온칩 신경 기록으로부터 생성되는 방대한 데이터를 처리하기 위해서는, 폐쇄루프 뇌-컴퓨터 인터페이스(BCI) 응용에서의 적시 대응을 보장하기 위한 최소 지연의 강건한 스파이크 정렬(SS) 시스템온칩(SoC)이 필수적이다. 본 논문에서는 연산 에너지를 낮추면서도 높은 정확도를 유지하기 위해, 아날로그 컴퓨팅-인-메모리(CIM) 엔드투엔드 바이너리 오토인코더 신경망(B-AENN) 특성 추출을 온칩에 최초로 통합한 $\Delta$ -기반 SS SoC를 보고한다. 본 연구에서의 $\Delta$ -스파이크 신호의 사용은 SS 시스템의 잡음 내성을 향상시킬 뿐 아니라, 특성 추출을 위한 더 나은 기반을 제공하여 정확도를 향상시킨다. 또한 B-AENN의 통합은 사전 정의된 방법과 비교할 때, 특히 서로 유사한 스파이크에 대해 특성을 추출하기 위한 보다 적응적인 접근을 가능하게 한다. 더 나아가 스파이크 검출 및 특성 추출 과정을 아날로그 도메인으로 이전함으로써, 제안된 시스템은 점점 더 밀집해지는 채널에서 발생하는 아날로그-디지털 변환기(ADC) 변환 병목을 극복한다. 65-nm CMOS 공정 기술로 제작된 프로토타입 칩은 5.1- $\mu$ s의 비상한 연산 지연을 제공하여, 폐쇄루프의 실시간 응용에 이상적이며, 소비전력 $3.11\mu$ W/ch로 분류 정확도 94.54%를 달성한다. 이는 현재까지 보고된 온칩 분류 정확도 중 최고 수준이다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.