多功能有机材料,设备和机制用于神经科学,神经形态计算和生物电子学
Felix L Hoch1, Qishen Wang2, Kian-Guan Lim3
1Faculty of Engineering, University of Southern Denmark, 5230, Odense, Denmark.
Nano-micro letters
|May 8, 2025
概括
有机神经形态设备为机器学习提供了一个负担得起的,生物相容的替代. 本综述探讨了它们在低功耗,灵活应用中的进展,机制和潜力.
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:
- 神经形态计算有望在机器学习中超越传统的限制.
- 有机计算材料为神经模拟器件提供了一个负担得起的,生物相容的,可调节的替代方案.
- 在开发紧的并行计算,将人工神经网络集成到现有硬件中仍然存在挑战.
研究的目的:
- 审查有机神经形态装置的进展.
- 探索电阻开关机制,并提出增强方法.
- 分析有机材料在低功耗神经形态应用中的潜力和挑战.
主要方法:
- 探索电阻切换机制:由接口调节的丝生长,分子电子动态,纳米线限制的丝生长和空位辅助的离子迁移.
- 建议改进状态保留和导电性调整的方法.
- 分析低功耗神经形态计算的挑战,包括设备大小和切换时间.
主要成果:
- 有机神经形态设备显示出特殊的调节性和节能切换.
- 确定和分析了各种电阻开关机制.
- 提出了提高设备性能的方法.
结论:
- 有机神经形态设备具有可调节,灵活和低功耗应用的巨大潜力.
- 未来的前景包括生物混合电路,事件响应系统,机器人技术和智能代理.
- 需要进一步的研究来克服设备尺寸和切换速度的挑战,以便广泛采用.
