Análise estocástica do comportamento elétrico de neurônios naturais e células ReRam

Abstract

A computação neuromórfica é uma abordagem promissora para sistemas futuros de processamento de dados, com vantagens em termos de eficiência energética e capacidade de processamento devido sua arquitetura neuromórfica, que se baseia em redes de neurônios artificiais que operam de forma paralela e distribuída. Embora ainda em seus estágios iniciais de desenvolvimento, a pesquisa em computação neuromórfica tem avançado rapidamente nos últimos anos, explorando novas estruturas de hardware, como crossbars e unidades de processamento Multiply And Accumulate (MAC), muito utilizado nas aplicações da inteligencia artificial, essas melhoram a eficiência e escalabilidade dos sistemas neuromórficos. Este projeto apresenta uma análise elétrica, focada em processos estocásticos, de três composições distintas de dispositivos Metal-Isolante-Metal (MIM) quanto a sua possibilidade de uso para construção de redes neurais que repliquem o funcionamento de um sistema nervoso central. Os dados experimentais de corrente em função do tempo sob diferença de tensão constante no dispositivo semicondutor foram coletados previamente no laboratório LCE da UFRGS e posteriormente analisados e comparados, através de algoritmos de MATLAB, com uma base de dados pública do comportamento resistivo em função do tempo de neurônios do cérebro de animais denominada "Neural Signal Archive". Ao comparar o crescimento da média da variância de corrente em células MIM submetidas a tensão constante e resistência em neurônios de ratos com injeção de corrente, conclui-se que há semelhança parcial no comportamento elétrico quando ambos estão submetidos a estímulo constante. Ao comparar o neurônio natural com diferentes injeções de correntes na mesma série temporal e as células MIM em tensão constante se obtém um crescimento semelhante da média de variância em função do tamanho da janela contemplada.

Neuromorphic computing is a promising approach for future data processing systems, with advantages in terms of energy efficiency and processing capacity due to its neuromorphic architecture, which is based on networks of artificial neurons that operate in parallel and distributed. Although still in its early stages of development, research in neuromorphic computing has advanced rapidly in recent years, exploring new hardware structures such as crossbars and Multiply And Accumulate (MAC) processing units, widely used in artificial intelligence applications, these improve the efficiency and scalability of neuromorphic systems. This project presents an electrical analysis, focused on stochastic processes, of three different compositions of Metal-Insulator-Metal (MIM) devices regarding their possibility of use for the construction of neural networks that replicate the functioning of a central nervous system. Experimental current data as a function of time under constant voltage difference in the semiconductor device were previously collected at the LCE laboratory at UFRGS and subsequently analyzed and compared, through MATLAB algorithms, with a public database of resistive behavior as a function of time of neurons in the brain of animals called "Neural Signal Archive". When comparing the growth of the mean variance of current in MIM cells subjected to constant voltage and resistance in rat neurons with current injection, it is concluded that there is partial similarity in the electrical behavior when both are subjected to constant stimulation. When comparing the natural neuron with different injections of currents in the same time series and the MIM cells at constant voltage, a similar increase in the average variance is obtained as a function of the size of the contemplated window.