相关实验视频
Updated: May 5, 2026

07:46
A Method for Growing Bio-memristors from Slime Mold
Published on: November 2, 2017
8.9K
基于布朗米勒石的记忆性人工突触,用于持久的体重调节.
Yoon Jung Lee1,2, Eun Seok Choi3, Ji Hyun Baek1
1Department of Material Science and Engineering, Research Institute of Advanced Materials, Seoul National University, Seoul, 08826, Republic of Korea.
Small (Weinheim an der Bergstrasse, Germany)
|October 29, 2024
概括
这项研究利用了SrCoO2.5记忆元中的拓性相过渡来实现可靠的人工突触. 这种方法增强了突触重量更新,提高了神经网络的性能和耐用性.
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:
- 人工突触对于合并记忆和计算的计算范式至关重要.
- 虽然memristors为人工突触提供了能源效率,但它们的长期突触调制受到随机光线传导的限制.
- 提高突触重量更新的耐用性和可靠性对于先进的神经网络应用程序至关重要.
研究的目的:
- 为了利用棕色米勒阶段的SrCoO2.5 (SCO2.5) 中的拓性相过渡 (TPT),以提高人工突触耐用性.
- 为了展示一种新的记忆突触设计,利用TPT进行可逆的氧离子迁移.
- 在深层和卷积神经网络中验证基于TPT的人工突触的性能.
主要方法:
- 制造一个异质形Au/SCO2.5/SrRuO3/SrTiO3双终端装置.
- 使用密度函数理论 (DFT) 计算和实验拉曼光谱来证明TPT行为.
- 应用电压脉冲来诱导TPT并表征突触可塑性 (长期增强和抑郁).
主要成果:
- 通过电压脉冲驱动的TPT证明了可靠,线性和对称的长期增强和压缩.
- 在32,000次代和640个周期中实现了一致和无噪声的突触重量更新,展示了高耐用性.
- 在图像数据集的深度神经网络和卷积神经网络中实现了非常高的识别精度.
结论:
- 布朗米勒石SCO2.5的拓性相过渡为可靠和耐受的人工突触重量更新提供了强大的机制.
- 开发的基于TPT的记忆突触显示了推进神经形态计算和人工智能的巨大潜力.
- 这项工作为设计下一代记忆器件提供了关键的见解,以实现高效和可靠的神经网络实现.
更多相关视频
08:07Assembly and Characterization of Biomolecular Memristors Consisting of Ion Channel-doped Lipid Membranes
Published on: March 9, 2019
7.7K
08:42The DREAM Implant: A Lightweight, Modular, and Cost-Effective Implant System for Chronic Electrophysiology in Head-Fixed and Freely Behaving Mice
Published on: July 26, 2024
968