Fpga based emulation platform for neuromorphic computing
Nöromorfik hesaplama i̇çin fpga tabanli benzetim ortamı tasarımı
- Tez No: 1020590
- Danışmanlar: DR. ÖĞR. ÜYESİ BURAK ÜNAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Hücresel yapay sinir ağları, Cellular artificial neural networks
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Abdullah Gül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Nöromorfik hesaplama, enerji ve bellek açısından verimli sinir ağı uygulamaları için umut verici bir paradigma olarak araştırılmaktadır. Bu tez, nöromorfik hesaplama için yeniden yapılandırılabilir FPGA tabanlı bir benzetim ortamı tasarımını, uygulamasını ve kapsamlı değerlendirmesini sunmaktadır. Yazılım, yüksek seviyeli sentez (HLS) ve yazmaç transfer düzeyi (RTL) uygulama yöntemlerini karşılaştırmak amacıyla Dürtü Tabanlı Sinir Ağları (SNN) uygulanmıştır. MNIST rakam sınıflandırması için bir FPGA çipi üzerinde üç katmanlı Sızdıran Entegre-ve-Ateşle (LIF) ağ mimarisi gerçekleştirilmiştir. Deneysel platform, Xilinx Zynq-7020 FPGA kartı üzerinde geliştirilmiştir. İşlevsel olarak eşdeğer üç uygulama geliştirilmiş ve değerlendirilmiştir: yazılım ortamında float32 aritmetiği kullanan bir ARM Cortex-A9 yazılım referans modeli, ardışık düzen ile optimize edilmiş bir HLS tabanlı donanım hızlandırıcısı ve sabit nokta aritmetiği kullanan özel bir Verilog RTL sonlu durum makinesi hızlandırıcısı. Her uygulama, özdeş test koşulları altında 30 zaman adımı üzerinde çalışacak şekilde yapılandırılmıştır. ARM tabanlı yazılım uygulaması, test edilen MNIST örneklerinde örnek başına 170 ms gecikme ile %100 sınıflandırma doğruluğu elde etmiştir. Kısıtlayıcı zamanlama stratejileri ve düşük saat frekansı ile çalışan HLS tabanlı hızlandırıcı, 200 ms ile daha yüksek bir gecikme sergilemiştir. Sıralı MAC birimi kullanan RTL uygulaması, 50 MHz'de zamanlama kısıtlarını karşılayarak ve dengeli FPGA kaynak kullanımı sağlayarak 124 ms gecikme ile daha iyi performans göstermiştir. İşlevsel olarak eşdeğer üç uygulamaya ek olarak, paralel MAC birimi (P = 8) kullanan bir RTL uygulaması 14,9 ms gecikme ile üstün performans sergilemiştir. Dört uygulamanın tamamı tutarlı sınıflandırma sonuçları üretmiştir. Sonuçlar optimize edilmiş RTL tasarımlarının daha iyi performans avantajları sağlayabileceğini göstermektedir. Geliştirilen platform, gelecekteki nöromorfik hesaplama araştırmaları için yeniden üretilebilir bir referans altyapısı oluşturmaktadır.
Özet (Çeviri)
Neuromorphic computation has been studied as a promising paradigm for energy and memory-efficient neural network applications. This thesis presents the design, implementation, and comprehensive evaluation of a reconfigurable FPGA-based emulation platform for neuromorphic computing. Spiking Neural Networks (SNNs) are implemented to compare software, high-level synthesis (HLS), and register-transfer level (RTL) implementation methodologies. A three-layer Leaky Integrate-and-Fire (LIF) network architecture is implemented on an FPGA chip for MNIST digit classification. The experimental platform is developed on a Xilinx Zynq-7020 FPGA board. Three functionally equivalent implementations are developed and evaluated: an ARM Cortex-A9 software reference model utilizing float32 arithmetic in a software environment, an HLS-based hardware accelerator optimized with pipeline, and a custom Verilog RTL finite state machine accelerator employing fixed-point arithmetic. Each network is configured to operate over 30 discrete time steps under identical test conditions. The ARM-based software implementation achieved 100% classification accuracy in the tested MNIST samples with a latency of 170 ms per sample. The HLS-based accelerator with conservative timing strategies and a reduced clock frequency exhibited a higher latency of 200 ms. The RTL implementation with sequential MAC unit outperformed with a latency of 124 ms while maintaining timing constraints at 50 MHz and balanced FPGA resource utilization. In addition to the three functionally equivalent implementation, an RTL implementation with parallel MAC unit (P = 8) outperformed with a latency of 14.9 ms. All four implementations produced consistent classification results. The results demonstrate that optimized RTL designs can achieve significant performance advantages. The developed platform establishes a reproducible reference infrastructure for future neuromorphic computing research.
Benzer Tezler
- FPGA ile özel amaçlı bir giriş/çıkış kartı emülatörü
A special purpose input/output card emulator by using FPGA
SEZEN BAL
Doktora
Türkçe
2014
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
DOÇ. DR. HAYRİYE KORKMAZ
- Bir hücresel yapay sinir ağının sabit noktalı sayı aritmetiğiyle sayısal tasarımı ve gerçeklenmesi
Digital design of a cellular neural network using fixed-point number arithmetic
BARIŞ KARAKAYA
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
- İç mekan haritalama amaçlı gezgin robot uygulaması
Mobile robot application for indoor mapping
ERCAN COŞGUN
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
DOÇ. DR. HAYRİYE KORKMAZ
- FPGA üzerinde diferansiyel gelişim algoritması ile yapay sinir ağı eğitimi
Training of artificial neural network with differential evolution algorithm on FPGA
ALİ RIZA YILMAZ
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BURCU ERKMEN
- FPGA tabanlı modbus ağ geçidi tasarımı
FPGA based modbus gateway design
ŞİRİN AKKAYA
Yüksek Lisans
Türkçe
2015
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ALİ FUAT ERGENÇ