本文742字,阅读约需2分钟 摘 要:研究利用钨酸锂(LixWO3)薄膜和锂离子传导性玻璃陶瓷(LICGC)基板的氧化还原反应,成功开发出能够再现类似神经回路的电气特性的新晶体管。 关键词:物理储备池、氧化还原晶体管、非线性响应、神经形态计算、高维 东京理科大学和物质与材料研究机构,利用钨酸锂(LixWO3)薄膜和锂离子传导性玻璃陶瓷(LICGC)基板的氧化还原反应,成功开发出能够再现类似神经回路的电气特性的新晶体管。 取得显著发展的高级人工智能面临巨大的能源消耗问题,迫切需要开发能耗低且可高精度运算的硬件。 作为能够大幅降低计算资源和耗电量的技术,物理储备池计算备受关注。到目前为止,已有光学器件、自旋扭矩振荡元件、存储器等各种材料和器件的报道,但其性能仍有改善的空间。 研究小组之前通过将双电层晶体管用作物理储备池,开发出了模仿大脑特征进行类脑信息处理的技术,并显示出出色的性能。以该研究成果为基础,此次聚焦于通过锂离子氧化还原反应实现电流响应的氧化还原晶体管的开发。 双电层晶体管利用的是基于双电层充放电的电响应,而氧化还原晶体管利用的则是基于离子在通道中插入和脱离的电响应。 因此,如果将氧化还原晶体管用作物理储备池,就会形成由漏极电流和栅极电流的非线性响应引起的双重储备池状态,这将有助于提高信息处理性能。 经过研究成功开发出了在锂离子传导性玻璃陶瓷(LICGC)基板上层叠LixWO3薄膜的全固态氧化还原型晶体管。该元件通过施加栅极电压,可获得漏极电流(电子电流)和栅极电流(锂离子电流)的非线性响应,实现双重储备池状态。 由于赋予了比单一储备池更高的维度,因此有望提高计算处理等性能。通过将该元件用作物理储备池,可以实现神经形态计算(模拟大脑神经回路的计算机技术)。 实际上,此次在二阶非线性动力学方程和非线性自回归移动平均(NARMA2,)任务方面,显示出了比以往报道的器件更好的性能。另外,通过组合漏极电流和栅极电流(双储备池),高维性和存储容量都得到了提高。 研究小组表示,通过神经形态计算有望提高电子设备的信息处理性能并降低能耗。 ![]() (1)获取原文 |
|