On-chip integrace zpětnovazebního kontrolního systému neurohybridní platformy

Abstract

Neuromorfní platformy se ocitají v popředí úsilí o implementaci umělých a hybridních neuronových sítí. Pro tyto sítě je třeba implementovat systém učení s uzavřenou smyčkou, který napodobuje lidský mozek. K napodobení lidského mozku se používají organické elektrochemické tranzistory (OECT). Tato zařízení se používají pro svou flexibilitu a kompatibilitu s biologickými tkáněmi. V předchozí práci se ukázalo, že OECT na bázi PEDOT:PSS vykazují plasticitu zprostředkovanou neurotransmitery typickou pro neurony. Propojili se s robotickou rukou prostřednictvím systému zpětné vazby, aby demonstrovali sebe učící aplikace. Tyto experimenty byly provedeny prostřednictvím připojení měřicího systému ke komerčnímu softwaru a desce Arduino. V této práci je představen návrh kompaktní hardwarové platformy, která se může propojit s organickými zařízeními, jako je OECT, a implementovat postup učení, aby pak aktivoval různé funkce. Práce se ponoří do návrhových úvah, jako je šum, integrita signálu a výběr komponent, stejně jako výroba a charakterizace OECT a matematické modely jejich chování. V budoucnu mohou být na této platformě implementována některá vylepšení a může být provedeno více charakterizačních testů za účelem využití tohoto systému pro sebe učící aplikační úlohy při propojení biologických neuronů.

Neuromorphic platforms find themselves at the forefront of effort to implement artificial and hybrid neuronal networks. For these networks, a closed-loop learning system needs to be implemented to mimic the human brain. To mimic the human brain, organic electrochemical transistors (OECTs) are used. These devices are employed for their flexibility and compatibility with biological tissues. In previous work, it was shown that PEDOT:PSS based OECTs exhibit a neurotransmitter-mediated plasticity typical of neurons. They interfaced with a robotic hand through a feedback-loop system to demonstrate learning applications. These experiments were done through the connection of a measurement system to commercial software and an Arduino board. In the present work, a design for a compact hardware platform is introduced that can interface with organic devices, such as OECT, and implement a learning procedure to then actuate different functions. The work delves in to design considerations like noise, signal integrity and component selection as well as OECT fabrication and characterization and mathematical models for their behavior. In the future, some improvements can be implemented to this platform, and more characterization tests can be carried out in order to exploit this system for learning application tasks while interfacing biological neurons.