Jahr | 2025 |
Autor(en) | Carl Clemens von Randow |
Titel | Neuron Calibration Using the ANANAS-System on BrainScaleS-1 |
KIP-Nummer | HD-KIP 25-10 |
KIP-Gruppe(n) | F9 |
Dokumentart | Bachelorarbeit |
Abstract (de) | Analoge neuromorphe Hardware ermöglicht die Emulation von biologischen Neuronen durch elektronische Schaltungen. Diese funktionieren mittels analoger Spannungen und Strömen, welche durch analog-zu-digital Wandler ausgelesen werden. Um die analogen Auslesekapazitäten des benutzen BrainScaleS-1 Systems zu verbessern, wurden die ANANAS Boards entwickelt und kalibriert. In dieser Arbeit wurden sie in das BrainScaleS-1 System integriert, indem die notwendige Software-Unterstützung geschrieben wurde. Dadurch können 84 analoge Kanäle parallel ausgelesen werden, ferner wird die Robustheit des Auslesens erhöht, sowie die Störgeräusche reduziert. Diese Integration umfasst sowohl die Messungen der High Input Count Analog Neural Network chip (HICANN) Ausgangsimpedanz, als auch die Kalibration der 512 Neuronen auf einem HICANN. Die kalibrierten Neuronen ermöglichen die Nutzung der Hardware beispielsweise für Experimente, die auf dem Surrogate-Gradient-Verfahren aufbauen, welches stark auf analoge Daten angewiesen ist. Zusätzlich wurde ein Auseinanderlaufen der Clock-Signale von HICANN und den analogen Aufnahmen gelöst, indem die gleiche Clock-Signal Quelle benutzt wird. |
Abstract (en) | Analog neuromorphic hardware allows the emulation of biological neurons by electronic circuits. These operate through analog voltages and currents which are made accessible by analog-to-digital converters. In order to enhance these analog readout capabilities for the used BrainScaleS-1 system, the ANANAS boards have been developed and calibrated. In this thesis, they have been integrated into the BrainScaleS-1 system by adding the necessary software support. This allows to concurrently read out 84 analog channels, while simultaneously increasing the robustness of the readout and lowering the noise. This integration encompasses the measurement of the High Input Count Analog Neural Network chip (HICANN) source impedance, as well as the calibration of the 512 neurons of one HICANN. The calibrated neurons allow the hardware to be used for e. g. surrogate gradient experiments, which rely heavily on analog data. Furthermore, a clock drift between the HICANN and the analog recordings has been solved by using the same clock source. |
bibtex | @mastersthesis{randow2025ananas, author = {Carl Clemens von Randow}, title = {Neuron Calibration Using the ANANAS-System on BrainScaleS-1}, school = {Universität Heidelberg}, year = {2025}, type = {Bachelorarbeit} } |
Datei |