高性能的一维化物矿交叉棒记忆器和神经形态计算的突触
Sujaya Kumar Vishwanath1, Benny Febriansyah2, Si En Ng1
1School of Materials Science & Engineering, Nanyang Technological University, 639798, Singapore. sujayav@iisc.ac.in.
Materials horizons
|March 22, 2024
概括
研究人员开发了以为模板的1D化物矿石,用于神经形态计算. () 酸显示出卓越的记忆性能,使大规模的人工神经网络和手写数字识别成为可能.
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.
- 计算机工程 计算机工程
背景情况:
- 目前用于神经形态计算的记忆器件缺乏明确的设计路径和可靠的性能.
- 现有的化矿矿方法在可扩展性和模拟编程能力方面是有限的.
研究的目的:
- 系统地设计和评估用于神经形态应用的化1D化矿.
- 为了比较 (propyl) pyridinium化和 (benzyl) pyridinium化的记忆性能.
主要方法:
- 在16x16横杆阵列中制造和表征1D化矿记忆器.
- 评估电阻开关性能,包括开/关比,保持和耐久性.
- 开发一种通用方法来映射模拟编程窗口.
主要成果:
- 化 (Propyl) 呈现出优越的电阻切换性能,这是由于1D链的电子隔离增强.
- 在大型柔性横杆上实现了高开/关比 (>10^5),长期保留 (10^5s) 和高耐久性 (2000周期).
- 使用尖端时间依赖的可塑性证明了精确的手写数字识别.
结论:
- 化模板的1D化 Perowskites为神经形态计算应用提供了一个强大的途径.
- 开发的材料和方法有助于设计可扩展和高性能的人工神经网络.
- 这项工作为实现高效准确的大脑启发的计算系统提供了关键的一步.
