相关实验视频
Updated: Sep 16, 2025

Author Spotlight: Modular Neuronal Networks for Analyzing Brain Functions
Published on: June 7, 2024
一个新的时间划分多重复合架构,由深度神经网络的重配置突触揭示
Yu-Tao Li1,2, Kui Xu3, Yu-Zhe Ma4
1School of Integrated Circuits and Electronics, MIIT Key Laboratory for Low-Dimensional Quantum Structure and Devices, Beijing Institute of Technology, Beijing, 100081, China.
研究人员开发了一种使用石墨烯,2D矿和碳纳米管 (CNT) 的新型突触晶体管,以实现时分复合 (TDM) 神经网络. 这一突破简化了复杂的深度学习模型的硬件集成,降低了成本并提高了效率.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米电子学纳米电子学
- 人工智能 硬件 硬件
背景情况:
- 深度学习的复杂性需要先进的AI芯片,导致高硬件成本.
- 目前的突触晶体管在实施时分复合 (TDM) 神经网络方面存在局限性,这阻碍了实际部署.
- 简化神经网络硬件集成对于推进人工智能系统至关重要.
研究的目的:
- 介绍一种能够在硬件层面实现TDM神经网络的新型突触晶体管.
- 解决当前设备在实施TDM网络中的局限性.
- 探索TDM在高效深度学习硬件方面的潜力.
主要方法:
- 一个具有三明治结构的新型石墨烯/2D矿/碳纳米管 (CNT) 突触晶体管的制造.
- 使用分子动力学模拟的装置机制的理论分析.
- 研究TDM对神经网络硬件规模,功率和延迟的影响.
主要成果:
- 新型突触晶体管成功实现了TDM神经网络的硬件级实现.
- 二维矿层提高了突触传输效率,而CNT则提供了广泛的突触电流变化.
- 对于深度学习硬件来说,TDM在扩展,功耗和延迟方面具有优势.
结论:
- 开发的突触晶体管提供了一种新的方法来减少神经网络硬件中的集成复杂性.
- 这项工作对开发智能纳米电子设备具有重大前景.
- 这些发现为更高效,更具成本效益的AI硬件解决方案铺平了道路.
更多相关视频
10:143D Scanning Technology Bridging Microcircuits and Macroscale Brain Images in 3D Novel Embedding Overlapping Protocol
Published on: May 12, 2019
10:32Design, Surface Treatment, Cellular Plating, and Culturing of Modular Neuronal Networks Composed of Functionally Inter-connected Circuits
Published on: April 15, 2015
相关概念视频
Neural Circuits
Neuronal pools are collections of nerve cells with similar functions and interact through chemical and electrical signals. These pools include both interneurons (the central neural circuit nodes that...
Neuroplasticity
Overview of Synapses