基于二维材料的神经形态浮动门记忆
Chao Hu1,2, Lijuan Liang1, Jinran Yu2
1School of Printing and Packaging Engineering, Beijing Institute of Graphic Communication, Beijing 102627, P. R. China.
Cyborg and bionic systems (Washington, D.C.)
|April 23, 2025
概括
神经形态计算利用浮动门晶体管中的2D材料来模仿高级AI和物联网的大脑功能. 本综述探讨了它们的集成,以实现高效的数据处理和内存解决方案.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机工程 计算机工程
- 神经科学是一个神经科学.
背景情况:
- 人工智能和物联网的快速发展需要增强的计算和数据存储.
- 灵感来自于人类大脑的神经形态计算,通过模拟生物突触机制提供解决方案.
- 二维 (2D) 材料和浮动门 (FG) 晶体管是有效信息处理的关键组件.
研究的目的:
- 审查用于神经形态计算应用的2D材料与FG晶体管的集成.
- 讨论这些集成设备在解决现代计算需求方面的潜力.
- 总结最近的研究进展,并确定未来的研究方向.
主要方法:
- 对2D材料和FG晶体管的现有文献的审查.
- 对整合2D材料与FG结构的设备架构的分析.
- 讨论突触可塑性仿真和记忆应用.
主要成果:
- 二维材料在FG晶体管中模拟突触可塑性的显著潜力.
- 将2D材料与FG晶体管集成,可以实现高效的数据传输和计算.
- 这些设备为内存应用提供了强大的数据保留功能.
结论:
- 2D材料与FG晶体管的集成是神经形态计算和高级内存的一个有希望的方法.
- 目前的研究强调了这个快速发展的领域取得的实质性进展.
- 需要进一步的研究来克服现有的限制,并推动未来的创新.
