高度可靠的Bi₂O₂Se树突神经元 实现空间时间信号处理,用于现实世界图像分类.

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.
• 人工智能的人工智能

背景情况:

• 当前的人工智能 (AI) 模型简化了生物神经元,限制了复杂任务中的性能和能源效率.
• 生物神经元通过树突来非线性地处理信息,捕获时间空间数据,这对于高级计算至关重要.

研究的目的:

• 为了演示一个紧的人工岩装置,利用基于木氧化物 (Bi₂O₂Se) 的记忆器.
• 实施树突神经元模型并评估其在神经网络中的表现,以进行模式识别.

主要方法:

• 在金属图案基板上直接生长无转移的Bi₂O₂Se切换介质,使用350°C的化工艺.
• 使用Bi₂O₂Se的分层结构制造具有记忆力的设备,以限制金属注入并确保稳定的切换.
• 建模设备对时空电压输入的当前响应,并实现树突神经元模型.

主要成果:

• 实现了可靠的动态电阻切换,具有出色的循环均性和超过200万个循环的特殊耐久性.
• 证明了Bi₂O₂Se记忆器的高度可靠的电流响应特征.
• 通过使用Bi₂O₂Se dendrite设备实现的神经网络,在街景房屋号码 (SVHN) 数据集上实现了78.3%的识别率.

结论:

• 基于Bi₂O₂Se的人工状物装置有效地模仿生物神经元功能,为更高效和更强大的AI提供了途径.
• 开发的memristor技术显示出下一代神经形态计算和先进的人工智能应用的巨大潜力.