能源效率高的多层存储器使用基于纸张的二级MLGraphene/MoO3 - /MLGraphene记忆器设备,用于模拟突触功能
Meenu Maria Sunny1, R Thamankar2
1Department of Physics, School of Advanced Sciences, Vellore Institute of Technology, Vellore, Tamil Nadu, 632014, India.
Discover nano
|July 2, 2025
概括
研究人员开发了一种新型的人工突触装置,使用三氧化物嵌入在纸上. 这种环保的神经形态计算方法为先进的内存应用提供了多位状态和低能耗.
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:
- 神经形态计算旨在模仿人类大脑的效率,超越传统的·诺伊曼架构.
- 现有的神经形态设备经常面临电力消耗,稳定性和制造复杂性的挑战.
研究的目的:
- 开发一种新,低功耗,环保的人工突触装置.
- 探索基于纸张的电子产品在神经形态计算应用中的潜力.
主要方法:
- 使用三氧化物 (MoO3) 嵌入在纸上花矩阵中的人工突触装置的制造.
- 使用的多层石墨烯电极 (MLG) 通过纸上笔 (PoP) 方法创建.
- 对多位状态和活动依赖的突触重量更新进行设备编程的研究.
主要成果:
- 基于纸质的突触装置在环境条件下表现出多位状态可编程性 (2^n,n=1,2,3,4) 与低能耗 (~pJ).
- 发现突触重量更新 (增强和抑郁) 是依赖历史的,可以调节的.
- 强化和抑郁的非线性行为可以使用非相同的脉冲序列来控制.
结论:
- 基于纸张的MoO3-Aloe vera突触装置代表了神经形态计算的重大进步.
- 笔在纸上的方法为用于突触和记忆应用的便携式,环保和灵活的电子设备提供了一个有前途的途径.


