Implementation and characterization of a CMOS-based spiking neural network

In the field of the neuroscience the aim to develop an artificial brain has always been an open debate. The human brain is an organ able to process information in real time, dissipating an extremely low quantity of energy. In the field of computational engineering this aspect has been widely taken into account to develop a powerful computational element. In this Thesis an attempt has been made to implement a low-power fully CMOS neuromorphic network aiming to mimic the biological neuron. In particular, a Spike Time Dependent Plasticity algorithm has been considered for the synaptic learning among the neurons and a floating gate core has been employed in the design. Starting from a previous Thesis work a network with two artificial neurons and one floating gate synapse was designed. The actual behaviour was then inspected also by experiments conducted on the IC thanks to a PCB designed on purpose. The experimental results have demonstrated the correct behavior of neuron, synapse and of the learning rule.

Nel campo delle neuroscienze l’obiettivo di sviluppare un cervello artificiale è sempre stato un dibattito aperto. Il cervello umano è un organo in grado di elaborare informazioni in tempo reale, dissipando una quantità di energia estremamente bassa. Nel campo dell’ingegneria computazionale questo aspetto è stato ampiamente preso in considerazione per sviluppare un potente elemento di calcolo. In questa tesi è stato fatto un tentativo di implementare una rete neuromorfa in tecnologia CMOS a bassa potenza con lo scopo di imitare il neurone biologico. In particolare, è stato considerato un algoritmo di Spike Time Dependent Plasticity per l’apprendimento sinaptico tra i neuroni e nella progettazione è stato impiegato un nucleo di gate flottante. Partendo da un precedente lavoro di Tesi è stata progettata una rete con due neuroni artificiali e una sinapsi a gate flottante. L’effettivo comportamento è stato poi verificato anche da esperimenti condotti sull’IC grazie ad una PCB appositamente progettata. I risultati sperimentali hanno dimostrato il corretto comportamento del neurone, della sinapsi e della regola di apprendimento.