一个基于CuIn0.7Ga0.3Se2/Al-doped ZnO p-n异构连接的光电子人工突触,用于生物启发的神经形态计算
Si Yang1,2,3, Zhenhua Tang1,2,3, Xiujuan Jiang1
1School of Electromechanical Engineering, Guangdong University of Technology, Guangzhou, 510006, P. R. China.
Small (Weinheim an der Bergstrasse, Germany)
|August 19, 2025
概括
研究人员开发了一种新的光电子突触,使用铜,,,和氧化异质连接. 这种人工突触显示了人工智能和神经形态计算应用的前景.
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.
- 计算机科学 计算机科学
背景情况:
- ·诺伊曼架构对人工智能 (AI) 发展提出了局限性.
- 记忆器为克服这些建筑约束提供了一个有希望的途径.
- 光电子突触对于开发高效的神经形态计算系统至关重要.
研究的目的:
- 用一种新的异质连接材料设计一个光电子突触.
- 评估制造设备的突触行为和学习能力.
- 展示该设备在人工智能应用中的潜力,特别是图像识别.
主要方法:
- 制造一个CuIn0.7Ga0.3Se2 (CIGS) /Al-化ZnO (AZO) p-n异质连接通过射频磁铁子喷射.
- 集成到一个Au/CIGS/AZO/ITO p-n异质连接的人工突触配置.
- 模拟突触可塑性和学习-忘记-重新学习过程.
- 在卷积神经网络 (CNN) 中实现数据集识别.
主要成果:
- Au/CIGS/AZO/ITO异构连接成功模拟了突触行为,包括学习和遗忘.
- 实现了高识别精度:97.36%在MNIST上和83%在使用CNN的时尚-MNIST数据集上.
- 证明了CIGS/AZO异质连接对于高性能光电子设备的可行性.
结论:
- 基于CIGS/AZO p-n异构连接开发的光电子突触显示了神经形态计算的巨大潜力.
- 这项工作为人工智能创造先进的人工突触提供了可行的方法.
- 这些发现为下一代AI硬件铺平了道路,超越了·诺伊曼架构.
