WIKI资讯
WIKI资讯
基于冯·诺依曼架构的传统数字计算机，其数据处理与存储分离结构限制了其工作效率，同时带来巨大功耗，无法满足大数据时代下计算复杂性的需求。同时，上述缺陷也阻碍了深度学习神经网络的进一步发展。而借鉴人脑神经突触结构，构筑结构简单、低功耗、高低阻态连续可调的非易失性阻态忆阻器是实现类脑神经形态计算中至关重要的一步。 目前，模仿生物神经系统中突触间隙神经递质释放过程与电信号传递处理调控构建的多栅极人造神经元晶体管常表现出高低电阻态的突变。然而，基于二维材料的两端电阻开关器件通常表现出从高电阻状态到低电阻状态的突变。 为解决上述问题，中国科学院上海微系统与信息技术研究所研究员丁古巧课题组与深圳大学电子科学与技术学院副教授韩素婷、深圳大学高等研究院研究员周晔合作，利用新型碳基二维半导体材料C3N实现了可调突触行为的人工突触模拟忆阻器。该器件可以实现电阻值随着连续的电压扫描而逐渐变化的典型的忆阻行为。近常压X射线光电子能谱证实C3N薄膜......阅读全文
人工智能技术的发展为人机交互、仿生感知系统及智能机器人等领域带来革命性变化，同时也对复杂数据的处理和人机交互界面提出新要求。不同于目前基于软件系统和冯·诺依曼构架计算体系实现的神经网络，人脑运算方式具有高效率和低功耗的特点。因此，通过人工突触器件的制备，在硬件层面上模拟人脑的神经拟态器件，对构建
最近，美国加州大学圣巴巴拉分校研究人员演示了一种包含100个人工突触的简单人工神经元线路，第一次证明了这种线路能执行简单的人类视觉功能——给图像分类，这标志着人工智能的一项重大进步。 人脑比电脑具优势 尽管人脑有着潜在缺陷，计算中会犯各种错误，但却保持着一种强大而有效的计算模式，它能在不到1
中国科学技术大学李晓光团队基于铁电隧道结量子隧穿效应，实现了具有亚纳秒信息写入速度的超快原型存储器，并可用于构建存算一体人工神经网络，该成果近日在线发表于《自然—通讯》。 在大数据时代，海量数据的低能耗、快速存储处理是突破和完善未来人工智能、物联网等技术发展的关键之一。为此，迫切需求一种既能匹
可用来构建类大脑功能人工神经系统 据物理学家组织网6月20日报道，中国和新加坡科学家合作，利用二硫化钼创建出一种新型“神经元晶体管”。每个晶体管能模拟大脑中的单个神经元执行计算任务，可成为构建各种类神经硬件的基本组件。相关论文发表在最新一期《纳米技术》杂志上。 只有具备能像神经元一样执行加权
记者日前从东北师范大学获悉，在国家自然科学基金及国家重大科学研究计划的资助下，该校刘益春研究组利用InGaZnO材料，构造了具有自主学习和记忆能力的神经突触仿生器件，在单一无机器件中实现了多种生物突触功能。相关成果发表在国际学术期刊《先进功能材料》上，并被选为标题页文章进行了重点报道。 据
生物体中，感受神经系统是本体与外界环境交互的基本信息感知系统。生物体对生存环境的信息甄别与过滤，主要基于感受神经系统的习惯化功能。当前，人类社会正由信息化向智能化演进。智能化社会需要高效智能的信息感知系统对感知到的巨量信息进行有效甄别、处理和决策，并对重复无意义的信息进行有效过滤。因此，基于生物
来自法国国家科学研究中心及其他研究组织的研究人员创造了一种能够自主学习的人工突触。他们还对该设备进行建模，这对于开发更复杂的脑回路至关重要。该研究4月3日在《自然—通讯》杂志上发表。 生物模拟学的目标之一是从大脑的功能中获得灵感，以便设计越来越多的智能机器。这一原则已经以完成特定任务的算法形式
人类的大脑可以认为是一种高效的信息存储与计算系统，具有非常低的功耗（~ 20 W）。这主要源于人脑对信息处理的独特方式。人脑中存在大量的神经元，其相互连接构成复杂的神经元网络。每两个神经元的连接点称为突触，信息通过突触连接强度（即突触权重）的变化进行存储与计算。突触可塑性即是通过特定模式的突触活
2016年3月，AlphaGo与职业围棋选手的对局引发了人们对于人工智能的高度关注。计算机在一个公认的非常复杂的计算与智力任务中，打败了人类的顶尖选手，靠的是类人脑的智能吗？从系统的结构看，AlphaGo结合了深度神经网络训练与蒙特卡洛模拟[1]。广义的说，深度神经网络是类脑的计算形式，而蒙特卡