神经形态的一次性学习使用相位过渡材料

科学领域:

• 神经形态工程的神经形态工程
• 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:

• 设计节能的人工智能需要模仿生物神经元的硬件.
• 材料特性是模拟神经元动态范围和时间尺度的关键.
• 之前的值开关模仿了所有或没有的神经元激增.

研究的目的:

• 为了展示模拟神经元模拟计算的二氧化瓦纳 (VO2) 设备.
• 配置VO2设备放松时间尺度以匹配生物信号.
• 在人工神经网络中应用VO2设备以增强学习.

主要方法:

• 使用的VO2金属绝缘体-过渡材料设备.
• 动态控制的VO2设备可以访问中间阻力状态.
• 配置的内在相位放松时间尺度 (毫秒到秒).
• 模拟神经元 soma 和树突尖峰,以及生物化学信号用于时间信用分配.

主要成果:

• VO2设备访问了一个连续性的电阻状态.
• 设备放松时间尺度与生物信号相匹配,从毫秒到秒.
• 模拟显示,基于VO2的人工神经网络学习空间导航任务的速度是四倍快.
• 证明了快速,缓慢和超慢的神经元信号传递方面的仿真.

结论:

• VO2设备可以模拟神经元计算和可塑性的各个方面.
• 在VO2中设计的相放松为高效的神经形态硬件提供了一条途径.
• 这种方法显著加速了人工神经网络中的学习.
• 还有更多的机会可以利用可调节的材料特性模拟生物学习.