Memristif nöromorfik sistem hesaplamaları ve uygulamaları
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Öğrenci: AHMET YASİN BARAN
Danışman: Recai Kılıç
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Canlı vücudundaki nöronlar arası haberleşme ve koordinasyon sinaps yapıları aracılığı ile gerçekleşmektedir. Bu sinaps yapılarının modellenmesi için literatürde birçok farklı yaklaşım mevcuttur. Bu tez çalışmasında sinaps yapılarını modellemek için önerilen ve literatürde mevcut yaklaşımlardan biri olan Ani Zamana Bağımlı Plastisite (Spike-Time-Dependent-Plasticity, 'STDP') öğrenme kuralı ile memristör sinaps yapılarının benzerliklerinin incelenmesi amaçlanmıştır. Ardından, STDP öğrenme kuralını ve memristör sinaps yapılarını ilişkilendiren nöromorfik sistemlerin gerçek zamanlı uygulamaları için donanım gerçekleştirimleri konusu üzerine yapılan çalışmalar irdelenmiş ve alternatif bir donanım gerçekleştirimi yapılmıştır. Bu kapsamda; öncelikle memristör elemanının tanımı, tarihçesi, genel uygulama alanları gibi temel bilgiler verilmiştir. Ardından memristör elemanının modellenmesi için literatürde mevcut olan üç farklı voltaj kontrollü memristör modeli incelenmiş ve bu modellerin temel karakteristikleri nümerik simülasyon sonuçlarından yararlanılarak analiz edilmiştir. Nöronların davranışlarını, fizyolojik yapılarını ve bilgi transfer mekanizmalarını matematiksel denklemlerle tanımlayan biyolojik nöron modelleri, nöral ağ yapıları oluşturmak için sıklıkla kullanılmaktadır. Biyolojik nöron modellerinin her birinin kendine özgü avantaj ve dezavantajı bulunmaktadır. Bu yüksek lisans tez çalışması kapsamında ağ yapılarına geçiş sürecinde; basit matematiksel tanımlamalara sahip olan ve nöron dinamiklerini başarılı bir şekilde taklit eden FitzHugh-Nagumo (FHN) ve Hindmarsh-Rose (HR) nöron modellerinin kullanımı tercih edilmiştir. STDP öğrenme kuralı ve memristör sinaps yapıları arasındaki benzerliğin incelenmesi amacıyla, öncelikle FHN ve HR nöron çiftleri elektriksel sinaps tanımlaması kullanılarak birleştirilmiş ve bu basit ağ yapısındaki kuplajlı nöronların cevapları nümerik analizlerle elde edilmiştir. Ardından, bu nöron çiftleri elektriksel sinaps tanımlaması yerine bir STDP plastisite modeli ile birleştirilmiş ve bu ağ yapısındaki kuplajlı nöronların cevapları da nümerik analizlerle elde edilmiştir. Daha sonra, memristör elemanının modellenmesi için literatürde mevcut olan üç farklı matematiksel tanımlama sinaps ifadeleri yerine kullanılmıştır. FHN ve HR nöron çiftleri bu üç farklı memristör ifadesi ile birleştirilmiştir. Memristör tanımlamasının kullanıldığı bu kuplajlama işlemi sonucunda elde edilen nümerik sonuçlar; klasik sinaps yapıları ile elde edilen önceki sonuçlarla karşılaştırılarak yorumlanmıştır. Bahsedilen bu kuplajlama işlemleri sonrasında nöronların hücre zarı potansiyel cevaplarının birbirleri ile uyumlu olduğu gözlemlenmiştir. Son olarak, bir memristör modeli kullanılarak kuplajlanan HR nöron çiftinin, programlanabilirlik ve yeniden yapılandırılabilirlik özelliği ile nöromorfik gerçekleştirim çalışmalarında kullanılan Alan Programlanabilir Kapı Elemanı (Field Programmable Gate Array, 'FPGA') elemanı ile donanım gerçekleştirimi yapılmıştır. Böylece nümerik simülasyon çalışmaları ile ilişkilendirilen STDP öğrenme kuralı ve memristör tabanlı sinaps yapıları kullanılarak kuplajlanan nöron çiftlerinin FPGA tabanlı donanım doğrulaması da başarılı bir şekilde gerçekleştirilmiştir. Anahtar Kelimeler: Ani Zamana Bağımlı Plastisite (Spike-Time-Dependent-Plasticity, 'STDP'); memristör; sinaps; kuplaj; FitzHugh-Nagumo nöron modeli; Hindmarsh-Rose nöron modeli; nöromorfik sistem; Alan Programlanabilir Kapı Elemanı (Field Programmable Gate Array, 'FPGA')