相关实验视频
Updated: Jun 25, 2025
07:13
3D Modeling of Dendritic Spines with Synaptic Plasticity
Published on: May 18, 2020
6.8K
基于石墨烯的人工牙,用于在尖端神经形态系统中获得生物启发的学习
Samuel Liu1,2, Deji Akinwande1,2, Dmitry Kireev1,2,3
1Chandra Family Department of Electrical and Computer Engineering, The University of Texas at Austin, Austin, Texas 78712, United States.
Nano letters
|May 31, 2024
概括
研究人员开发了基于石墨烯的生物相容的人造树突 (GrADs) 用于大脑启发的计算. 这些GrAD可以在人工神经网络中实现高效的树突处理,减少能源消耗而不会影响精度.
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
- 神经科学是一个神经科学.
背景情况:
- 通过模仿大脑并行性,模拟神经形态计算提供了比数字系统更好的表达力和能源效率.
- 虽然人工神经元和突触正在进步,但用于树突处理的人工树突仍然不发达.
- 生物相容材料对于开发有效的生物接口计算系统至关重要.
研究的目的:
- 介绍和描述新的生物相容的石墨烯基人工树突 (GrADs).
- 证明GrADs在实现树突处理和更高阶神经元反应方面的能力.
- 为了评估GrADs在节能尖端神经网络模拟中的性能.
主要方法:
- 制造具有双侧门配置和Nafion膜的三层石墨烯设备.
- 描述GrADs以表现出模仿树突潜力的时空反应 (漏性复发,α,高斯).
- 将GrAD集成到数据驱动的尖端神经网络模拟中,以评估它们对网络活动和准确性的影响.
主要成果:
- GrADs成功地展示了可控制的导电性和时空树突潜在反应.
- GrADs的可变连接性使得高级神经元处理成为可能.
- 尖端神经网络模拟显示,尖端活动减少了高达15%,而不会损失精度.
- 网络的低频运行通过包含Grads来稳定.
结论:
- 基于石墨烯的人工树突 (GrADs) 是实现树突处理的可行技术.
- GrADs有助于节能高效的生物接口尖端神经网络.
- 开发的GrAD显示了推进神经形态计算应用的前景.
