在WO_3-中的神经形态学习和识别基于薄膜的无形成的灵活电子突触

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:

• 神经形态应用需要先进的人工突触.
• 灵活的电子技术为计算提供了新的可能性.
• 模仿生物突触可塑性是内存计算的关键.

研究的目的:

• 设计基于WO3-. . 的灵活电子突触.
• 模拟生物学习行为,用于内存计算.
• 在各种条件下研究突触可塑性.

主要方法:

• 一个W/WO3-/Pt/Muscovite-Mica灵活电子突触的制造.
• 脉冲测量以分析突触可塑性动态 (潜能,抑郁).
• 用修改国家标准与技术研究所数据集进行模式识别的神经网络模拟.

主要成果:

• 灵活的突触成功地模拟了短期可塑性 (STP),长期可塑性 (LTP) 和它们之间的过渡.
• 在平坦和曲的条件下,突触行为一致.
• 神经网络模拟实现了~95%的识别精度与快速学习 (15个时代).

结论:

• 工程灵活的突触表现出强大的仿真生物突触功能.
• 该设备显示出在神经形态计算中的灵活电子应用的巨大潜力.
• 在模式识别中,高精度和快速学习速度突显了其实际可行性.