SnNb2O6-基于容量记忆突触与内在LIF动力学用于神经形态的检测
Xiang Zhang1, Lin Ge1, Siyuan Li1
1Key Laboratory of Atomic and Molecular Physics & Functional Materials of Gansu Province, College of Physics and Electronic Engineering, Northwest Normal University, Lanzhou 730070, China.
Nano letters
|January 8, 2026
概括
这项研究介绍了一种新的突触记忆器,它模仿神经功能,用于早期发现. 该设备使用脑电图数据在分类状态方面取得了高准确性.
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.
- 电气工程 电气工程
背景情况:
- 神经系统疾病需要早期诊断工具.
- 突触记忆器为生物启发的计算提供了潜力.
- 泄漏-整合-和-火 (LIF) 动态对于神经元功能模拟至关重要.
研究的目的:
- 开发一种基于SnNb2O6的电容记忆器,模拟生物突触神经元.
- 使用该设备进行发作监测.
- 为了整合memristor的LIF类型刺激后突触电流 (EPSC) 与电脑图 (EEG) 分析.
主要方法:
- 基于SnNb2O6的电容式记忆器的制造.
- 在各种刺激协议下对设备稳定性和突触行为进行表征.
- 电容式memristor行为的机械分析.
- 在EEG信号分类的1D-CNN中实现LIF型EPSC作为卷积内核.
主要成果:
- 记忆器在500个循环中表现出稳定的合双极切换和电容反应.
- 一个高度可重复的LIF型三阶段EPSC是由单脉冲刺激触发的.
- 通过调整读出延迟,设备响应在暂时状态和持续状态之间进行过渡.
- 在波恩数据集上,对于三个相关状态,实现了95.8%的分类准确度.
结论:
- 电容型的memristor成功模拟了生物突触神经元的动态.
- 该设备显示出在芯片上对发作监测的巨大潜力.
- 与1D-CNN的整合使得从EEG信号中准确地分类状态.
更多相关视频
09:49Using a Bipolar Electrode to Create a Temporal Lobe Epilepsy Mouse Model by Electrical Kindling of the Amygdala
Published on: June 29, 2022
3.1K
06:28Author Spotlight: Unraveling Seizure Dynamics and Novel Therapeutics for Status Epilepticus Using CMOS High-Density Microelectrode Array Systems
Published on: September 27, 2024
3.2K
