基于解决方案处理的电解质/铁电力mem电容突触的节能储计算,用于生物信号分类
Sai Jiang1,2, Jinrui Sun1, Mengjiao Pei2
1School of Integrated Circuits Industry, Wang Zheng School of Microelectronics, Changzhou University, Changzhou, Jiangsu 213164, People's Republic of China.
The journal of physical chemistry letters
|August 12, 2024
概括
新的memcapacitive突触使节能的神经形态计算能够用于疾病检测. 这项技术在分类关键心电图 (ECG) 信号方面实现了高精度,为先进的可穿戴健康设备铺平了道路.
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
- 生物医学信号处理
背景情况:
- 早期疾病检测依赖于使用神经形态设备对生理信号进行分类.
- 储库计算 (RC) 提供了一个轻量级的解决方案,用于在资源有限的硬件中进行时间处理.
- 现有的memcapacitive水库需要增强的突触鱼能力和水库状态,以提高能力.
研究的目的:
- 开发解决方案处理的电解质/铁电 memcapacitive 突触,用于节能 RC 系统.
- 研究这些突触中的电双层 (EDL) 效应和铁电极化协同作用的合.
- 证明这些突触在分类关键生物信号,特别是心电图 (ECG) 信号中的应用.
主要方法:
- 制造溶液加工的电解质/铁电 memcapacitive 突触.
- 突触可塑性 (长期和短期) 和功耗 (每尖峰约27 fJ) 的表征.
- 实施基于突触的RC系统来分类与心律失常和阻塞性睡眠呼吸暂停 (OSA) 相关的ECG信号.
主要成果:
- 发达的突触表现出可调整的可塑性和超低功耗.
- 观察到丰富的水库状态动态,适合能源效率高的RC.
- 获得了高分类准确率:心律失常的97.8%,OSA的80.0%.
结论:
- 解决方案处理的mem电容突触,利用EDL和铁电效应,为节能神经形态计算提供了一个有前途的平台.
- 开发的系统展示了关键的心电图信号的有效分类,突出了其生物信号分析的潜力.
- 这项工作为在健康监测的可穿戴设备中轻量化,节能机器学习铺平了道路.
