相关实验视频
Updated: Mar 11, 2026

07:38
Author Spotlight: Modular Neuronal Networks for Analyzing Brain Functions
Published on: June 7, 2024
2.4K
质子基酸设备网络用于时空神经形态计算.
Yue Zhou1, Shaan Shah1, Tamal Dey2
1Department of Electrical and Computer Engineering, University of California, San Diego, CA, USA.
Nature nanotechnology
|March 10, 2026
概括
这项研究介绍了一种新的神经形态计算平台,使用矿尼基酸盐. 这个集成系统有效地结合了高级AI硬件的处理和内存,实现实时模式识别.
科学领域:
- 材料科学与工程 材料科学与工程
- 神经形态计算是一种神经形态计算.
- 人工智能 硬件 硬件
背景情况:
- 生物神经计算依赖于复杂的时空动态,这些动态很难在当前的硬件中复制.
- 现有的神经形态设备经常模拟孤立的神经元或突触功能,限制了它们的计算丰富性.
- 在单一的物质系统中整合非线性时空处理和记忆仍然是一个重大挑战.
研究的目的:
- 开发一个集成的神经形态计算平台,能够实现非线性时空处理和可编程内存.
- 为了实现这些先进的功能,利用单一的矿尼基酸盐材料系统.
- 为了证明平台对实时模式识别和分类任务的能力.
主要方法:
- 在单个晶圆上设计了对称和不对称的化NiO3连接装置.
- 利用质子介导的瞬态动力学来实现超快的操作,并为内存提供稳定的多层电阻状态.
- 开发了这些结点的网络,以展示新出现的空间相互作用和时间记忆.
主要成果:
- 通过质子再分配和短期时间记忆,实现了纳秒级的操作,低能耗 (每输入约0.2nJ).
- 在同一材料系统内使用可重新配置的长期权重进行集成的特征转换和线性分类.
- 在口语数字分类和早期发作检测方面表现出高精度,性能优于现有的架构.
结论:
- 质子酸为集成处理和存储提供了一个紧,节能,兼容CMOS的平台.
- 开发的神经形态平台显示了可扩展智能硬件的巨大潜力.
- 这种方法促进了人工系统中复杂计算的实现.
更多相关视频
10:32Design, Surface Treatment, Cellular Plating, and Culturing of Modular Neuronal Networks Composed of Functionally Inter-connected Circuits
Published on: April 15, 2015
8.9K
08:07Assembly and Characterization of Biomolecular Memristors Consisting of Ion Channel-doped Lipid Membranes
Published on: March 9, 2019
8.4K