기초하여 그룹핑을 통해 생성할 뉴런 그룹의 개수를 조절할 수 있다. 예를 들어, 그룹핑부(210)는 스파이크 이벤트가 발생하는 빈도가 미리 설정된 임계값보다 낮은 경우, 뉴런 그룹에 포함할 뉴런의 개수를 증가시켜 생성할 뉴런 그룹의 개수를 줄일 수 있다.
그룹핑부(210)는 계층적 모델에 기초하여 뉴런들을 계층적인 뉴런 그룹으로 그룹핑할 수 있다. 예를 들어, 그룹핑부(210)는 상위 뉴런 그룹에 포함되는 하위 뉴런 그룹을 설정할 수 있으며, 하위 뉴런 그룹보다 하위인 뉴런 그룹을 계층적으로 설정할 수 있다. 그룹핑부(210)는 뉴로모픽 칩에 포함된 뉴런의 개수 및 스파이크 이벤트가 일어나는 빈도 중 적어도 하나에 기초하여 뉴런 그룹을 구성하는 하위 뉴런 그룹의 크기 또는 뉴런 그룹의 깊이를 조절할 수 있다.
스파이크 이벤트 검출부(220)는 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 뉴런 그룹 단위로 판단하고, 스파이크 이벤트가 발생한 뉴런의 어드레스 정보를 식별할 수 있다.
스파이크 이벤트 검출부(220)는 뉴런 그룹이 스파이크 이벤트가 발생한 뉴런을 포함하고 있는 경우, 뉴런 그룹에 포함된 하위 뉴런 그룹이 스파이크 이벤트가 발생한 뉴런을 포함하고 있는지 여부를 판단할 수 있다.
스파이크 이벤트 검출부(220)는 뉴런 그룹에 스파이크 이벤트가 발생하지 않은 경우, 해당 뉴런 그룹을 제외한 나머지 뉴런 그룹에 대해, 뉴런 그룹에 포함된 하위 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 판단할 수 있다. 스파이크 이벤트 검출부(220)는 스파이크 이벤트가 발생하지 않은 뉴런 그룹에 대해서는 하위 뉴런 그룹에 기초한 스파이크 이벤트의 검출 과정을 수행하지 않을 수 있다. 스파이크 이벤트 검출부(220)는 가장 하위 뉴런 그룹에 스파이크 이벤트가 발생한 경우에는 가장 하위 뉴런 그룹에 포함된 뉴런들 각각에 대해 스파이크 이벤트가 발생하였는지 여부를 판단할 수 있다.
도 3은 일실시예에 따른 스파이크 이벤트를 검출하는 방법을 설명하기 위한 도면이다.
도 3에서는, 뉴로모픽 칩에 27개의 뉴런들이 존재하고, 27개의 뉴런들 중 임의의 4개의 뉴런들(350, 352, 354, 356)에서 스파이크 이벤트가 발생하였다고 가정한다.
먼저, 뉴런들을 그룹핑하지 않고 스파이크 이벤트를 검출하는 방법(310)을 설명하도록 한다. 그룹핑되지 않은 뉴런들(310)에 대해 스파이크 이벤트를 검출하기 위해서는 적어도 27 개의 클록 사이클이 필요하다. 따라서, 스파이크 이벤트가 발생한 뉴런이 몇 개인지, 또는 스파이크 이벤트가 발생하는 빈도가 얼마나 되는지와 상관없이, 스파이크 이벤트를 검출하기 위해 필요로 하는 클록 사이클은 뉴로모픽 칩에 포함된 뉴런들의 개수에 기초하여 결정된다. 그룹핑되지 않은 뉴런들(310)에 대해 스파이크 이벤트를 검출하는 경우, 스파이크 이벤트를 검출하기 위해 필요로 하는 최소 클록 사이클의 수(또는, 클록 사이클의 최소 진동수)는 뉴로모픽 칩에 포함된 뉴런들의 개수에 비례하여 증가하게 된다.
다음으로, 스파이크 이벤트 검출 장치가 27개의 뉴런들을 그룹핑하여 뉴런 그룹 단위로 스파이크 이벤트를 검출하는 방법(320)을 설명하도록 한다. 도 3에서는. 스파이크 이벤트 검출 장치가 27개의 뉴런들을 3개의 뉴런 그룹들(340, 360, 380)로 그룹핑하는 경우를 나타낸다. 각각의 뉴런 그룹들(340, 360, 380)은 9개의 뉴런들을 포함하고 있다. 또한, 뉴런 그룹(340)는 하위 뉴런 그룹들(342, 344, 346)로 구성되어 있고, 뉴런 그룹(360)은 하위 뉴런 그룹들(362, 364, 366)로 구성되어 있으며, 뉴런 그룹(380)도 하위 뉴런 그룹들(382, 384, 386)으로 구성되어 있다. 뉴런 그룹 또는 하위 뉴런 그룹이 가지는 크기 및 모양은 위 실시예에 한정되지 아니하며 다양한 변형이 가능하다.
스파이크 이벤트 검출 장치는 먼저, 뉴런 그룹들(340, 360, 380)을 기준으로 스파이크 이벤트가 발생하였는지 여부를 판단할 수 있다. 뉴런 그룹들(340, 380)이 스파이크 이벤트가 발생한 뉴런을 포함하고 있으므로, 스파이크 이벤트 검출 장치는 뉴런 그룹들(340, 380)에 스파이크 이벤트가 발생하였다고 판단할 수 있다. 뉴런 그룹들(340, 360, 380)에 대해 스파이크 이벤트가 발생하였는지를 판단하기 위해서는 최소 3개의 클록 사이클이 필요하다.
그 후, 스파이크 이벤트 검출 장치는 스파이크 이벤트가 발생한 뉴런 그룹들(340, 380)에 대해 하위 뉴런 그룹 단위로 스파이크 이벤트가 발생하였는지 여부를 판단할 수 있다. 뉴런 그룹(360)에는 스파이크 이벤트가 발생하지 않았으므로, 스파이크 이벤트 검출 장치는 뉴런 그룹(360)에는 스파이크 이벤트가 발생한 뉴런이 존재하지 않음을 식별할 수 있다. 따라서, 스파이크 이벤트 검출 장치는 뉴런 그룹(360)에 대해서는 더 이상 스파이크 이벤트 검출 과정을 수행하지 않을 수 있다.
스파이크 이벤트 검출 장치는 뉴런 그룹(340)의 하위 뉴런 그룹들(342, 344, 346) 및 뉴런 그룹(380)의 하위 뉴런 그룹들(382, 384, 386)에 스파이크 이벤트가 발생하였는지 여부를 판단할 수 있다. 하위 뉴런 그룹들(342, 344, 346, 382, 384, 386)에 대해 스파이크 이벤트가 발생하였는지 여부를 판단하기 위해서는 최소 6개의 클록 사이클이 필요하다.
도 3에서는, 하위 뉴런 그룹이 최하위층의 뉴런 그룹에 해당하므로, 스파이크 이벤트 검출 장치는 스파이크 이벤트가 발생한 하위 뉴런 그룹들(344, 382, 384)에 포함된 각각의 뉴런들에 대해 스파이크 이벤트가 발생하였는지 여부를 판단할 수 있다. 스파이크 이벤트 검출 장치는 스파이크 이벤트가 발생하지 않은 하위 뉴런 그룹들(342, 346, 362, 364, 366, 386)에 대해서는 하위 뉴런 그룹에 기초한 스파이크 이벤트 검출 과정을 수행하지 않을 수 있다. 하위 뉴런 그룹들(344, 382, 384)에 포함된 뉴런들에 대해 스파이크 이벤트가 발생하였는지 여부를 판단하기 위해서는 최소 9개의 클록 사이클이 필요하다.
위 실시예에서, 뉴런들(350, 352, 354, 356)의 스파이크 이벤트를 검출하기 위해, 뉴런들을 그룹핑하지 않고 스파이크 이벤트를 검출하는 방법(310)이 필요로 하는 최소 클록 사이클의 수는 27개인데 반해, 뉴런 그룹 단위로 스파이크 이벤트를 검출하는 방법(320)은 최소 18개의 클록 사이클을 필요로 한다. 따라서, 뉴런 그룹 단위로 스파이크 이벤트를 검출하는 방법(320)이 뉴런들을 그룹핑하지 않고 스파이크 이벤트를 검출하는 방법(310)보다 더 효과적으로 스파이크 이벤트를 검출할 수 있음을 알 수 있다. 예를 들어, 뉴로모픽 칩에 포함된 전체 뉴런들 중에 특정 뉴런에서만 스파이크 이벤트가 발생하는 Winner-Take-All(WTA)과 같은 경우, 뉴런 그룹 단위로 스파이크 이벤트를 검출하는 방법이 보다 효과적일 수 있다.
도 4는 일실시예에 따른 뉴런의 스파이크 이벤트 정보를 전송하는 방법을 설명하기 위한 도면이다.
도 4는 64개의 뉴런들을 대상으로, 뉴런의 스파이크 이벤트 정보를 전송하기 위해 뉴런의 어드레스 정보를 할당하는 방식을 나타낸다. 뉴런 그룹의 깊이를 3으로 설정하였을 때, 가장 하위 뉴런 그룹들을 구별하기 위한 어드레스가 필요하고, 각각의 가장 하위 뉴런 그룹에 포함된 뉴런을 구별하기 위한 어드레스가 필요하다. 도 4에서는, 4개의 상위 뉴런 그룹들(410, 420, 430, 440)이 존재하고, 각각의 상위 뉴런 그룹들(410, 420, 430, 440)은 4개의 하위 뉴런 그룹들을 포함하고 있다. 도 4에서는 뉴런 그룹의 깊이가 3이므로, 하위 뉴런 그룹이 가장 하위 뉴런 그룹에 해당한다.
하위 뉴런 그룹이 16개가 존재하므로, 하위 뉴런 그룹에 대한 어드레스(address)를 바이너리(binary) 4 비트(bit)로 나타낼 수 있다. 각각의 하위 뉴런 그룹들은 4개의 뉴런들을 포함하고 있으므로, 하위 뉴런 그룹에서의 뉴런의 어드레스를 바이너리 2 비트로 나타낼 수 있다. 스파이크 이벤트 정보를 전송하는 전송단(TX, 450)과 스파이크 이벤트 정보를 수신하는 수신단(RX, 460) 사이에서 뉴런 그룹의 어드레스 정보를 전송하기 위한 버스(bus, 470)는 4비트로 구성될 수 있고, 뉴런 그룹 내에서 뉴런이 가지는 어드레스 정보를 전송하는 버스(480)는 2비트로 구성될 수 있다. 또한, 전송단(450)과 수신단(460)사이에서 스파이크 이벤트가 발생한 타이밍 정보가 전송되기 위한 버스(490)가 존재할 수 있으며, 타이밍 정보는 스파이크 이벤트가 발생하였는지 여부를 나타내는 스트로브 정보를 포함할 수 있다. 뉴런의 어드레스 정보와 타이밍 정보는 동기화된 채널을 통해 전송될 수 있다.
도 5는 일실시예에 따른 스파이크 이벤트를 검출하는 회로의 구현 예를 도시한 도면이다.
계층적 구조(510)는 스파이크 이벤트 검출 장치가 뉴런의 스파이크 이벤트를 검출하기 위해 이용하는 기본 구조를 나타낸다. 도 5에서의 계층적 구조(510)는 상위 뉴런 그룹들(SDB0, SDB1,…, SDBn)(520)과 상위 뉴런 그룹에 포함된 하위 뉴런 그룹들로 구성되어 있다. 예를 들어, 상위 뉴런 그룹(SDB0)은 하위 뉴런 그룹들(SDC0, SDC1,…, SDCn)(530)로 구성되어 있다. 스파이크 이벤트 검출 장치는 상위 뉴런 그룹들(520)에 스파이크 이벤트가 발생하였는지 여부를 판단하고, 스파이크 이벤트가 발생한 상위 뉴런 그룹에 대해서만 하위 뉴런 그룹 단위로 스파이크 이벤트의 발생 여부를 판단할 수 있다.
회로도(540)은 상위 뉴런 그룹들(SDB0, SDB1,…, SDBn)(520)에 스파이크 이벤트가 발생하였는지 여부를 검출하기 위한 회로를 나타내고, 회로도(550)은 상위 뉴런 그룹(SDB0)의 하위 뉴런 그룹들(SDC0, SDC1,…, SDCn)(530)에 스파이크 이벤트가 발생하였는지 여부를 검출하기 위한 회로의 일례를 나타낸다. 회로도(540, 550)은 클록 사이클을 발생시키는 소자와 논리 소자들로 구성될 수 있다.
도 6은 일실시예에 따른 스파이크 이벤트 정보의 전송 방법을 도시한 흐름도이다.
단계(610)에서, 뉴로모픽 칩은 뉴런들을 복수 개의 뉴런 그룹으로 그룹핑할 수 있다. 뉴로모픽 칩은 뉴로모픽 칩에 포함된 뉴런의 개수 또는 스파이크 이벤트가 발생하는 빈도에 기초하여 그룹핑을 통해 생성할 뉴런 그룹의 개수를 조절할 수 있다.
뉴로모픽 칩은 계층적 모델에 기초하여 뉴런들을 계층적으로 그룹핑할 수 있다. 예를 들어, 뉴로모픽 칩은 상위 뉴런 그룹에 포함되는 하위 뉴런 그룹을 설정할 수 있으며, 하위 뉴런 그룹보다 하위 계층의 뉴런 그룹을 설정할 수 있다. 뉴로모픽 칩은 뉴로모픽 칩에 포함된 뉴런의 개수 및 스파이크 이벤트가 일어나는 빈도 중 적어도 하나에 기초하여 뉴런 그룹을 구성하는 하위 뉴런 그룹의 크기 또는 뉴런 그룹의 깊이를 조절할 수 있다.
단계(620)에서, 뉴로모픽 칩은 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 뉴런 그룹 단위로 판단할 수 있다. 뉴로모픽 칩은 뉴런 그룹에 스파이크 이벤트가 발생한 경우, 뉴런 그룹에 포함된 하위 뉴런 그룹이 스파이크 이벤트가 발생한 뉴런을 포함하고 있는지 여부를 판단할 수 있다. 뉴로모픽 칩은 하나의 클록 사이클 동안에 하나의 뉴런 그룹에 스파이크 이벤트가 발생한 뉴런이 포함되어 있는지 여부를 판단할 수 있다.
뉴로모픽 칩은 스파이크 이벤트가 발생되지 않은 뉴런 그룹을 식별할 수 있다. 뉴로모픽 칩은 식별된 뉴런 그룹을 제외한 나머지 뉴런 그룹에 대해, 뉴런 그룹에 포함된 하위 뉴런 그룹이 스파이크 이벤트가 발생한 뉴런을 포함하고 있는지 여부를 판단할 수 있다. 뉴로모픽 칩은 스파이크 이벤트가 발생하지 않은 뉴런 그룹에 대해서는 더 이상 스파이크 이벤트의 검출 과정을 수행하지 않을 수 있다.
단계(630)에서, 뉴로모픽 칩은 스파이크 이벤트가 발생된 뉴런 그룹에서, 스파이크 이벤트가 발생한 뉴런의 어드레스 정보를 식별하여 뉴로모픽 칩의 외부로 전송할 수 있다. 스파이크 이벤트가 발생한 뉴런의 어드레스 정보는, 스파이크 이벤트가 발생한 뉴런 그룹의 어드레스 정보 및 뉴런 그룹 내에서 스파이크 이벤트가 발생한 뉴런이 가지는 어드레스 정보를 포함할 수 있다.
또한, 뉴로모픽 칩은 스파이크 이벤트가 발생한 뉴런에 대해 스파이크 이벤트가 발생한 타이밍 정보를 식별할 수 있다. 뉴로모픽 칩은 스파이크 이벤트가 발생한 뉴런의 어드레스 정보와 타이밍 정보를 동기화된 채널을 통해 뉴로모픽 칩의 외부로 전송할 수 있다.
도 7은 일실시예에 따른 스파이크 이벤트의 검출 방법을 도시한 흐름도이다.
단계(710)에서, 스파이크 이벤트 검출 장치는 뉴로모픽 칩에 포함된 뉴런들을 복수 개의 상위 뉴런 그룹으로 그룹핑할 수 있다. 스파이크 이벤트 검출 장치는 뉴로모픽 칩에 포함된 뉴런의 개수 및 스파이크 이벤트가 발생하는 빈도 중 적어도 하나에 기초하여 그룹핑을 통해 생성할 뉴런 그룹의 개수 또는 뉴런 그룹의 깊이를 조절할 수 있다.
스파이크 이벤트 검출 장치는 계층적 모델에 기초하여 뉴런들을 계층적으로 그룹핑할 수 있다. 스파이크 이벤트 검출 장치는 상위 뉴런 그룹에 포함되는 하위 뉴런 그룹을 설정할 수 있으며, 하위 뉴런 그룹보다 하위인 뉴런 그룹을 계층적으로 설정할 수 있다. 스파이크 이벤트 검출 장치는 뉴런 그룹들에 대해 순차적으로 스파이크 이벤트가 발생하였는지 여부를 판단할 수 있다.
단계(720)에서, 스파이크 이벤트 검출 장치는 상위 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 판단할 수 있다. 스파이크 이벤트 검출 장치는 하나의 클록 사이클 동안에 상위 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 판단할 수 있다.
단계(730)에서, 스파이크 이벤트 검출 장치는 스파이크 이벤트가 발생한 상위 뉴런 그룹에서, 상위 뉴런 그룹에 포함된 하위 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 판단할 수 있다. 스파이크 이벤트 검출 장치는 하나의 클록 사이클 동안에 하나의 하위 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 판단할 수 있다. 스파이크 이벤트 검출 장치는 스파이크 이벤트가 발생하지 않은 상위 뉴런 그룹에 대해서는 하위 뉴런 그룹에 기초한 스파이크 이벤트 검출 과정을 수행하지 않을 수 있다. 스파이크 이벤트 검출 장치는 가장 하위 뉴런 그룹에 대해 스파이크 이벤트 검출 과정을 수행할 때까지 뉴런 그룹 단위의 스파이크 이벤트 검출 과정을 계속적으로 수행할 수 있다. 스파이크 이벤트 검출 장치는 가장 하위 뉴런 그룹에 대한 스파이크 이벤트 검출 과정이 종료되면, 가장 하위 뉴런 그룹에 포함된 각각의 뉴런들에 대해 스파이크 이벤트가 발생하였는지 여부를 판단할 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (20)

  1. 뉴로모픽 칩의 스파이크 이벤트 정보 전송 방법에 있어서,
    상기 뉴로모픽 칩에 포함된 뉴런 그룹들의 개수에 대응하는 클록 사이클 동안에, 상기 뉴런 그룹들 중에서 스파이크 이벤트가 발생한 뉴런 그룹을 판단하는 단계;
    상기 스파이크 이벤트가 발생한 뉴런 그룹에 포함된 하위 뉴런 그룹들의 개수에 대응하는 클록 사이클 동안에, 상기 하위 뉴런 그룹들 중에서 상기 스파이크 이벤트가 발생한 하위 뉴런 그룹을 판단하는 단계;
    상기 스파이크 이벤트가 발생한 하위 뉴런 그룹에 포함된 각 뉴런들 중 상기 스파이크 이벤트가 발생한 뉴런의 어드레스 정보를 식별하는 단계; 및
    상기 식별한 어드레스 정보를 전송하는 단계
    를 포함하는 스파이크 이벤트 정보 전송 방법.
  2. 제1항에 있어서,
    상기 뉴로모픽 칩에 포함된 뉴런들을 상기 뉴런 그룹들로 그룹핑하는 단계
    를 더 포함하는 스파이크 이벤트 정보 전송 방법.
  3. 제1항에 있어서,
    상기 스파이크 이벤트가 발생한 하위 뉴런 그룹을 판단하는 단계는,
    상기 스파이크 이벤트가 발생되지 않은 뉴런 그룹을 식별하는 단계; 및
    상기 식별된 뉴런 그룹을 제외한 나머지 뉴런 그룹에 포함된 각 하위 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 판단하는 단계
    를 포함하는 스파이크 이벤트 정보 전송 방법.
  4. 제1항에 있어서,
    상기 스파이크 이벤트가 발생한 뉴런의 어드레스 정보는,
    상기 스파이크 이벤트가 발생한 뉴런 그룹의 어드레스 정보 및 상기 뉴런 그룹 내에서 스파이크 이벤트가 발생한 뉴런이 가지는 어드레스 정보를 포함하는,
    스파이크 이벤트 정보 전송 방법.
  5. 제1항에 있어서,
    상기 식별한 어드레스 정보를 전송하는 단계는,
    상기 스파이크 이벤트가 발생한 타이밍 정보를 식별하는 단계; 및
    상기 스파이크 이벤트가 발생한 뉴런의 어드레스 정보와 상기 타이밍 정보를 동기화된 채널을 통해 전송하는 단계
    를 포함하는 스파이크 이벤트 정보 전송 방법.
  6. 제1항에 있어서,
    상기 스파이크 이벤트가 발생한 하위 뉴런 그룹을 판단하는 단계는,
    하나의 클록 사이클을 이용하여 각 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 판단하는 단계
    를 포함하는 스파이크 이벤트 정보 전송 방법.
  7. 뉴로모픽 칩의 스파이크 이벤트 검출 방법에 있어서,
    상기 뉴로모픽 칩에 포함된 복수 개의 상위 뉴런 그룹들의 개수에 대응하는 클록 사이클 동안에, 상기 상위 뉴런 그룹들 중에서 스파이크 이벤트가 발생한 상위 뉴런 그룹을 판단하는 단계; 및
    상기 스파이크 이벤트가 발생한 상위 뉴런 그룹에 포함된 하위 뉴런 그룹들의 개수에 대응하는 클록 사이클 동안에, 상기 스파이크 이벤트가 발생한 상위 뉴런 그룹에 포함된 하위 뉴런 그룹들 중에서 상기 스파이크 이벤트가 발생한 하위 뉴런 그룹을 판단하는 단계
    를 포함하는 스파이크 이벤트 검출 방법.
  8. 제7항에 있어서,
    상기 스파이크 이벤트가 발생한 상위 뉴런 그룹을 판단하는 단계는,
    하나의 클록 사이클 동안에 상위 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 판단하는 단계
    를 포함하는 스파이크 이벤트 검출 방법.
  9. 제7항에 있어서,
    상기 스파이크 이벤트가 발생한 하위 뉴런 그룹을 판단하는 단계는,
    하나의 클록 사이클 동안에 하위 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 판단하는 단계
    를 포함하는 스파이크 이벤트 검출 방법.
  10. 제7항에 있어서,
    상기 하위 뉴런 그룹은,
    상기 상위 뉴런 그룹에 포함된 뉴런의 개수보다 더 적은 수의 뉴런을 포함하는 뉴런 그룹인,
    스파이크 이벤트 검출 방법.
  11. 뉴로모픽 칩에 있어서,
    시냅스를 통해 수신한 전류량에 기초하여 스파이크 이벤트를 발생시킬 수 있는 복수 개의 뉴런들; 및
    상기 뉴런들의 뉴런 그룹들에 기초하여 스파이크 이벤트가 발생한 뉴런을 검출하는 스파이크 이벤트 검출부를 포함하고,
    상기 뉴로모픽 칩은,
    상기 뉴런 그룹들의 개수에 대응하는 클록 사이클 동안에, 상기 뉴런 그룹들 중에서 스파이크 이벤트가 발생한 뉴런 그룹을 판단하고,
    상기 스파이크 이벤트가 발생한 뉴런 그룹에 포함된 하위 뉴런 그룹들의 개수에 대응하는 클록 사이클 동안에, 상기 하위 뉴런 그룹들 중에서 상기 스파이크 이벤트가 발생한 하위 뉴런 그룹을 판단하고,
    상기 스파이크 이벤트가 발생한 하위 뉴런 그룹에 포함된 각 뉴런들 중 상기 스파이크 이벤트가 발생한 뉴런을 검출하는,
    뉴로모픽 칩
  12. 제11항에 있어서,
    상기 스파이크 이벤트 검출부는,
    상기 복수 개의 뉴런들을 상기 뉴런 그룹들로 그룹핑하는,
    뉴로모픽 칩.
  13. 제11항에 있어서,
    상기 스파이크 이벤트 검출부는,
    상기 스파이크 이벤트가 발생하지 않은 뉴런 그룹에 대해서는 스파이크 이벤트의 검출 과정을 수행하지 않는,
    뉴로모픽 칩.
  14. 제11항에 있어서,
    상기 스파이크 이벤트 검출부는,
    상기 뉴로모픽 칩에 포함된 뉴런의 개수 및 상기 스파이크 이벤트가 발생하는 빈도 중 적어도 하나에 기초하여, 그룹핑을 통해 생성할 뉴런 그룹의 개수 및 뉴런 그룹의 깊이 중 적어도 하나를 조절하는,
    뉴로모픽 칩.
  15. 제11항에 있어서,
    상기 스파이크 이벤트 검출부는,
    상기 뉴로모픽 칩에 포함된 뉴런의 개수 및 스파이크 이벤트가 발생하는 빈도 중 적어도 하나에 기초하여, 뉴런 그룹을 구성하는 하위 뉴런 그룹의 크기를 조절하는,
    뉴로모픽 칩.
  16. 제11항에 있어서,
    상기 스파이크 이벤트가 발생한 뉴런의 어드레스 정보 및 상기 스파이크 이벤트가 발생한 타이밍 정보를 전송하는 스파이크 이벤트 정보 전송부
    를 더 포함하는 뉴로모픽 칩.
  17. 제16항에 있어서,
    상기 스파이크 이벤트 정보 전송부는,
    상기 스파이크 이벤트가 발생한 뉴런을 포함하는 뉴런 그룹의 어드레스 정보 및 상기 뉴런 그룹 내에서 상기 스파이크 이벤트가 발생한 뉴런이 가지는 어드레스 정보를 전송하는,
    뉴로모픽 칩.
  18. 스파이크 이벤트 검출 장치에 있어서,
    뉴로모픽 칩에 포함된 뉴런들을 복수 개의 뉴런 그룹으로 그룹핑하는 그룹핑부; 및
    상기 뉴런 그룹에 스파이크 이벤트가 발생하였는지 여부를 뉴런 그룹 단위로 판단하고, 스파이크 이벤트가 발생한 뉴런의 어드레스 정보를 식별하는 스파이크 이벤트 검출부를 포함하고,
    상기 스파이크 이벤트 검출 장치는,
    상기 뉴로모픽 칩에 포함된 복수 개의 상위 뉴런 그룹들의 개수에 대응하는 클록 사이클 동안에, 상기 상위 뉴런 그룹들 중에서 스파이크 이벤트가 발생한 상위 뉴런 그룹을 판단하고,
    상기 스파이크 이벤트가 발생한 상위 뉴런 그룹에 포함된 하위 뉴런 그룹들의 개수에 대응하는 클록 사이클 동안에, 상기 스파이크 이벤트가 발생한 상위 뉴런 그룹에 포함된 하위 뉴런 그룹들 중에서 상기 스파이크 이벤트가 발생한 하위 뉴런 그룹을 판단하는,
    스파이크 이벤트 검출 장치.
  19. 삭제
  20. 제18항에 있어서,
    상기 스파이크 이벤트 검출부는,
    상기 스파이크 이벤트가 발생되지 않은 상위 뉴런 그룹에 대해서는 스파이크 검출 과정을 수행하지 않는,
    스파이크 이벤트 검출 장치.
KR1020130050544A 2013-05-06 2013-05-06 뉴로모픽 칩의 스파이크 이벤트 정보 전송 방법 및 장치, 및 뉴로모픽 칩 KR102143225B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020130050544A KR102143225B1 (ko) 2013-05-06 2013-05-06 뉴로모픽 칩의 스파이크 이벤트 정보 전송 방법 및 장치, 및 뉴로모픽 칩
US14/223,284 US10592803B2 (en) 2013-05-06 2014-03-24 Neuromorphic chip and method and apparatus for detecting spike event
EP14162787.7A EP2801932B1 (en) 2013-05-06 2014-03-31 Neuromorphic chip, method and apparatus for detecting spike event
US16/748,979 US11188816B2 (en) 2013-05-06 2020-01-22 Neuromorphic chip and method and apparatus for detecting spike event

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130050544A KR102143225B1 (ko) 2013-05-06 2013-05-06 뉴로모픽 칩의 스파이크 이벤트 정보 전송 방법 및 장치, 및 뉴로모픽 칩

Publications (2)

Publication Number Publication Date
KR20140132787A KR20140132787A (ko) 2014-11-19
KR102143225B1 true KR102143225B1 (ko) 2020-08-11

Family

ID=50486764

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130050544A KR102143225B1 (ko) 2013-05-06 2013-05-06 뉴로모픽 칩의 스파이크 이벤트 정보 전송 방법 및 장치, 및 뉴로모픽 칩

Country Status (3)

Country Link
US (2) US10592803B2 (ko)
EP (1) EP2801932B1 (ko)
KR (1) KR102143225B1 (ko)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102143225B1 (ko) 2013-05-06 2020-08-11 삼성전자주식회사 뉴로모픽 칩의 스파이크 이벤트 정보 전송 방법 및 장치, 및 뉴로모픽 칩
US9418333B2 (en) * 2013-06-10 2016-08-16 Samsung Electronics Co., Ltd. Synapse array, pulse shaper circuit and neuromorphic system
US9195903B2 (en) * 2014-04-29 2015-11-24 International Business Machines Corporation Extracting salient features from video using a neurosynaptic system
US9373058B2 (en) 2014-05-29 2016-06-21 International Business Machines Corporation Scene understanding using a neurosynaptic system
US10115054B2 (en) 2014-07-02 2018-10-30 International Business Machines Corporation Classifying features using a neurosynaptic system
KR102381862B1 (ko) 2015-12-10 2022-04-01 삼성전자주식회사 데이터 통신 장치
US10579092B2 (en) * 2016-11-01 2020-03-03 International Business Machines Corporation Global timing generator
FR3059805B1 (fr) * 2016-12-02 2019-03-15 Commissariat A L'energie Atomique Et Aux Energies Alternatives Dispositif et procede de modulation, synapse artificielle comportant ledit dispositif de modulation, procede de plasticite a court terme dans un reseau de neurones artificiels comportant ladite synapse artificielle
US11564608B2 (en) * 2019-03-11 2023-01-31 The Board Of Trustees Of The Leland Stanford Junior University Systems and methods for online spike recovery for high-density electrode recordings using convolutional compressed sensing
KR102301041B1 (ko) * 2019-07-04 2021-09-14 한국과학기술연구원 뉴로모픽 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012055593A1 (en) 2010-10-29 2012-05-03 International Business Machines Corporation Neuromorphic and synaptronic spiking neural network with synaptic weights learned using simulation
US20130031040A1 (en) * 2011-07-29 2013-01-31 International Business Machines Corporation Hierarchical routing for two-way information flow and structural plasticity in neural networks

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2658337A1 (fr) * 1990-02-09 1991-08-16 Philips Electronique Lab Procede d'apprentissage d'un reseau de neurones hierarchise et reseau de neurones hierarchise.
JP2809791B2 (ja) * 1990-02-27 1998-10-15 株式会社東芝 モジュール割当方法
US5920852A (en) * 1996-04-30 1999-07-06 Grannet Corporation Large memory storage and retrieval (LAMSTAR) network
US6366945B1 (en) * 1997-05-23 2002-04-02 Ibm Corporation Flexible dynamic partitioning of resources in a cluster computing environment
US6192352B1 (en) * 1998-02-20 2001-02-20 Tennessee Valley Authority Artificial neural network and fuzzy logic based boiler tube leak detection systems
US7236623B2 (en) * 2000-04-24 2007-06-26 International Remote Imaging Systems, Inc. Analyte recognition for urinalysis diagnostic system
CN1214340C (zh) * 2000-04-24 2005-08-10 国际遥距成象系统公司 多个神经网络的成像设备和方法
AU2003270654A1 (en) * 2002-09-12 2004-04-30 Baylor College Of Medecine System and method for image segmentation
US20060020594A1 (en) * 2004-07-21 2006-01-26 Microsoft Corporation Hierarchical drift detection of data sets
US7333963B2 (en) * 2004-10-07 2008-02-19 Bernard Widrow Cognitive memory and auto-associative neural network based search engine for computer and network located images and photographs
US7487222B2 (en) * 2005-03-29 2009-02-03 International Business Machines Corporation System management architecture for multi-node computer system
ITRM20050192A1 (it) * 2005-04-20 2006-10-21 Consiglio Nazionale Ricerche Sistema per la rilevazione e la classificazione di eventi durante azioni in movimento.
US8095210B2 (en) * 2007-01-19 2012-01-10 California Institute Of Technology Prosthetic devices and methods and systems related thereto
KR101489416B1 (ko) 2008-03-14 2015-02-03 휴렛-팩커드 디벨롭먼트 컴퍼니, 엘.피. 뉴로모픽 회로
US8539359B2 (en) * 2009-02-11 2013-09-17 Jeffrey A. Rapaport Social network driven indexing system for instantly clustering people with concurrent focus on same topic into on-topic chat rooms and/or for generating on-topic search results tailored to user preferences regarding topic
US9095303B2 (en) * 2009-03-23 2015-08-04 Flint Hills Scientific, Llc System and apparatus for early detection, prevention, containment or abatement of spread abnormal brain activity
US8694449B2 (en) * 2009-05-29 2014-04-08 Board Of Trustees Of Michigan State University Neuromorphic spatiotemporal where-what machines
US20110028859A1 (en) * 2009-07-31 2011-02-03 Neuropace, Inc. Methods, Systems and Devices for Monitoring a Target in a Neural System and Facilitating or Controlling a Cell Therapy
US8527438B2 (en) 2009-12-22 2013-09-03 International Business Machines Corporation Producing spike-timing dependent plasticity in an ultra-dense synapse cross-bar array
US9311593B2 (en) 2010-03-26 2016-04-12 Brain Corporation Apparatus and methods for polychronous encoding and multiplexing in neuronal prosthetic devices
US9122994B2 (en) * 2010-03-26 2015-09-01 Brain Corporation Apparatus and methods for temporally proximate object recognition
US20110307079A1 (en) * 2010-04-29 2011-12-15 Board Of Trustees Of Michigan State University, The Multiscale intra-cortical neural interface system
US8812414B2 (en) * 2011-05-31 2014-08-19 International Business Machines Corporation Low-power event-driven neural computing architecture in neural networks
KR101838560B1 (ko) * 2011-07-27 2018-03-15 삼성전자주식회사 뉴로모픽 칩에서 스파이크 이벤트를 송수신하는 송수신 장치 및 방법
US8909576B2 (en) * 2011-09-16 2014-12-09 International Business Machines Corporation Neuromorphic event-driven neural computing architecture in a scalable neural network
WO2014133506A1 (en) * 2013-02-27 2014-09-04 Hrl Laboratories, Llc A mimo-ofdm system for robust and efficient neuromorphic inter-device communication
KR102143225B1 (ko) * 2013-05-06 2020-08-11 삼성전자주식회사 뉴로모픽 칩의 스파이크 이벤트 정보 전송 방법 및 장치, 및 뉴로모픽 칩
US9161325B1 (en) * 2013-11-20 2015-10-13 Sprint Communications Company L.P. Subscriber identity module virtualization

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012055593A1 (en) 2010-10-29 2012-05-03 International Business Machines Corporation Neuromorphic and synaptronic spiking neural network with synaptic weights learned using simulation
US20130031040A1 (en) * 2011-07-29 2013-01-31 International Business Machines Corporation Hierarchical routing for two-way information flow and structural plasticity in neural networks

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
K. A. Boahen. Point-to-point connectivity between neuromorphic chips using addess events, 2000년 5월

Also Published As

Publication number Publication date
KR20140132787A (ko) 2014-11-19
US11188816B2 (en) 2021-11-30
EP2801932A2 (en) 2014-11-12
US20140330761A1 (en) 2014-11-06
EP2801932B1 (en) 2021-07-14
US20200160164A1 (en) 2020-05-21
EP2801932A3 (en) 2016-04-13
US10592803B2 (en) 2020-03-17

Similar Documents

Publication Publication Date Title
KR102143225B1 (ko) 뉴로모픽 칩의 스파이크 이벤트 정보 전송 방법 및 장치, 및 뉴로모픽 칩
KR101838560B1 (ko) 뉴로모픽 칩에서 스파이크 이벤트를 송수신하는 송수신 장치 및 방법
KR102450374B1 (ko) 데이터 인식 및 트레이닝 장치 및 방법
CN113206842B (zh) 一种基于双层动态切换观测器的分布式安全状态重构方法
TWI768584B (zh) 解釋在循環神經網路的決策決定的方法及提高循環神經網路對於對抗式攻擊的抵禦性的方法
CN111417963A (zh) 改进的尖峰神经网络
EP3349152A1 (en) Classifying data
JP2018514852A (ja) 逐次画像サンプリングおよび微調整された特徴の記憶
CN111862065B (zh) 基于多任务深度卷积神经网络的输电线路诊断方法和系统
RU2013109063A (ru) Процессор изображения с многоканальным интерфейсом между уровнем предварительной обработки и одним или несколькими более высокими уровнями
CN111954209A (zh) 一种提高无线传感器节点安全性的信息处理方法及装置
CN110855478A (zh) 一种面向不可靠信息的单传感器拓扑感知方法及装置
CN114785548A (zh) 基于加权自适应集成学习的虚拟流量异常检测方法、系统及流量智能监测平台
CN113158567B (zh) 一种液体状态机模型中通信的软硬件联合优化方法及系统
KR102091498B1 (ko) 비지도 학습장치 및 그 학습방법
CN116434037B (zh) 基于双层优化学习的多模态遥感目标鲁棒识别方法
JP2022091660A (ja) ニューラルネットワークを用いるデータ処理方法、データ処理装置及びこれを含む電子装置
Kang et al. A transfer learning based abnormal can bus message detection system
CN109143851B (zh) 多标记故障深度学习的识别及其结果智能表达的方法
CN110071845A (zh) 一种对未知应用进行分类的方法及装置
KR20220095091A (ko) 데이터 재사용을 통해 컨볼루션 연산 속도를 향상시킨 3차원 객체 인식 방법 및 장치
Platonov et al. Using data-mining methods to detect network attacks
CN111901282A (zh) 一种生成恶意代码流量行为检测结构的方法
KR102608171B1 (ko) 인공 지능 기반의 이상 탐지를 위한 장치 및 이를 위한 방법
KR102535007B1 (ko) Snn 모델 파라미터를 기반으로 모델 수행을 위한 뉴로모픽 아키텍처 동적 선택 방법, 이를 수행하기 위한 기록 매체 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant