在TiO2纳米线上定制经典调节行为:用于神经形态硬件的ZnO QDs-based光电子记忆器
Wenxiao Wang1,2,3, Yaqi Wang1, Feifei Yin2,3
1School of Information Science and Engineering, University of Jinan, Jinan, 250022, People's Republic of China.
Nano-micro letters
|February 27, 2024
概括
研究人员开发了一种能够进行关联式学习的光电子记忆器,模仿先进AI的生物行为. 这种突触装置显示了神经形态计算和人工智能应用的前景.
科学领域:
- 材料科学 材料科学 材料科学
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
背景情况:
- 有关联式学习的神经形态硬件是下一代AI的关键.
- 对用于复杂关联学习的突触器件的研究是有限的.
研究的目的:
- 提出和构建一个光电子记忆器来模拟生物学关联式学习.
- 研究其在神经形态计算和人工智能的潜力.
主要方法:
- 一个Ag/TiO2纳米线:ZnO量子点/FTO光电子记忆器被制造出来.
- 使用光和电刺激实现了突触行为 (可塑性,学习-忘记-重新学习).
- 进行了神经形态计算模拟和memristor阵列构建.
主要成果:
- 该设备成功模拟了长期/短期可塑性和学习-忘记-重新学习.
- 在神经形态模拟中,手写数字识别精度达到88.9%.
- 一个memristor阵列展示了人工视觉记忆的能力.
- 复杂的经典条件行为 (获取,灭绝,恢复,概括) 被模拟.
结论:
- 开发的光电子记忆器表现出关联式学习能力.
- 它为推进脑机界面,自主机器人和自我学习机器提供了一条新的途径.
