基于氧化物和氧化物的突触电荷陷闪光灯用于尖端神经网络-受限博尔兹曼机器
Eunpyo Park1,2, Suyeon Jang2,3,4, Gichang Noh1
1Center for Neuromorphic Engineering, Korea Institute of Science and Technology (KIST), Seoul 02792, Republic of Korea.
Nano letters
|October 11, 2023
概括
研究人员开发了一种用于神经形态计算的--氧化物 (IGZO) 突触装置. 这个设备模仿大脑功能,在神经网络 (SNN) 的模式识别中达到83.9%的准确性.
科学领域:
- 神经形态计算是一种神经形态计算.
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 目前的·诺伊曼计算架构面临着局限性.
- 尖端神经网络 (SNN) 为低功耗,类似大脑的计算提供了潜力.
- 开发高效的突触器件对于SNN至关重要.
研究的目的:
- 设计和制造一个--氧化物 (IGZO) 通道充电陷闪光灯 (CTF) 突触装置.
- 评估该设备适用于神经形态计算应用,特别是SNN系统中的适用性.
- 展示突触功能,包括体重状态和可塑性.
主要方法:
- 使用HfO2/Al2O3/Si3N4/Al2O3层制造一个基于IGZO的CTF突触装置.
- 设备的突触功能的表征,包括128级突触重量状态和依赖尖峰时间的可塑性.
- 在SNN受限的博尔茨曼机器框架内模拟制造的CTF设备.
主要成果:
- 基于IGZO的CTF设备成功地展示了关键的突触功能.
- 该设备表现出128种不同的突触重量状态和依赖尖峰时间的可塑性.
- 模拟显示,当集成到SNN系统中时,高模式识别准确度为83.9%.
结论:
- 制造的IGZO CTF设备显示了作为神经形态计算的突触组件的重大前景.
- 该设备的性能支持其在实现高效和强大的SNN系统方面的潜力.
- 这项工作为大脑启发的计算架构的硬件进步做出了贡献.


