德克萨斯大学奥斯汀分校和桑迪亚国家实验室的研究人员发表了这篇题为“用于提高精确神经形态计算的化生和高效生物兼容石墨烯人工突触晶体管”的新技术论文。
摘要
“采用冯·诺依曼架构的基于cmos的计算系统在并行数据存储和处理方面相对有限。相比之下，人脑是一个活的计算信号处理单元，具有极高的并行性和能源效率。尽管在过去十年中出现了大量的神经形态电子设备，但其中大多数都是刚性的或含有对生物系统有毒的材料。在这项工作中，我们报告了生物相容性双层石墨烯为基础的人工突触晶体管(BLAST)能够模拟突触行为。BLAST器件利用干式离子选择膜，实现长期增强，功率为~50 aJ/µm2开关能量效率，至少比以前的二维材料人工突触的报道低一个数量级。该设备显示出独特的超可塑性，这是可推广的深度神经网络的有用特征，并且我们证明了在经典图像分类任务中，化生母细胞优于理想的线性突触。由于开关能量远低于每个生物突触估计的1 fJ能量，所提出的设备是生物接口在线学习的强大候选者，弥合了人工神经网络和生物神经网络之间的差距。”
找到开放获取这里是技术文件．2022年7月出版。
Kireev D.， Liu S.， Jin H.等。化生高效生物相容性石墨烯人工突触晶体管用于提高神经形态计算的准确性。Nat公社13,4386(2022)。https://doi.org/10.1038/s41467 - 022 - 32078 - 6。
留下回复