相关实验视频
Updated: Jun 13, 2025

07:36
Fabricating Nanogaps by Nanoskiving
Published on: May 13, 2013
11.1K
基于有图案的Ag纳米三角形和可调节的间隙制造的节能电阻切换突触装置,使用等离子体辅助的纳米圈光刻法制造
Shubham K Mehta1, Indrajit Mondal1, Bhupesh Yadav1
1Chemistry & Physics of Materials Unit, Jawaharlal Nehru Centre for Advanced Scientific Research, Jakkur P. O., Bangalore-560064, India. kulkarni@jncasr.ac.in.
Nanoscale
|September 13, 2024
概括
研究人员开发了高效的神经形态计算突触器件,使用通过纳米圈 lithography (NSL) 制造的银纳米结构. 这些设备模仿大脑功能,具有低电压切换和功耗,为先进的人工智能铺平了道路.
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
- 纳米技术 纳米技术
背景情况:
- 神经形态计算旨在利用人工突触装置模仿大脑功能.
- 当前的突触器件面临着诸如不可预测的切换,高压需求和复杂的制造等挑战.
- 金属纳米结构为类似于大脑的层次架构提供了潜力.
研究的目的:
- 为了应对突触器件制造和性能方面的挑战.
- 开发用于神经形态计算的高效和生物模拟突触设备.
- 为了利用周期性纳米结构来控制发光线的形成和低压运行.
主要方法:
- 使用等离子体辅助纳米圈光刻 (NSL) 制造周期性银 (Ag) 纳米结构.
- 通过氧气等离子体处理控制纳米结构之间的空隙工程.
- 在纳米结构边缘由增强的局部电场引导的电迁移.
- COMSOL 多物理模拟和现场电子显微镜成像用于分析.
主要成果:
- 实现了0.86V的低开关电压,并保持在100nA电流的合规性.
- 在fJ范围内证明了超低功耗,与生物神经元相比.
- 通过电场增强确认了可控和可预测的发光线形成.
- 呈现突触特征,如强化和关联性学习.
结论:
- 血辅助NSL提供了一种具有成本效益的技术,用于制造高效的突触器件.
- 开发的基于纳米结构的设备显示了对感知学习和记忆形成的巨大潜力.
- 这种方法为实现先进的大脑启发的计算系统提供了一条途径.

