在神经形态计算中研究三维垂直电阻随机访问记忆的多功能利用
Dongyeol Ju1, Minseo Noh1, Subaek Lee1
1Division of Electronics and Electrical Engineering, Dongguk University, Seoul 04620, Republic of Korea.
ACS applied materials & interfaces
|October 16, 2024
概括
研究人员开发了3D垂直电阻随机访问存储器 (VRRAM) 作为高效神经形态计算的人工突触. 这种VRRAM展示了先进的学习能力,并且在边缘计算应用程序的模式识别中达到90.4%的准确性.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机工程 计算机工程
- 神经科学是一个神经科学.
背景情况:
- 指数级数据增长需要超越·诺伊曼架构的先进计算.
- 由大脑启发的神经形态计算,为高效的数据处理提供了一个范式转变.
- 人工突触是模仿类似大脑的计算效率的关键组成部分.
研究的目的:
- 为神经形态计算应用制造和描述3D垂直电阻随机访问存储器 (VRRAM).
- 为了证明VRRAM作为人工突触的功能,模拟关键的突触行为.
- 探索VRRAM在模式识别和自适应学习中的实际应用.
主要方法:
- 制造一个三维的垂直电阻随机访问存储器 (VRRAM).
- 突触功能的实验模拟:依赖尖峰速率的可塑性,依赖尖峰时间的可塑性,并配对脉冲促进.
- 模式识别,自适应式学习 (帕夫洛夫式调节) 和二进制数字表示的实施和测试.
主要成果:
- VRRAM成功模拟了人工突触的功能.
- 使用优化的脉冲方案,模式识别准确度达到90.4%.
- 证明了边缘计算的自适应学习和二进制数表示 (0-15).
结论:
- 制造VRRAM显示出作为神经形态计算的人工突触的巨大潜力.
- 该设备可实现高效的模式识别和自适应性学习,这对AI至关重要.
- 对于开发紧的,低功耗的边缘计算解决方案,VRRAM具有前景.
