可刷新的memristor通过动态分配铁离子阶段进行神经再利用
Jiangang Chen1, Zhixing Wen1,2, Fan Yang1
1School of Optoelectronic Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China.
Nature communications
|January 15, 2025
概括
这项研究引入了一种新的铁离子装置,模仿神经再利用,用于增强人工智能. 这一创新显著提高了神经形态硬件的性能,提高了准确性并降低了能源消耗.
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:
- 现有的神经形态硬件往往缺乏模仿神经再利用的能力,限制了跨任务的概括性.
- 当前的设备优先考虑架构而不是网络功能,无法复制生物学习机制.
研究的目的:
- 开发一种能够进行神经再利用的新型设备.
- 为了提高神经形态硬件的效率和概括能力.
主要方法:
- 设计了一个基于铁离子CuInP2S6的设备,具有动态铁离子相分配.
- 启用了动态更新和挥发性和非挥发性模式之间的协作工作.
- 利用一致的铁电极化来实现跨任务的共享功能.
主要成果:
- 实现了对分类准确度的17%的改进,并减少了神经形态硬件的能源消耗的40%.
- 在多任务场景中,加快了2200%的训练速度,提高了21%的概括能力.
- 通过铁电离子组合证明了可刷新硬件平台的可行性.
结论:
- 开发的铁离子装置有效地模仿神经重复使用,提供显著的性能增长.
- 这种方法为神经形态计算中更高效的算法和架构铺平了道路.
- 这项技术对先进,可适应的人工智能系统具有前景.
