一个基于氧化物突触晶体管的人工神经网络,用于准确而强大的图像识别
Dongyue Su1, Xiaoci Liang1, Di Geng2
1The State Key Laboratory of Optoelectronic Materials and Technologies, Guangdong Province Key Laboratory of Display Material and Technology, School of Electronics and Information Technology, Sun Yat-sen University, Guangzhou 510275, China.
Micromachines
|April 27, 2024
概括
工程氧化/氧化 (AlOx/InOx) 突触晶体管可以识别噪音图像. 这种硬件人工神经网络在字符识别上实现了85%的准确性,尽管图像噪声为40%.
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:
- 交联晶体管是硬件人工神经网络 (ANN) 的关键组件.
- 突触晶体管中的可编程导电性可以模拟神经可塑性.
- 溶液处理的介电薄膜为突触器件提供了低温制造途径.
研究的目的:
- 使用溶液工艺设计 AlOx/InOx 突触晶体管.
- 为了研究这些晶体管的长期强化特性.
- 构建和评估用于噪音图像识别的硬件ANN.
主要方法:
- 通过溶液工艺制造AlOx/InOx突触晶体管.
- 晶体管行为特征,包括在门电压脉冲下长期增强.
- 实现基于9x3突触晶体管的ANN用于图像识别任务.
主要成果:
- 设计的晶体管表现出稳定的长期增强,模仿突触可塑性.
- 硬件ANN成功地识别了字符"z"",v"和"n"的3x3像素图像.
- 该网络在识别字符方面达到85%的准确性,即使噪声高达40%.
结论:
- 溶液处理的AlOx/InOx突触晶体管对于构建硬件ANN是可行的.
- 这些金属氧化物晶体管显示出对准确的噪音图像识别具有显著的长期潜力.
- 开发的硬件ANN显示了在具有挑战性的条件下强大的模式识别的潜力.
更多相关视频
08:07Assembly and Characterization of Biomolecular Memristors Consisting of Ion Channel-doped Lipid Membranes
Published on: March 9, 2019
7.8K
10:18Photodiode-Based Optical Imaging for Recording Network Dynamics with Single-Neuron Resolution in Non-Transgenic Invertebrates
Published on: July 9, 2020
2.9K
