Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/2476| Diseño y confiabilidad de sistemas de computación neuromórfica | |
| Leonardo Miceli Lara | |
| Víctor Hugo Champac Vilela | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Design Spiking Neural Network Defect Realiability Magnetic Tunnel Junction Neuromorphic | |
| La Inteligencia Artificial (IA) es un campo de la informática que persigue realizar
tareas que tienen atributos de inteligencia humana, como pueden ser el aprendizaje, el
razonamiento y la toma de decisiones. La cual se puede diversificar en distintas áreas
como lo son Machine Learning y Deep Learning. El enfoque de las IA propuesta por
Carver Mead en los años 80 se basa en la computación neuromórfica, que emula el
comportamiento del cerebro. La computación neuromórfica persigue la reducción de
la energía computacional así como una mayor complejidad de aprendizaje en redes
neuronales artificiales. Conseguir esos objetivos con la tecnología CMOS es un desafío
debido al escalamiento de los transistores. Por lo tanto, han surgido los dispositivos neu-
romórficos emergentes, incluyendo los Memristores, Phase Change Memory (PCM), y
Magnetic Tunnel Junction (MTJ). Estos dispositivos se presentan como una solución
potencial para optimizar la energía computacional.
Los dispositivos neuromórficos emergentes se han empleado en redes neuronales,
especialmente en la tercera generación, denominada Spiking Neural Network (SNN).
Las SNN buscan ser más fieles al comportamiento de las neuronas en el cerebro hu-
mano, en términos de codificación, procesamiento de la información, y con un bajo
consumo de potencia. Su implementación a nivel circuitos puedan emular las mismas
funciones que una SNN basada en software, con el fin de realizar tareas tanto específicas
como no específicas. El diseño de los circuitos SNN tiene alta relevancia en la actua-
lidad, por los beneficios que suponen. Sin embargo, por los procesos de fabricación,
estos circuitos pueden presentar fallos, como circuitos abiertos (open) o cortocircuitos
(short). Por lo tanto, este estudio de tesis comprende un análisis del efecto de los fallos
en el rendimiento de los circuitos y su confiabilidad. Además, se encontró que el efecto
de los fallos está relacionado con el proceso de la información, el cual consiste en dos
ciclos de funcionamiento: el proceso de integración (Integrating Window) y el proceso
de fuga (Leaking Window). Finalmente, se aborda la variación del valor del defecto en
función de modificar el tiempo de integración o de fuga. The field of Artificial Intelligence (AI) in computer science aims to perform tasks that involve human-like intelligence, such as learning, reasoning, and decision-making. It can be divided into various areas including Machine Learning and Deep Learning. Carver Mead proposed an AI approach in the 1980s based on neuromorphic compu- ting, which mimics the behavior of the brain. Neuromorphic computing aims to reduce computational energy and enhance the complexity of learning in artificial neural net- works. However, achieving these goals with CMOS technology is challenging due to transistor scaling. Therefore, emerging neuromorphic devices like Memristors, Phase Change Memory (PCM), and Magnetic Tunnel Junction (MTJ) have been introduced as potential solutions to optimize computational energy. These neuromorphic devices have been used in neural networks, particularly in the third generation called Spiking Neural Network (SNN). SNNs aim to mimic the beha- vior of neurons in the human brain regarding coding, information processing, and low energy consumption. Implementing them at the circuit level can help emulate functions similar to an SNN based on software to perform both specific and non-specific tasks. Designing SNN circuits is highly relevant today because of the benefits they offer. Ho- wever, due to manufacturing processes, these circuits may experience faults such as open circuits or shorts. Therefore, this thesis study analyzes the impact of faults on circuit performance and reliability. Additionally, it was found that the impact of faults is related to the information processing cycle, which comprises two operational cy- cles: the integration process (Integrating Window) and the leakage process (Leaking Window). Finally, the variation in the defect value is addressed by modifying the inte- gration or leakage time. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica. | |
| 2023-11 | |
| Tesis de maestría | |
| Español | |
| Estudiantes Investigadores Público en general | |
| Miceli Lara L., (2023), Diseño y confiabilidad de sistemas de computación neuromórfica, Tesis de Maestría, Instituto Nacional de Astrofísica, Óptica y Electrónica. | |
| ELECTRÓNICA | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Electrónica |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| MICELILL_ME.pdf | 6.7 MB | Adobe PDF | Visualizar/Abrir |