Özet:
Biyolojik sinir hücresinin çok karmaşık işlemleri başarıyla gerçeklemesi, bilim adamlarına nöral hesaplama alanında çalışma ve yapay sinir sistemleri geliştirmeyi ilham etmiştir. İnorganik sayısal bilgisayarlar gibi, canlı sinir hücreleri de elektriksel gerilim farkı işaretleriyle bilgi işlemektedir. Üstelik sinir ağlan milisaniyelik sinir darbe işaretleriyle, nanosaniyelik zaman aralığında anahtarlama yapan sayısal bilgisayarlardan daha yüksek performanslar vermektedir. Sinir hücresinin bu avantajlarından faydalanmak için çok sayıda yapay sinir hücresi modeli, ağ topolojisi ve öğrenme algoritması geliştirilmiştir. Yapay sinir ağlarının donanım gerçeklemeleri olan nöroişlemciler, standart mikroişlemciler için çok karmaşık uygulamalarda kullanılmaktadır. Böylece nöral hesaplamanın avantajlarından donanım olarak faydalanılmış olmaktadır. Ancak bu donanım uygulamaları giriş-çıkış sayısı, sabit aktivasyon fonksiyonu, sabit ağ tipi, sınırlı çalışma aralığı gibi bazı kısıtlamalar içermektedir. Bu çalışmada öncelikle literatürde mevcut yapay sinir ağı donanımları incelenmiş ve kısa bilgilerle teknik özellikleri ortaya konmuştur. Daha sonra Yapay Sinir Ağı donanımlarının bazı kısıtlamalarını aşmak için yeni tasarım metodları ve AY ağı topolojisi geliştirilmiş ve gerçekleştirilmiştir. Önerilen geçiş transistor lojiği tabanlı tasarım sayesinde, tümdevrenin programlanabilir giriş-çıkış esnekliği sağlanmıştır. Tasarlanan tümdevreye ismini veren AY isimli yeni ağ yapısı ise programlanabilir aktivasyon fonksiyonu esnekliğini sağlamaktadır. Sonuç olarak ağ topolojisi, giriş-çıkış sayısı ve aktivasyon tipi sınırlı olmayan, kaskatlanabilen, hibrit mimaride bir nöral tümdevre tasarlanmış, Özel Veya sentezi ve İris bitkisi sınıflama problemleriyle test edilmiştir.
