KIP-Veröffentlichungen

Das neuromorphe Hardware System BrainScaleS ermöglicht das Emulieren von großskaligenneuronalen Netzwerken auf analogen Schaltungen. Der High Input Count Analog Neural Network chip (HICANN) trägt als Grundbaustein des Systems die analogen Neuron- und Synapsenschaltkreise. Da diese in vollautomatischen Prozessenkalibriert werden müssen, sind präzise Messungen des analogen Membranpotentials unerlässlich um eine stabile Kalibration gewährleisten zu können. Im Rahmen der vorliegenden Arbeit wurde die zukünftig über die ANAlog Network Attached Sampling units (ANANAS) ablaufende analoge HICANN Auslese analytisch untersucht und darauf aufbauend das Konzept einer Kalibration der Digitalumsetzer entwickelt. Diese wurde experimentell auf dem Wafer und unter der Verwendung eines Source Meters, eines Funktionsgenerators und eines Oszilloskops im Hinblick auf die benötigte Präzision und Langzeitstabilität untersucht. Besonderes Augenmerk wurde auf die Korrektur von Übersprecheffekten in den Digitalisierungsbauteilen gelegt. Diese erschweren parallele Messungen mit mehr als drei Kanälen des ANANAS Boards.
Eine in dieser Arbeit vorgestellte Lösung des Problems ermöglicht die parallele Verwendung von bis zu 42 aus 48 Kanälen, was zu einer merklichen Beschleunigung in der Beschaffung experimenteller Daten führt. Weiterhin wird dadurch die Robustheit automatisierter Kalibrationen von Neuronen und Synapsen erhöht. Aufgrund der großen Unsicherheit, die sie in der Messung analoger Membranspannungen hervorrufen, wurden die Ausgangsimpedanzen der HICANNs einer Hälfte eines  Wafermoduls untersucht.

The BrainScaleS neuromorphic system enables the emulation of large-scale neural networks on analog circuits. Being the principal building block of this system, the High Input Count Analog Neural Network chip (HICANN) consists of neuronal andsynaptic analog circuits. These need to be calibrated by fully automated calibration routines. Therefore, a precise measurement of the analog membrane trace is crucial for the robustness of these processes. In the framework of this thesis, the HICANN analog readout chain, which will involve the ANAlog Network Attached Sampling unit (ANANAS) in the future, has been analysed and a calibration routine has been developed for the digitizing components. Afterwards, it has been tested experimentally with regard to the required precision and long-term stability of calibration data. Tests have been performed on-wafer as well as using a source meter, a function generator and an oscilloscope. Emphasis has been put on the correction of internal crosstalk of the digitizing components, hindering parallel measurements with more than three channels of the ANANAS. The solution introduced in this thesis enables an utilization of 42 out of 48 channels to be used in parallel. This leads to a significant speed-up in the acquisition of experimental data. Meanwhile, the robustness of automated neuron and synapse calibration routines is increased additionally. Representing an important source of error, the HICANN source impedances of half a wafer have been determined in order to reduce the uncertainty of the readout of analog membrane traces.