石墨烯量子点诱导了memristors中的性能提升
Jintao He1, Guangdong Zhou2, Bai Sun3
1MOE Key Laboratory of Interface Science and Engineering in Advanced Materials, College of Materials Science and Engineering, Taiyuan University of Technology, Taiyuan 030024, China. yangyongzhen@tyut.edu.cn.
Nanoscale
|May 28, 2025
概括
基于石墨烯量子点 (GQD) 的记忆器为人工智能和物联网提供了高效的计算和数据存储. 本综述详细介绍了它们在神经形态系统和人工智能加速中的准备,机制和应用.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术纳米技术
- 计算机工程 计算机工程
背景情况:
- 对微型智能电子设备的需求日益增加,推动了对新型计算架构的研究.
- 对于非·诺伊曼架构来说至关重要的memristors使内存计算成为可能,提高效率并降低功耗.
- 石墨烯量子点 (GQD) 为先进的memristor应用提供了独特的电子特性.
研究的目的:
- 提供基于石墨烯量子点 (GQD) 的记忆器的全面概述.
- 详细介绍GQD记忆器的制备,机制和各种应用.
- 讨论GQD记忆器技术的挑战和未来前景.
主要方法:
- 详细介绍GQDs的结构,特性和合成.
- 记忆机制的介绍,包括导电丝,电子捕捉/脱落和氧气空缺.
- 在数字和模拟计算中对GQD记忆器应用的总结.
主要成果:
- 基于GQD的memristors展示了AI硬件加速和大脑启发的计算的潜力.
- 确定了各种记忆机制,在设备设计中提供了灵活性.
- 应用范围包括信息存储,人工突触,视觉感知和脑机界面.
结论:
- 基于GQD的memristors对下一代人工智能和神经形态计算具有前景.
- 需要进一步的研究来克服当前的挑战,并释放充分的潜力.
- 预计持续的发展将对未来的电子设备技术产生重大影响.
