Объектом разработки в рамках данной работы являлась аппаратная реализация математической модели импульсного нейрона CSNM. Целью работы была разработка аппаратной реализации, которая бы качественно повторяла поведение математической модели. В данной работе реализация была выполнена в симуляции с помощью пакета моделирования электроцепей LTSpice. Был проведен анализ существующих подходов к реализации нейронов. Была разработана реализация дифференциальных уравнений для каждого элемента модели, после чего были проведены эксперименты с отдельными элементами и нейроном в целом. Реализация показала себя достаточно хорошо и повторила поведение модели. Особенностью реализации, представленной в данной работе, является ее модульность с возможностью собирать нейроны различной конфигурации. Питание системы и ее логическое напряжение одинаковы и составляют 5 вольт. На входе и выходе системы – последовательность импульсов длиной 1 мс. Разработка будет полезна для использования на роботах или других установках, где нужна импульсная нейронная сеть, но затратно или неудобно подключать систему с мощными вычислительными способностями для симуляции нейросети с помощью кода. В дальнейшем планируется оптимизация энергопотребления схемы, сборка прототипа и проведение испытаний с ним.

In this work the object of development was hardware implementation of the mathematic spike model of the CSNM neuron. This work’s goal was to develop hardware implementation that would reliably copy model’s behavior. In this work the implementation was made in simulation using modelling package LTSpice for electric circuits. An analysis of existing approaches to implementing neurons was conducted. Implementation of differential equations for each model element was developed, followed by experiments with individual elements and the neuron in assembly. The implementation performed well and replicated the models behavior. A feature of the implementation presented in this work is its modularity with the ability of assembling neurons into different configurations. The systems power supply and logical voltage are the same and amount to 5 volts. Input and output of the system have the form of a sequence of 1 ms impulses. The development will be good for use in robots or other situations where a spike neural network is needed but connecting a system with high computational power for simulating a neural network through code is costly or inconvenient. Energy efficiency was not considered in this work, so it is included in plans. Additionally, prototyping, and further testing are planned.