对神经形态和记忆器件的解码化物矿.
Dimitra Das1, Dani S Assi2, Samrana Kazim1,3
1BCMaterials, Basque Center for Materials, Applications, and Nanostructures, UPV/EHU Science Park, 48940, Leioa, Spain. shahzada.ahmad@bcmaterials.net.
Materials horizons
|July 23, 2025
概括
神经形态工程使用化佩洛夫斯基特来模仿大脑突触,克服·诺伊曼架构的局限性. 这些材料为先进的人工智能和未来的半导体技术提供了高效,类似于大脑的计算.
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:
- ·诺伊曼架构虽然基本,但有数据传输的局限性.
- 人类大脑的神经网络在决策和学习方面表现出色.
- 神经形态工程寻求类似于大脑的计算以提高效率和速度.
研究的目的:
- 在神经形态系统中探索化矿作为突触模拟器.
- 为了解决复制生物过程在基于CMOS的神经形态芯片中的复杂性.
- 为了研究化佩洛夫斯基特在先进计算中的潜力.
主要方法:
- 研究化烯矿因其离子和半导体性质.
- 分析了化物矿的快速电阻切换能力.
- 研究了化物矿对光和温度等刺激的反应.
- 探索化矿矿的结构变化和尺寸缩小.
主要成果:
- 化 Perowskites 具有适合模仿突触行为的特性.
- 化矿中异常的离子运输使得电阻快速切换.
- 化矿可以模拟复杂的突触功能和调节功能.
- 结构变化和尺寸缩小增强了多功能性.
结论:
- 化 Perowskites 在推进神经形态计算方面显示出重大前景.
- 这些材料为克服·诺伊曼建筑的局限性提供了一条途径.
- 酸是开发高效,脑启发的计算技术的关键.
更多相关视频
09:49In Situ Transmission Electron Microscopy with Biasing and Fabrication of Asymmetric Crossbars Based on Mixed-Phased a-VOx
Published on: May 13, 2020
4.2K
10:40A Fabrication and Measurement Method for a Flexible Ferroelectric Element Based on Van Der Waals Heteroepitaxy
Published on: April 8, 2018
8.3K
