Блог

Jun 06, 2023

Искусственный синапс высокой чувствительности и широкого диапазона отклика на основе полиимида со встроенными графеновыми квантовыми точками

Научные отчеты, том 13,

Научные отчеты, том 13, Номер статьи: 8194 (2023) Цитировать эту статью

354 доступа

1 Альтметрика

Подробности о метриках

Искусственные электронные синапсы обычно используются для имитации биологических синапсов для реализации различных функций обучения, что считается одной из ключевых технологий следующего поколения нейрологических вычислений. В этой работе использовалась простая техника центрифугирования для изготовления мемристорной структуры полиимид (PI): графеновые квантовые точки (GQD). В результате устройства демонстрируют удивительно стабильный экспоненциально затухающий ток постсинаптического подавления с течением времени, что интерпретируется феноменом пластичности, зависящей от времени спайка. Кроме того, с увеличением приложенного электрического сигнала с течением времени проводимость электрического синапса постепенно меняется, а электронный синапс также демонстрирует зависимость пластичности от амплитуды и частоты приложенного импульса. В частности, устройства со структурой Ag/PI:GQDs/ITO, подготовленные в этом исследовании, могут давать стабильный ответ на стимуляцию электрическими сигналами от милливольта до вольта, демонстрируя не только высокую чувствительность, но и широкий диапазон «чувств». , что заставляет электронные синапсы сделать шаг вперед, имитируя биологические синапсы. При этом механизмы электронной проводимости устройства также подробно изучаются и излагаются. Результаты этой работы закладывают основу для разработки нейроморфного моделирования, подобного мозгу, в искусственном интеллекте.

Мемристор считается четвертым основным элементом схемы после резистора, катушки индуктивности и конденсатора. В 1971 г. Чуа1 первым предложил концепцию мемристора, основанную на принципе симметрии, затем Струков2 и др. подтвердил это в ходе экспериментов в 2008 году. Исследование мемристора открывает реальный путь для разработки новой компьютерной архитектуры, которая объединяет хранение и обработку информации, которая преодолевает узкое место традиционной архитектуры фон Неймана. Мемристоры имеют ряд преимуществ, таких как энергонезависимость, высокая скорость, низкое энергопотребление, простая структура и легкая интеграция3,4. Таким образом, он показал широкие перспективы применения в новом поколении энергонезависимой памяти высокой плотности, нейроморфном искусственном интеллекте, высокоскоростных логических операциях и защищенных коммуникациях. Моделируемые мемристорами включают пластичность, зависящую от времени спайка (STDP), долговременную потенциацию/депрессию (LTP/LTD), кратковременную потенциацию/депрессию (STP/STD) и облегчение парных импульсов (PPF). Мемристоры, которые могут имитировать эти функции, часто называют электронными синапсами (е-синапсами). Ожидается, что Е-синапсы будут полностью имитировать биологические синапсы, что имеет решающее значение для реализации мозгоподобной нейроморфной обработки информации и вычислений искусственного интеллекта (ИИ) на уровне компонентов8,9.

Несмотря на то, что сообщалось о некоторых многообещающих достижениях, текущее исследование мемристоров по-прежнему сталкивается с некоторыми проблемами, как правило, с нестабильностью устройства, дискретным распределением параметров и недостаточной механической прочностью и долговечностью для носимых гибких устройств, что приводит к отставанию от стандартов коммерческого использования10,11. Обычно процесс подготовки, принятый для улучшения характеристик устройства, увеличивает сложность процесса и непригоден для крупносерийного производства. Стоит также отметить, что высокая чувствительность и широкое рецептивное поле биологических синапсов к внешним микростимулам позволяют биологическим синапсам ускорять обработку информации больше, чем компьютеры, с точки зрения индивидуальной безопасности, обработки информации и снижения энергопотребления. Однако электронные синапсы, о которых сообщалось в предыдущей литературе, могут реагировать только на ограниченный диапазон электрических сигналов, особенно о тех, которые могут реагировать на микростимуляцию, сообщается редко12. Поэтому для нейронных вычислений и приложений искусственного интеллекта стало предпочтительнее использовать материалы с высокими механическими свойствами и химической стабильностью для получения гибких мемристоров со стабильными характеристиками, высокой чувствительностью и широким диапазоном отклика с помощью простых и удобных в эксплуатации процессов13,14. .