基于可通过离子分离重新配置的微电线阵列的材料内物理计算
Dengji Li1, Pengshan Xie1, Yuekun Yang2,3
1Department of Materials Science and Engineering, City University of Hong Kong, Hong Kong SAR, 999077, P. R. China.
Nature communications
|July 2, 2025
概括
研究人员使用矿微电线开发了新的神经形态硬件. 这种自动供电系统展示了非挥发性光存储,并执行复杂的计算任务,为节能物理计算铺平了道路.
科学领域:
- 材料科学 材料科学 材料科学
- 凝聚物质物理学 凝聚物质物理学
- 神经科学是一个神经科学.
背景情况:
- 传统计算机使用晶体管,限制了处理能力.
- 新兴材料为大脑启发的神经形态硬件提供了新的途径.
- 矿具有独特的光电子特性,适用于先进的计算.
研究的目的:
- 研究矿微电线中的光电诱导的化物离子分离.
- 为了证明物质动态在物理计算中的潜力.
- 开发自动供电,非易失性记忆和处理元件.
主要方法:
- 混合化物矿矿网络的长轴增长 CsPbBr1.5I1.5微电线网络.
- 在现场测量以确认光电诱导的离子分离.
- 在图形神经网络和图像恢复任务上测试微线阵列.
主要成果:
- 证明了稳定可控的化离子分离和回收.
- 实现了可重新配置,自动供电的光响应,用于非易失性光存储.
- 在没有外部电路的情况下成功执行图形神经网络和图像恢复任务.
结论:
- 矿中的无物质动力学使高度并行和节能的物理计算成为可能.
- 这种方法为后穆尔时代的计算架构提供了一个有希望的方向.
- 开发的神经形态硬件展示了先进信息处理的巨大潜力.
