高度可靠的3D通道记忆及其在神经形态感官系统中的应用,用于手势识别
Dohyung Kim1, Cheong Beom Lee2, Kyu Kwan Park3
1Department of Organic and Nano Engineering & Human-Tech Convergence Program, Hanyang University, Seoul 04763, Korea.
ACS nano
|December 7, 2023
概括
这项研究引入了一种高度可靠的基于氧化物 (CoO) 的多层电阻随机访问存储器 (RRAM) 与3D谷物边界网络,显著提高神经形态计算准确性,用于诸如元宇宙手势识别等应用.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机工程 计算机工程
- 神经科学是一个神经科学.
背景情况:
- 神经形态计算利用电阻式随机访问存储器 (RRAM) 来进行数据处理.
- 目前的RRAM技术的可靠性较低,导电性较差,由于发光线的形成,导致准确性受到限制.
- 软件神经网络 (SW-NN) 提供更高的准确性,但对于大型数据集效率较低.
研究的目的:
- 开发一种高度可靠的多层RRAM,具有增强的导电性可调性.
- 为了提高神经形态计算系统的准确性,用于现实世界的应用.
- 为了证明这个RRAM在元宇宙的神经形感官系统中的潜力.
主要方法:
- 基于氧化物 (CoO) 的多层RRAM与优化的3D谷物边界 (GB) 网络的制造.
- 描述RRAM可靠性,包括循环对循环耐用性和设备对设备的稳定性.
- 将RRAM集成到一个神经形态感官系统中,使用光声应变传感器进行手势识别.
主要成果:
- 3D GB频道RRAM (3D GB-RRAM) 显示出增强的可靠性和稳定性,I-V特性变化最小.
- 取得了优异的导电性调性,具有高对称性 (624),低非线性和大动态范围 (31.1).
- 神经形态系统获得了高的识别准确度 (97.9%的手指运动, 97.4%的手势),与SW-NN.N.相比.
结论:
- 优化的3D GB-RRAM为神经形态计算提供了卓越的可靠性和性能.
- 这种RRAM技术是需要高效的感官数据处理的元宇宙应用的有希望的候选者.
- 开发的神经形态感官系统展示了先进的RRAM设备的实际潜力.
