行业资讯 > 最新资讯 > 科研成果

Nature:基于金属氧化物忆阻器的一个神经形态网络

构造能与它们的生物原型的认知复杂性相媲美、但性能更高的神经形态网络是计算领域最大的挑战之一。


制造这种器件(它们有可能比基于复杂硅线路的器件更简单)的一个有希望的方法是,将“互补型金属氧化物半导体”(CMOSs)与可调二端电阻器件(忆阻器)相结合。

1.jpg

在这篇论文中,Dmitri Strukov及同事演示了一个无晶体管的金属氧化物忆阻器网络,它具有低的器件可变性,充当一个单层的感知器(perceptron)。


换句话说,它能学会识别不完整的3 × 3 像素黑白图案,将其当做字母表中三个字母当中的一个。


这一方法的优势是其可扩展性,所以构造能处理更有挑战性任务的更大神经形态网络也是有可能的。

热门排行

推荐阅读

回到顶部