一个可调节的多时间尺度的---氧化物薄膜晶体管神经元,用于用于尖端神经形态应用的混合解决方案

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
• 人工智能的人工智能

背景情况:

• 尖端神经网络 (SNN) 算法依赖于专门的神经形态硬件,通常是基于的.
• 当前的解决方案难以满足未来复杂的人工智能应用的多时间尺度处理需求.
• 现有的硬件在处理需要在几十年时间范围内进行集成的任务方面面临局限性.

研究的目的:

• 为解决基于的SNNs的神经形态硬件的时间尺度限制.
• 开发一种多时尺度神经元,能够在广泛的时间尺度上整合信息.
• 评估结合这些新型神经元的网络的性能.

主要方法:

• 使用---氧化物 (IGZO) 薄膜晶体管,其特点是超低泄漏电流 (低于att-ampere).
• 设计了一个多次尺度的神经元,利用IGZO的特性实现7次数的集成范围.
• 在更大的网络架构中评估了这些神经元的有效性.

主要成果:

• 证明了一种具有前所未有的信息整合范围的多时间尺度神经元.
• IGZO晶体管的低泄漏电流使时间尺度能力明显超过其他新兴技术.
• 将IGZO神经元与结合的混合SNN显示了对复杂任务的增强能力.

结论:

• IGZO薄膜晶体管为传统神经形态硬件的时间限制提供了可行的解决方案.
• 开发的多时间尺度神经元可以显著提高SNN对复杂AI的性能.
• 结合IGZO和的混合神经形态系统代表了未来人工智能进步的有希望的方向.