Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Electro-mechanical Systems01:19

Electro-mechanical Systems

1.7K
Electromechanical systems are intricate configurations that effectively combine electrical and mechanical elements to achieve a desired outcome. Central to many of these systems is the DC motor, a device that converts electrical energy into mechanical motion, enabling various applications ranging from simple fans to complex robotic mechanisms.
A key component of the DC motor is the armature, a rotating circuit positioned within a magnetic field. As an electric current passes through the...
1.7K
System of Memory01:23

System of Memory

7.4K
Memory is categorized into three major systems: sensory memory, short-term memory (STM), and long-term memory (LTM). These systems differ in their capacity and the duration for which they can hold information. Sensory memory captures raw sensory input from the environment, holding it for just a few seconds or less. For example, on hearing a brief, loud sound, like a car horn honking, the sound seems to linger in the mind for a moment even after it stops. This is an instance of sensory memory...
7.4K
Working Memory01:24

Working Memory

905
Working memory refers to a combination of components, including short-term memory and attention, that allow an individual to hold information temporarily as we perform cognitive tasks. It is an essential cognitive function that enables the execution of complex tasks such as problem-solving, comprehension, and reasoning. Unlike short-term memory, which simply involves the storage of information for a brief period, working memory involves the active manipulation and processing of this...
905
Long-Term Memory01:18

Long-Term Memory

697
Long-term memory is a relatively permanent type of memory, capable of storing vast amounts of information over extended periods. Its storage capacity is generally considered unlimited.
Long-term memory can be categorized into two primary types: explicit and implicit memory. Explicit memory, also known as declarative memory, involves the conscious recollection of information that we deliberately try to remember, recall, and articulate. This type of memory encompasses specific facts, events, and...
697
Traumatic Memory01:20

Traumatic Memory

591
Emotionally traumatic events often lead to memories that are exceptionally vivid and enduring, sometimes persisting with remarkable clarity throughout an individual's life. A classic example of this phenomenon is a person who survives a car accident. Even years later, they may recall every detail of the event with startling accuracy — the screeching of the tires, the jarring impact, and the acrid smell of burning rubber. Such vividness contrasts sharply with how an individual...
591
Repressed Memory01:16

Repressed Memory

526
Repressed memories are a psychological phenomenon where memories of traumatic events are unconsciously blocked from a person's awareness. This process occurs as a defense mechanism, protecting the mind from the emotional impact of distressing or painful experiences. For example, a person who has experienced childhood trauma may grow up with no conscious recollection of the event. In such cases, the memories are thought to be buried deep within the subconscious, inaccessible to the conscious...
526

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Reinforcement learning control of quantum error correction.

Nature·2026
Same author

Optical metasurfaces for general vision processing on the edge.

Nature·2026
Same author

Author Correction: Programmable 200 GOPS Hopfield-inspired photonic Ising machine.

Nature·2026
Same author

Online training and pruning of multi-wavelength photonic neural networks.

Nanophotonics (Berlin, Germany)·2025
Same author

Fully integrated hybrid multimode-multiwavelength photonic processor with picosecond latency.

Nature communications·2025
Same author

Programmable 200 GOPS Hopfield-inspired photonic Ising machine.

Nature·2025

関連する実験動画

Updated: Feb 9, 2026

Gradient Echo Quantum Memory in Warm Atomic Vapor
10:00

Gradient Echo Quantum Memory in Warm Atomic Vapor

Published on: November 11, 2013

13.2K

電気光学アナログメモリを用いたニューロモルフィックフォトニックコンピューティング

Sean Lam1, Ahmed Khaled2, Simon Bilodeau3

  • 1Electrical and Computer Engineering, University of British Columbia, Vancouver, BC, Canada. seanlm@student.ubc.ca.

Nature communications
|February 7, 2026
PubMed
まとめ
この要約は機械生成です。

機械学習タスクのエネルギーコストを削減するために、ニューロモルフィックフォトニック回路に統合されたアナログ電子メモリを開発しました。この技術革新は、機械学習タスクで26倍以上の電力削減を達成し、効率的で高速なコンピューティングを可能にします。

キーワード:
ニューロモルフィック・フォトニック・コンピューティングアナログメモリエネルギー効率AIハードウェア機械学習

さらに関連する動画

Fabrication of 1-D Photonic Crystal Cavity on a Nanofiber Using Femtosecond Laser-induced Ablation
13:02

Fabrication of 1-D Photonic Crystal Cavity on a Nanofiber Using Femtosecond Laser-induced Ablation

Published on: February 25, 2017

10.2K
Spectral and Angle-Resolved Magneto-Optical Characterization of Photonic Nanostructures
08:01

Spectral and Angle-Resolved Magneto-Optical Characterization of Photonic Nanostructures

Published on: November 21, 2019

7.7K

関連する実験動画

Last Updated: Feb 9, 2026

Gradient Echo Quantum Memory in Warm Atomic Vapor
10:00

Gradient Echo Quantum Memory in Warm Atomic Vapor

Published on: November 11, 2013

13.2K
Fabrication of 1-D Photonic Crystal Cavity on a Nanofiber Using Femtosecond Laser-induced Ablation
13:02

Fabrication of 1-D Photonic Crystal Cavity on a Nanofiber Using Femtosecond Laser-induced Ablation

Published on: February 25, 2017

10.2K
Spectral and Angle-Resolved Magneto-Optical Characterization of Photonic Nanostructures
08:01

Spectral and Angle-Resolved Magneto-Optical Characterization of Photonic Nanostructures

Published on: November 21, 2019

7.7K

科学分野:

  • ニューロモルフィック工学
  • フォトニックコンピューティング
  • 機械学習ハードウェア

背景:

  • ニューロモルフィックフォトニックシステムはアナログ信号に依存しており、エネルギーを大量に消費するデジタル-アナログ変換器（DAC）およびアナログ-デジタル変換器（ADC）が必要です。
  • 従来のフォン・ノイマンアーキテクチャは、メモリとコンバータ間のデータ移動により、かなりのエネルギーコストに直面しています。

研究 の 目的:

  • アナログ電子メモリをフォトニックコンピューティングユニットに直接統合することを提案し、実証すること。
  • エネルギーを消費するデータ移動を排除し、ニューロモルフィックフォトニックシステムにおけるDAC/ADCへの依存を減らすこと。

主な方法:

  • ニューロモルフィックフォトニック回路とオンチップキャパシティブアナログメモリのモノリシック統合。
  • MNISTデータセットに対するインサイチュトレーニングと推論のための機械学習を用いたパフォーマンス評価。

主要な成果:

  • 従来のSRAM-DACアーキテクチャと比較して26倍以上の電力削減を達成しました。
  • アナログメモリ保持期間とネットワーク遅延の比率が100で、推論精度が90%以上であることを実証しました。
  • 実質的なパフォーマンス低下なしに、リーキーアナログメモリの実行可能性を示しました。

結論:

  • アナログメモリをニューロモルフィックフォトニックアーキテクチャに統合することは、エネルギー効率が高く、高速なコンピューティングへのスケーラブルな道を提供します。
  • このアプローチは、データ移動とコンバータへの依存を大幅に最小限に抑えます。
  • 高度なAIタスクのためのニューロモルフィックフォトニックシステムの実際的な実装を可能にします。