新型三维人工神经网络基于八层垂直记忆器,具有超高的纠正比率 (>10⁷) 和超高的非线性 (>10⁵) 为神经形态计算

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:

• 记忆器显示出人工神经网络 (ANN) 和神经形态计算的前景.
• 在ANN中,传统的横条数组面临着诸如交叉通话和有限的集成密度等挑战.

研究的目的:

• 提出一种新的八层3D垂直横杆记忆器,以解决当前ANN的局限性.
• 为了实现高性能指标,包括超高的纠正比率和非线性,用于大规模集成.

主要方法:

• 开发一个八层的3D垂直横杆记忆器架构.
• 记忆器性能的表征,包括纠正比率,非线性,耐久性,保留性和均性.
• 使用开发的memristors实现和测试一个3D人工神经网络 (ANN).

主要成果:

• 实现了超高的纠正比率 (> 10 ^ 7) 和非线性 (> 10 ^ 5).
• 启用了>1 Tb的数组大小,没有读取故障,显示出优越的集成密度.
• 展示了先进的耐力 (>10^10周期),保持 (>10^4秒) 和均性.
• 成功模拟了突触功能,并构建了一个3D ANN,提高了学习效率和识别精度.

结论:

• 拟议的3D记忆器架构克服了传统ANN的局限性.
• 开发的3D ANN显示了显著的性能改善,为先进的神经形态系统铺平了道路.
• 这些发现支持开发高效,精确,集成和稳定的VLSI神经形态计算系统.