基于化物矿的光电子储网络的传感器内计算.
Jeroen J de Boer1, Agustin O Alvarez1, Moritz C Schmidt1
1LMPV-Sustainable Energy Materials Department, AMOLF, 1098 XG Amsterdam, the Netherlands.
概括
本研究介绍了使用矿设备进行高效的传感器内计算的多式联通光电子储存网络. 这种新的系统处理光线和电压输入,在图像和视频分类任务中实现高精度.
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:
- 物理储库计算为内和近传感器应用提供了高效的神经形态计算.
- 现有的水库网络主要处理光或电压输入.
- 可扩展,高密度的传感器阵列对于先进的计算至关重要.
研究的目的:
- 为了展示一个多式联通的光电子储存网络.
- 为了利用化矿半导体设备处理电压和光输入.
- 评估网络在分类任务中的可扩展性和性能.
主要方法:
- 制造微米大小的不对称横杆装置,涂有甲基化 (MAPbI3) 矿膜.
- 实现多式联通水库网络架构.
- 使用4位输入和线性读取层进行图像和视频分类.
主要成果:
- 多式联网成功处理了电压和光输入.
- 实现了高平均精度:95.3%±0.1%的图像分类和87.8%±0.1%的视频分类.
- 在图像方面表现比线性分类器引用优于3.1%,在视频方面优于14.6%.
结论:
- 开发的基于矿的储网络对多式联通传感数据处理有效.
- 较长的保留时间提高了单模式网络的分类准确性.
- 为优化矿储计算的实验参数提供了指导方针.


