相关实验视频
Updated: Jun 12, 2026

07:46
A Method for Growing Bio-memristors from Slime Mold
Published on: November 2, 2017
8.9K
线性可编程的二维化物矿记忆器阵列用于神经形态计算.
Seung Ju Kim1,2, In Hyuk Im1, Ji Hyun Baek1
1Department of Materials Science and Engineering, Research Institute of Advanced Materials, Seoul National University, Seoul, Republic of Korea.
Nature nanotechnology
|October 18, 2024
概括
二维 (2D) 矿人造突触显示出高度线性和对称的导电变化,克服了以前用于神经形态计算的材料的局限性. 这一突破使稳定,高精度的人工突触器件用于先进的计算应用.
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.
- 电子 电子 电子 电子 电子 电子 电子
背景情况:
- 三维 (3D) 化 Perowskites 显示出用于记忆的应用的希望,但其水分稳定性较差,离子运输控制很困难.
- 二维 (2D) 化 Perowskites 提供更好的耐湿性和异构性质,但表现出不对称和非线性导电率变化,限制神经形态硬件效率.
研究的目的:
- 在Dion-Jacobson 2D矿中实现高度线性和对称的导电变化,用于人工突触.
- 为神经形态硬件应用开发和评估基于矿的人工突触的7x7横杆阵列.
主要方法:
- 迪昂-雅各布森2D矿人造突触的制造.
- 使用这些矿突触构建一个7x7横杆阵列.
- 实验分析和第一原则计算,以了解设备性能机制.
主要成果:
- 在二维矿突触中实现了高度线性和对称的导电变化.
- 展示了具有高设备产量,低变化,长时间保留和超过7个月的水分稳定性的7x7横杆阵列.
- 模拟显示图像推断准确度在理论极限的0.08%以内.
结论:
- 迪昂-雅各布森2D矿使神经形态计算的高效和稳定的人工突触成为可能.
- 消除无机层之间的差距有助于均的化物空隙迁移,这对设备性能至关重要.
- 这些矿突触为可扩展,高性能的人工智能硬件提供了可行的途径.

