仿神經PI控制器

十分普遍應用控制系統領域中的PID控制器（proportional–integral–derivative controller），是否可能運用仿神經技術建立呢？瑞士蘇黎世的研究團隊做了初步的嘗試，他們在仿神經晶片上建構一個可類比為PI（proportional–integral controller）控制器的仿神經系統，並展示簡單的控制情境。

一個回授控制系統的關鍵是目標狀態與實際狀態的差，這裡透過訓練一個關係神經網路（relational neural network），事實上該關係網路是一個查找表（lookup table），每個神經元分別對應到一對輸入源組合，並指向一個輸出，即可計算簡單之算術關係如a-b=c。如此即能根據c神經代表的修正強度直接改變系統狀態，逐漸修正達穩定態。以上皆在仿神經晶片SpiNNaker之上實現，其準確率可達百分之九十以上，最低延遲約在75毫秒。

脈衝式神經網路（SNN）應用在控制系統之潛在優勢除了低功耗外，有機會可以直接輸出馬達控制訊號，而不需額外轉換。當今許多馬達驅動裝置使用脈波寬度調變（pulse width modulation, PWM）或脈波頻率調變（pulse frequency modulation, PFM）作為馬達轉速控制訊號，而頻率正好是脈衝式神經元輸入輸出的訊息載體，若能將運動神經元的輸出固定在適合的範圍內，即能直接作為馬達控制訊號。

撰文：姚皇宇

原始文獻：Zhao, J., Donati, E., & Indiveri, G. (2020). Neuromorphic Implementation of Spiking Relational Neural Network for Motor Control. 2020 2nd IEEE International Conference on Artificial Intelligence Circuits and Systems (AICAS). doi:10.1109/aicas48895.2020.9073829