一个使用二维材料点缺陷的随机编码器
Harikrishnan Ravichandran1, Theresia Knobloch2, Shiva Subbulakshmi Radhakrishnan1
1Engineering Science and Mechanics, Penn State University, University Park, PA, 16802, USA.
2D半导体晶体管的缺陷可以增强大脑启发的计算. 研究人员利用这些缺陷构建了一个耐噪声的随机引擎,提高了图像识别的准确性.
科学领域:
- 材料科学 材料科学 材料科学
- 量子计算是一种量子计算.
- 神经形态工程的神经形态工程
背景情况:
- 电子设备的缺陷通常是有害的,但在量子和能源应用中具有潜力.
- 对于神经形态计算等新型计算范式的缺陷的使用在很大程度上是未被探索的.
研究的目的:
- 为了利用缩放的2D半导体晶体管中的缺陷,用于随机推理引擎.
- 研究二 (WSe2) 场效应晶体管 (FET) 中点缺陷的作用及其对随机电报噪声 (RTN) 的影响.
主要方法:
- 原子化的成像成像技术
- 密度函数理论 (DFT) 的计算.
- 设备建模 设备建模
- 低温运输实验 低温运输实验
- 尖端神经网络 (SNN) 的实施
主要成果:
- 详细描述WSe2 FET中的点缺陷及其对RTN的影响.
- 使用RTN构建一个随机编码器.
- 与确定性编码器相比,在杂的医学-MNIST图像上展示了增强的推断准确性.
结论:
- 2D材料中的内在点缺陷可以有效地被用作神经形态计算的资源.
- 基于RTN的随机推理引擎显示出对抗噪声计算的前景.
更多相关视频
11:14Comprehensive Characterization of Extended Defects in Semiconductor Materials by a Scanning Electron Microscope
Published on: May 28, 2016
07:24Quantitative Atomic-Site Analysis of Functional Dopants/Point Defects in Crystalline Materials by Electron-Channeling-Enhanced Microanalysis
Published on: May 10, 2021
相关概念视频
Imperfections in Crystal Structure: Point, Line and Plane Defects
Imperfections in Crystal Structure: Stoichiometric Point Defects
Imperfections in Crystal Structure: Non-Stoichiometric Defects
