研究论文开放获取
基于低维材料的神经形态器件研究进展
Yiting Liu, WAN Jun, Chenguang Qiu, Jin Zhao, Hua Wang
China Jiliang University Taiyuan University of Technology Peking University Chinese Academy of Sciences
来源Chinese Journal of Luminescence
年份2023
阅读操作
确认中在文库中上传 PDF 后可生成中文音频讲解。
摘要与影响
摘要 · 完整
大数据和物联网时代的到来使得传统冯·诺依曼架构的计算机在数据处理过程中面临极大的挑战,存算分离的架构从根本上限制着计算机的计算速度和能效,迫切地需要开发一种新的计算范式来应对当前面临的问题和挑战。近年来,神经形态计算以高度的并行处理、极低功耗和存算一体的特征受到广泛关注。其中,具有独特物理机制的新型神经形态器件是构建神经形态芯片的基本底层单元。在构建神经形态器件的众多候选电子材料中,低维材料相比传统三维材料具有优异的物理特性和电学特性,并且弱的层间范德华力使其易于堆叠,有利于异质整合集成。本文详述了基于低维材料的人工突触器件和人工神经元器件的研究进展,总结了不同类型神经形态器件的工作机制、性能指标和技术优势。在此基础上,介绍了低维材料的神经形态器件在视觉、听觉、运动控制和规模集成芯片等领域的应用,并对神经形态器件未来发展趋势进行了展望。
逐年被引趋势
110
125
关键指标
1
被引次数 · OpenAlex
0.07
领域内被引倍数
同类平均 = 1
同类平均 = 1
前 76%
引用位次
同领域 · 同年份 · 同类型
同领域 · 同年份 · 同类型
0
参考文献
Google Scholar 与 OpenAlex 的被引统计范围不同,数值存在差异属正常。
AI 辅助阅读
依据:摘要
论文问答
当前基于摘要回答
可就本文提问;依据不足时会说明。
学术脉络
学科主题
工程Advanced Memory and Neural Computing
2D Materials and Applications · Ferroelectric and Negative Capacitance Devices
参考文献 0
暂无参考文献明细
引用本文 1
暂无引用本文的记录