Circuits et systemes de modelisation analogique de neurones ...

Chapitre III : circuits intégrés réalisés.La topologie du réseau, c'est-à-dire les interconnexions entre conductances ioniques, estréalisée manuellement à l'aide de micro-interrupteurs. L'opération est fastidieuse et ne peutêtre ni automatisée ni mémorisée.La partie analogique proprement dite n'est pas remise en cause. Comme nous l'avons déjàexpliqué, la diminution des tensions d'alimentations due à l'évolution de la technologie nous acependant contraint à remettre à jour ces circuits. Nous avons profité de cette refonte pourmodifier quelques points, afin d'améliorer certaines caractéristiques notamment en diminuantla surface occupée. Le résultat est celui présenté au chapitre II. Globalement nous considéronsque nous disposons de blocs élémentaires, assimilables à des générateurs de courant, quimodélisent les différentes conductances. Il nous faut donc maintenant sélectionner un systèmede mémorisation analogique et mettre au point une architecture permettant la programmationdes interconnexions. Ces dispositifs apparaissent comme des périphériques servant le cœur ducalculateur constitué des conductances dont le nombre et le type restent aussi à déterminer.Il faut bien comprendre que les dispositifs de mémorisation que nous avons décrit auchapitre II ne prennent tout leur sens que s'ils sont exploités avec un mécanisme d'écriturecontinu. Ce serait le cas, par exemple, avec un circuit d'apprentissage intégré analogique quiajusterait les valeurs mémorisées. Dans notre cas nous n'utilisons pas de circuitd'apprentissage. Les mémoires constituent les paramètres du modèle et nous devons encontrôler la valeur absolue. Pour des raisons pratiques nous programmons nos dispositifs avecun convertisseur numérique analogique et la discrétisation de notre mémoire provient de cedispositif plutôt que des limitations de la mémoire elle-même. Ce qui nous préoccupe avanttout est de limiter le nombre de broches pour disposer d'une plus grande quantité deconductances.Les deux types de mémorisations que nous avons présentés répondent à ce problème, maisleur principe et leur implémentation se traduisent par des propriétés différentes. Leursdomaines d'applications peuvent être complémentaires. [MONTALVO 97] illustre cettedualité en proposant de mettre en œuvre les deux procédés pour un réseau de neuronesformels intégré avec boucle d'apprentissage. Les poids synaptiques sont stockés sur descondensateurs pendant l'apprentissage. Le faible temps d'écriture autorise un fonctionnement à124