检索结果-内蒙古大学图书馆

科学通报 2021年第31期66卷 3944-3951页

作者：滕越杨姗刘芮存军事科学院军事医学研究院微生物流行病研究所病原微生物生物安全国家重点实验室北京100071

随着大数据、云计算和人工智能等技术为代表的计算新时代的到来,以构建人工神经网络为基础的神经拟态计算因具有低能耗、自适应学习和高并行计算等优点成为研究热点.生物分子计算伴随着合成生物学的兴起而不断发展, DNA等纳米材料不但... 详细信息

随着大数据、云计算和人工智能等技术为代表的计算新时代的到来,以构建人工神经网络为基础的神经拟态计算因具有低能耗、自适应学习和高并行计算等优点成为研究热点.生物分子计算伴随着合成生物学的兴起而不断发展, DNA等纳米材料不但可用于逻辑运算,还可以构造神经网络,并从训练数据中进行学习,为在分子层面实现神经拟态计算提供了可能.本文概述了神经拟态计算的基本原理,总结了DNA计算的研究进展,介绍了基于DNA计算的神经拟态计算,讨论了其发展所面临的挑战.基于生物材料构造人工神经网络是神经拟态计算迈向分子计算层面的重要一步,而由此集成的人工智能芯片则有望广泛应用于航空航天、信息安全及国防建设等领域.

关键词：神经拟态计算神经网络合成生物学 DNA计算人工智能

来源：评论

学校读者我要写书评

暂无评论

利用基因线路构建神经网络实现神经拟态计算

引用

科学通报 2021年第31期66卷 3992-4002页

作者：杨姗刘芮存刘拓宇庄滢潭李金玉滕越军事科学院军事医学研究院微生物流行病研究所病原微生物生物安全国家重点实验室北京100071

随着大数据时代的到来,现有计算体系限制了人工智能与类脑计算等新技术的发展.基于人工神经网络的神经拟态计算则提供了潜在解决方案,而具备低能耗并行化等优势的生物计算对其研究至关重要,其中基因线路将是构造人工神经网络的关键.本... 详细信息

随着大数据时代的到来,现有计算体系限制了人工智能与类脑计算等新技术的发展.基于人工神经网络的神经拟态计算则提供了潜在解决方案,而具备低能耗并行化等优势的生物计算对其研究至关重要,其中基因线路将是构造人工神经网络的关键.本研究利用生物元件构建设计了人工神经网络,并实现了线性分类、非线性分类以及图案分类等神经拟态计算应用,充分利用生物元件的特性,模拟神经网络中神经元的连接关系,根据生物元件在基因线路中产生不同响应作为元件选择标准,构建基因线路实现不同功能的神经拟态计算.本研究提出通过工程化基因线路构建人工神经网络实现神经拟态计算,由此集成的分子计算系统有望应用于人工智能芯片的制造,并进一步广泛应用于类脑计算、脑机接口及国防建设等领域.

关键词：神经拟态计算人工神经网络 DNA计算基因线路合成生物学

来源：评论

学校读者我要写书评

暂无评论

面向神经拟态计算的光片上网络研究

面向神经拟态计算的光片上网络研究

引用

作者：黄蕾西安电子科技大学

学位级别：博士

随着近年来机器学习应用范围的不断扩展,海量的数据与运算对计算机处理器的数据互连能力、处理能力、学习能力等提出了更高的需求,促进了以处理器为代表的片上互连方式和计算体系结构的革新。在过往处理器技术的发展过程中,缩小晶体管... 详细信息

随着近年来机器学习应用范围的不断扩展,海量的数据与运算对计算机处理器的数据互连能力、处理能力、学习能力等提出了更高的需求,促进了以处理器为代表的片上互连方式和计算体系结构的革新。在过往处理器技术的发展过程中,缩小晶体管尺寸以及提高工作频率是提升单核处理器性能的主要手段。受到物理极限限制,进一步缩小晶体管尺寸变得愈发困难,过高的工作频率亦会导致处理器能效的降低。片上网络(Network on Chip,No C)将组网思想移植到芯片设计中,将片上众多的IP(Intellectual Property)核通过网络进行高效互连,具有通信性能佳、重用性好、扩展性高、并行能力强等一系列优点。随着超大规模集成电路工艺的特征尺寸进一步缩小,采用电互连的片上网络因金属导线的寄生效应、延迟、串扰和能耗等问题,系统性能的提升受到严重限制。光片上网络(Optical Network-on-Chip,ONo C)采用光互连有效地解决电互连存在问题,具有更高的带宽密度、更小的通信时延、更低的系统功耗等优势。当下普遍采用的冯·诺依曼计算体系由于分立的存储与计算单元之间通信延迟导致的“访存墙”问题限制了未来处理器计算能力的进一步发展。神经拟态计算受脑神经机制和认知行为启发,借鉴生物脑处理模式使机器具有自适应性和自我学习能力,突破了传统冯·诺依曼结构访存瓶颈,在提高信息处理速率的同时显著降低功耗,成为近年来人工智能和计算机科学领域研究的热点。面向神经拟态计算的光片上网络利用光信号多维并行能力和高能效处理能力构建片上光脉冲神经网络,具有自适应性、稳健性和快速性的优势,并有效避免了传统数字光计算的芯片集成困难及模拟光计算的噪声积累等问题,有望成为新一代面向机器学习的硬件突破方向。本文以设计面向神经拟态计算的光片上网络为目标,针对现有人工智能实现方法在能效比、连接度、扩展性、智能化等方面问题,结合片上光计算和片上光互连的高带宽、高速率、低功耗等优势,通过理论研究、策略与方案设计、实验验证等方式研究片上光学神经元构建、光神经网络片上互连架构设计、片上光脉冲神经网络训练算法优化等,利用器件级仿真、网络级仿真、原型流片测试及功能性实验验证并评估方案性能,构建低能耗、高并行、大规模、易训练的光神经拟态计算片上网络体系。论文的主要工作及研究成果如下:(1)对面向机器学习的光计算相关研究进展进行了较为全面的综述,从深度学习、概率图、脉冲神经网络等神经网络模型出发对现有设计方案进行了整理和归纳,重点对机器学习的光学实现进行了分析和研究,介绍了相关理论基础、技术路线、研究内容,总结现有面向人工智能的光计算存在的挑战,并结合硅基光电子集成技术的新进展提出光神经网络构建的改进方向。(2)针对当前片上人工神经元在神经拟态网络中的扩展性不足、片外集成的激光器的集成难度高、能耗效率不足等问题,利用支持大规模硅基光电子片上集成的In As/Ga As量子点激光器,通过数值模型对能级跃迁速率方程进行表征,优化量子点激光器的性能参数,对LIF神经元模型进行匹配实验。仿真结果表明,基于量子点激光器的片上光学神经元具有人工神经元的脉冲生成、加权、整合、阈值处理、复位重置等能力,脉冲的时间分辨率达到皮秒级。此外,利用构建的基于量子点激光器的人工神经元,对一个四输入的片上神经元进行了建模和仿真测试,根据不同的权重对输出脉冲信号幅度的配置,验证了该基于量子点激光器神经元的激发与响应功能,为进一步构建大规模片上网络奠定基础。(3)针对电信号注入的片上网络光电转换功耗开销、相干光注入的片上网络波长利用率低等问题,结合非相干光信号注入类型片上网络的基本架构,设计了生物启发式光神经拟态片上网络架构,具体分为神经元、神经元组、神经团、蜂窝状功能区及区域协同系统五级,通过层级化、区域化的调度与协调减少波长开销,利用波分复用、空分复用等多种方式提高系统并行程度,并克服现有人工神经网络神经元间连接度低、扩展性差的问题。结合当前脉冲神经网络在经典模型下通过双层即可实现的结构特点,设计了双层神经元间支持波分复用的片上全连接结构的通用构造方法,流片验证了LACE片上全连接结构的可实现性与功能性,为构建高并行、大规模光神经拟态片上网络架构提供实物依据。(4)针对当前脉冲神经态网络训练算法的可解释性差及片上光学元件在规模化集成时的硬件加载问题,基于微环谐振器的片上光学突触相干效应模型和LACE片上全连接结构硬件的实测损耗数据,提出了脉冲神经网络脉冲时序依赖可塑性算法的权重矫正方法。该脉冲神经网络采用生物启发式光神经拟态片上网络架构,面向具有兴奋性神经元层和抑制性神经元层的双层神经网络,结合MR权重实现范围的数学表征对STDP学习算法进行优化,配合训练参数的进一步调整,使该神经拟态片上网络在脉冲编码下的MNIST识别准确率最高达到9

关键词：光片上网络神经拟态计算光交换单元脉冲神经网络片上光学神经元

来源：评论

学校读者我要写书评

暂无评论

磁斯格明子类脑器件

引用

科学通报 2025年第13期 1884-1892页

作者：刘艺舟杜海峰中国科学院合肥物质科学研究院强磁场科学中心

类脑计算仿照人脑神经网络通过人工神经元和突触器件实现信息处理,有望为加速人工智能发展、解决复杂认知问题提供更为高效节能的方案.由于传统半导体器件与类脑计算要求(如非易失性等)不匹配,其进一步发展需要从硬件层面着手,研发新型... 详细信息

类脑计算仿照人脑神经网络通过人工神经元和突触器件实现信息处理,有望为加速人工智能发展、解决复杂认知问题提供更为高效节能的方案.由于传统半导体器件与类脑计算要求(如非易失性等)不匹配,其进一步发展需要从硬件层面着手,研发新型器件.自旋电子学器件天然具备非易失性,是类脑计算硬件的潜在选择,特别是磁斯格明子,因其独特的拓扑性质、稳定性、低功耗及类孤子特性,有望成为类脑器件的高效信息载体.本文简要回顾了近年来磁斯格明子类脑器件的发展,从斯格明子器件相关的基本物性展开,进一步阐述了基于斯格明子的人工神经元和突触的基本工作原理及相关科研进展,最后对磁斯格明子类脑器件未来发展中面临的机遇与挑战进行了讨论.

关键词：磁斯格明子类脑计算神经拟态计算拓扑磁结构自旋电子学

来源：评论

学校读者我要写书评

暂无评论

2024年人工智能芯片技术主要发展分析

引用

无人系统技术 2025年第1期8卷 108-116页

作者：张怡朱小伶袁柳郭晓雷闫红艳中国电子科技集团有限公司电子科学研究院社会安全风险感知与防控大数据应用国家工程研究中心北京100041 中电科电科院科技集团有限公司北京100041

随着人工智能技术的快速发展,对计算能力的需求日益增长,传统计算架构已无法满足需求,因此新型人工智能芯片应运而生并不断迭代升级。对2024年人工智能芯片技术领域的主要发展动向进行了综合评述。首先介绍推动人工智能芯片技术发展的... 详细信息

随着人工智能技术的快速发展,对计算能力的需求日益增长,传统计算架构已无法满足需求,因此新型人工智能芯片应运而生并不断迭代升级。对2024年人工智能芯片技术领域的主要发展动向进行了综合评述。首先介绍推动人工智能芯片技术发展的主要举措,随后探讨了人工智能芯片技术的发展现状,最后展望了人工智能芯片技术的未来发展趋势。综述表明,构建技术及产业联盟、持续加大投资力度,成为当前人工智能芯片技术与产业发展的重要推动力;以光子芯片为代表的新型人工智能芯片、新型材料(例如仿生仿脑材料)在人工智能芯片中的应用、人工智能技术赋能人工智能芯片设计与制备,是当前人工智能芯片技术的发展重点;从应用场景与需求出发,人工智能芯片技术已经呈现出向高容量密度、低功耗、高定制集成等方向发展的趋势。

关键词：人工智能芯片人工智能光子人工智能芯片仿生材料神经拟态计算芯粒

来源：评论

学校读者我要写书评

暂无评论

反脉冲时间依赖可塑性学习机制的光学实现

引用

中国激光 2017年第5期44卷 222-226页

作者：李强王智崔粲乐燕思宋晓佳孙翀翚刘彪吴重庆北京交通大学理学院光信息科学与技术研究所发光与光信息技术教育部重点实验室北京100044 北京交通大学电气工程学院北京100044

突触可塑性为神经网络的学习机制提供了基础。基于单个半导体光放大器(SOA)的非线性偏振旋转(NPR)和交叉增益调制(XGM)效应实现了反脉冲时间依赖可塑性(anti-STDP)学习机制。通过调整SOA驱动电流,可以实现长时程增强窗口(LTP)和长时程... 详细信息

突触可塑性为神经网络的学习机制提供了基础。基于单个半导体光放大器(SOA)的非线性偏振旋转(NPR)和交叉增益调制(XGM)效应实现了反脉冲时间依赖可塑性(anti-STDP)学习机制。通过调整SOA驱动电流,可以实现长时程增强窗口(LTP)和长时程抑制窗口(LTD)的高度和宽度调整,能更好地模拟神经网络。实验测量得到的anti-STDP曲线与生物系统中测量得到的学习曲线相吻合。使用该anti-STDP光路得到的学习曲线的时间窗口约为几百皮秒,其速度是人类大脑STDP学习机制的108倍。由于该anti-STDP光路系统简单,且SOA易于与其他器件集成,该anti-STDP光路可以用于实现大规模超快神经拟态计算系统。

关键词：非线性光学神经拟态计算反脉冲时间依赖可塑性半导体光放大器光子脉冲神经元

来源：评论

学校读者我要写书评

暂无评论

基于二维材料异质结的光电类突触器件制备与性能研究

基于二维材料异质结的光电类突触器件制备与性能研究

引用

作者：彭皓电子科技大学

学位级别：硕士

由于信息时代的来临,人们在人工智能、大数据以及物联网等领域急需更高性能、更低能耗的计算系统,而传统的冯·诺依曼体系架构在信息处理和存储方面存在缺陷。研究者把目光转向了神经拟态计算,即通过模拟自然界中最高效的计算系统... 详细信息

由于信息时代的来临,人们在人工智能、大数据以及物联网等领域急需更高性能、更低能耗的计算系统,而传统的冯·诺依曼体系架构在信息处理和存储方面存在缺陷。研究者把目光转向了神经拟态计算,即通过模拟自然界中最高效的计算系统——人脑来极大地提升计算机的计算效率并实现智能化,例如自主学习和思维能力等。而要实现神经拟态计算这一伟大构想,我们的首要目标便是要制备出能在结构以及功能上模拟生物突触的新型器件——即类突触器件。自从神经拟态计算这一概念被提出,类突触器件已经取得一定发展,但是仍面临带宽不足以及信号串扰等问题。而通过引入光学信号,光电类突触器件可以有效解决以上问题。MoS2和GaSe等作为光电性能优异的二维半导体材料,一直以来被广泛应用于光电探测领域。本文首先通过制备MoS2/GaSe异质结并施加特定序列的激光信号,使器件成功模拟了部分生物突触行为。对基于MoS2/GaSe异质结的背栅型光电类突触器件上同时再施加电脉冲信号实现了光电耦合刺激下器件对生物突触功能模拟,拓展了器件的应用场景范围和对复杂生物突触功能的模拟能力。主要研究内容如下:（1）通过机械剥离、无掩模激光直写光刻、溶液刻蚀等方法,制备了ITO/MOS2/GaSe/ITO光栅型光电类突触器件,使用拉曼、原子力显微镜等对其进行表征,验证了异质结的成功堆叠。通过实验室设计搭建的测试体系,首先研究了器件的伏安特性及其光电响应,相对于单一二维材料,ITO/MoS2/GaSe/ITO异质结的光电流则提升了2至3个数量级并呈现整流特性,其中正向导通电压约为0.4V。这是由于在光照下,由价带顶激发的电子以及对应的空穴,在源漏电场作用下,越过降低的势垒形成更大的光电流。随后通过施加激光脉冲信号,得到突触后兴奋电流（EPSC）,其中在功率5 mW、持续时间1 s的520 nm激光下,得到EPSC的上升沿时间为33 ms,弛豫时间为20 ms,相比于现有多数类突触器件更符合实际电路应用的速度要求。通过改变相应脉冲参数研究了EPSC与刺激信号波长、强度、持续时间、频率的关系。其中在405 nm,450 nm,520 nm,635 nm,808 nm激光下,器件均有稳定、数值约为60 nA的光电流产生,使得在进行突触功能模拟时可以得到稳定的EPSC,并且验证了器件具有较大的工作带宽。随波长增加光电流逐渐减小,这与MoS2和GaSe的光吸收度随波长增加而减小有关。随着激光的强度、持续时间以及频率增加,光电流也逐渐增大,并逐步趋于饱和,基于光电导理论的解释,这是由光生载流子对的数量随以上参数提升而逐步增加,并且逐步与同时增大的复合速率相互抵消而导致,这也符合生物突触中EPSC对于外界刺激信号的对应变化情况,使器件能够更加真实地模拟更多生物突触功能。更进一步地,实现了器件对于生物突触中滤波特性、长时程突触可塑性（LTP）和双脉冲易化（PPF）等的模拟。相比于现有类突触器件,具有更宽的信号带宽,更快的响应速度以及避免了电学信号之间的串扰。（2）通过机械剥离、光刻工艺、磁控溅射等方法,在SiO2基底上制备了基于MoS2/GaSe范德华异质结的背栅型光电类突触器件,源漏电极采用金。通过在背栅上施加电刺激脉冲信号,同时辅以激光照射,实现了器件对于生物突触中高通滤波特性、随着脉冲数量从2增加到10以及脉冲间隔从5 ms减小至0.2 ms实现STP向LTP的转变,以及双脉冲易化等功能的模拟。并对器件工作机理进行分析,其中当背栅上施加正/负5 V偏压时,引起SiO2与MoS2接触界面处MoS2能带向上/下弯曲,并造成空穴的堆积/耗尽,进而造成源漏电流增大/减小。通过同时施加光电脉冲刺激信号,模拟了非对称性的突触尖峰时序可塑性（STDP）。本部分研究表明,通过增加栅极数量并且施加光电耦合信号,优化了器件只能使用单一光输入信号的缺陷,其中光电耦合的混合输入模式更符合生物突触的实际情况,并能够实现更加复杂的突出行为,例如STDP等。

关键词：二维材料异质结突触光电导效应神经拟态计算

来源：评论

学校读者我要写书评

暂无评论

基于硅纳米晶体的晶体管型光电神经突触器件研究

基于硅纳米晶体的晶体管型光电神经突触器件研究

引用

作者：韩成浙江大学

学位级别：硕士

模仿大脑功能的神经拟态计算现在是除了传统的冯·诺依曼计算之外最重要的技术之一。而在大脑中,学习和记忆等功能的实现是通过神经元修改生物突触之间的突触权重进行的,这表明了神经突触器件的研究对于神经拟态计算的实现至关重要... 详细信息

模仿大脑功能的神经拟态计算现在是除了传统的冯·诺依曼计算之外最重要的技术之一。而在大脑中,学习和记忆等功能的实现是通过神经元修改生物突触之间的突触权重进行的,这表明了神经突触器件的研究对于神经拟态计算的实现至关重要。在过去的几年里,许多具有忆阻器和场效应晶体管(FET)结构的神经突触器件已经被制造出来。具有场效应晶体管结构的神经突触器件由于具有易编程和易集成的特点,得到了很多研究者的关注。到目前为止,大多数晶体管型神经突触器件都已经被证实可以实现电刺激。然而,最近神经科学中光遗传学领域的发展引发了人们对光刺激的晶体管型神经突触器件研究的兴趣,将光引入到晶体管型神经突触器件不仅可以显著增大突触器件的带宽,还可以有效缓解突触器件的互连问题。光刺激的晶体管型神经突触器件最近已经通过使用二维(2D)材料(如石墨烯和MoS2)制造出来,尽管这些器件也显示出优异的突触可塑性,但它们的光刺激仅限于在较窄的紫外(UV)—可见光谱范围内有效,而在兼容光通信领域的近红外(NIR)波段,光刺激仍然难以实现。另外,二维材料的光学吸收通常很弱,因此基于二维材料的突触器件需要更大功率的光刺激,然而这实际上对于超低能耗的神经拟态计算的发展来说是一个严重的问题。值得注意的是,光刺激的晶体管型神经突触器件也可以施加电刺激,并且为了实现突触器件的高性能、多功能,光刺激和电刺激的协同作用是很有必要的,然而这一领域至今尚未被深入的研究。在本文中,我们通过使用硼掺杂的硅纳米晶体制备了光刺激的晶体管型神经突触器件,硼掺杂的硅纳米晶体在较宽的紫外(UV)到近红外(NIR)光谱范围内都具有较强的光吸收。这些器件基本都可以实现紫外到近红外光谱范围的光刺激,而且由光刺激引起的器件的光栅压现象可以模仿一系列重要的突触功能。从器件的并行性考虑,我们也可以在基于硅纳米晶体的晶体管型神经突触器件的栅电极处轻易地施加电脉冲刺激。我们利用光刺激和电刺激的协同作用,不仅实现了基于硅纳米晶体的晶体管型神经突触器件的超塑性和逻辑功能,还模仿了厌恶学习的神经行为。目前基于硅纳米晶体的晶体管型神经突触器件实现了超低的能量消耗,有望应用于未来高能效神经拟态计算的发展。本文主要的研究内容和结果如下:(1)利用冷等离子体法制备从紫外到近红外都具有很强光吸收的的掺硼硅纳米晶体,利用场发射透射电子显微镜(TEM)表征其晶体结构和晶粒尺寸,利用紫外-可见-近红外吸收光谱表征其吸光特性。制备基于硅纳米晶体的晶体管型神经突触器件,利用光学显微镜和扫描电子显微镜(SEM)表征器件表面形貌。在单个器件上施加电刺激得到兴奋性神经突触后电流(EPSC)、双脉冲易化(PPF)等验证其突触可塑性,并对其机理提出解释。(2)我们对器件进行光刺激,得到了光刺激下突触可塑性,并利用光电耦合刺激,实现STDP、厌恶学习、逻辑计算、超可塑性等突触功能,对该器件的一致性、写入噪声、非线性、功耗等性能做出了表征,并利用基于硅纳米晶体的晶体管型神经突触器件的突触行为以MNIST手写数字库为对象做了神经拟态计算仿真模拟,得到了93.6%的图像识别精确度。

关键词：硅纳米晶体光电晶体管神经突触器件神经拟态计算

来源：评论

学校读者我要写书评

暂无评论

基于硅纳米晶体的光电神经突触器件研究

基于硅纳米晶体的光电神经突触器件研究

引用

作者：谭华浙江大学

学位级别：硕士

随着物联网(IoT)、大数据(BD)和人工智能(AI)领域的崛起,人们对低能耗、高适应性计算的需求日益增长。神经拟态计算具有与传统冯·诺依曼计算完全不同的信息处理方式,通过模仿人脑构造来大幅提高计算机的思维能力与反应能力,因此神... 详细信息

随着物联网(IoT)、大数据(BD)和人工智能(AI)领域的崛起,人们对低能耗、高适应性计算的需求日益增长。神经拟态计算具有与传统冯·诺依曼计算完全不同的信息处理方式,通过模仿人脑构造来大幅提高计算机的思维能力与反应能力,因此神经拟态计算可能成为后冯诺依曼时代的主角。而这一功能的实现首先需要模拟出和大脑基本单元神经突触一样工作的器件——神经突触器件。虽然电子神经突触器件研究取得了长足的进步,但仍然面临着低带宽和互联串扰等问题。光电神经突触器件引用光学处理机制,很好地解决了上述困扰。目前,虽然已经有一些新颖的材料被用来制备光电神经突触器件,但传统冯·诺依曼计算硬件体系中最基础的硅材料,还没有被研究应用到光电神经突触器件领域。在本文中,我们利用硅最重要的存在形式之一——硅纳米晶体来制备光电神经突触器件。掺杂后硅纳米晶体可以有效吸收紫外一近红外(～2μm)的光子,大大扩展了光电神经突触器件的工作宽带。我们利用宽光谱的脉冲激光作为突触尖峰,刺激器件模拟出一系列的主要的生物突触可塑性。同时发现,器件可塑性的产生与硅纳米晶体表面悬挂键引起的陷阱态动态俘获和释放光生载流子有关。本工作采用硅纳米晶体制备宽光谱光电神经突触器件对硅应用到神经拟态计算具有重要的推动意义。论文的研究内容主要包括:1.采用冷等离子法制备硅纳米晶体(Si-NC),通过在气相中引入硼烷,制备出硼掺杂的硅纳米晶体。利用X射线衍射(XRD)、拉曼(Raman)光谱和透射电子显微镜(TEM)表征出硼掺杂硅纳米晶体的结构和形貌信息。扫描隧道显微镜(STM)、电子顺磁共振(EPR)、晶体管和变温电导测试显示出硼掺杂硅纳米晶体电子结构中存在明显的陷阱态和带尾态,陷阱态与硅纳米晶体表面的悬挂键有关,带尾态由硼掺杂引起。紫外-可见-近红外吸收光谱也证实了带尾态使其光学禁带宽度减小,有利于提高光电神经突触器件的工作带宽。2.采用氧化铟锡(ITO)/Si-NC/铝(Al)“三明治”式器件结构,首先在玻璃基底上制备了硅纳米晶体光电神经突触器件。利用脉冲激光作为突触尖峰,刺激单个器件模拟出突触后兴奋电流(EPSC)、双脉冲易化(PPF)、短时程可塑性(STP)和长时程可塑性(LIP)等行为。随后将两个突触器件耦合,分别作为突触前和突触后神经元,两束间隔时间为△tpre-post的脉冲激光分别刺激前后神经元,模拟尖峰时序可塑性(STDP)。耦合器件中能观察到非对称STDP原因在于Al/Si-NC界面上存在肖特基势垒,同时前后神经元的载流子传输距离也存在差异。结合对硼掺杂硅纳米晶体光电性质的表征,我们认为硅纳米晶体中的陷阱态对载流子的俘获与释放是器件可塑性产生的关键原因。而紫外光刺激下器件非易失性记忆效应的产生与Si-NC的光吸收性质以及Al/Si-NC界面的氧空位离化有关。

关键词：硅纳米晶体掺杂宽光谱光电神经突触器件神经拟态计算

来源：评论

学校读者我要写书评

暂无评论

基于多脉冲的深度神经网络学习算法研究

基于多脉冲的深度神经网络学习算法研究

引用

作者：马晨翔天津大学

学位级别：硕士

作为脑启发的新一代神经网络,脉冲神经网络(Spiking Neural Network,SNN)以脉冲作为信息表示和传输的载体,具有高效计算的潜在优势。但是,脉冲神经元模型固有的非线性、不连续性以及复杂性等特点使设计有效的深度SNN学习算法极具挑战。... 详细信息

作为脑启发的新一代神经网络,脉冲神经网络(Spiking Neural Network,SNN)以脉冲作为信息表示和传输的载体,具有高效计算的潜在优势。但是,脉冲神经元模型固有的非线性、不连续性以及复杂性等特点使设计有效的深度SNN学习算法极具挑战。一种简单而有效的策略是利用传统人工神经网络(Artificial Neural Network,ANN)构造深度SNN。然而,目前的方法难以有效结合ANN的高精度以及SNN的高效率。本文首先提出新的脉冲形式——增广脉冲,其利用额外的维度以承载脉冲发放的强度信息。随后,基于增广脉冲,本文提出了新的转换方法Aug Mapping以构造深度SNN。实验结果表明,与其他转换方法相比,Aug Mapping能够更准确、快速以及高效地构建深度SNN。尽管基于转换的策略可以缩小SNN与ANN的精度差距,但SNN的效果也由此受到ANN的制约。为突破ANN的性能瓶颈,研究深度SNN的直接训练算法将更具长远意义。本文进而提出了新的深度多脉冲学习算法,该学习算法根据特定关键时间点以构建误差信号,进而利用反向传播更新网络参数。实验结果表明所提出的学习规则在基准数据集上取得了较高准确率,并且可以学习基于不同编码的输入信息。然而,该算法需通过逐层传递的方式计算梯度,难以并行化且需要极大计算资源。受生物神经元突触可塑性所启发的局部学习方法为上述问题的解决提供了方案,但是其在实际应用任务中识别准确率较低。本文设计了一个有监督的局部学习方案,即每个隐层都借助辅助分类器独立优化。根据梯度的不同计算方式,本文提出了三种多脉冲局部学习规则,即ELL、BELL和FELL。ELL仅考虑当前时刻处的直接依赖关系,而BELL和FELL则分别通过反传和前传过程考虑相关的时间依赖信息。本文用多种数据集评估了所提方法的性能。实验结果表明所提出的方法在准确率方面大幅超过了其他基于脉冲的局部学习算法。本论文为构建深度SNN提供了新的高效学习算法,将为理解大脑中以脉冲为基础的信息处理和学习机制提供启发,并将有助于类脑计算及新一代人工智能技术的发展。

关键词：脉冲神经网络多脉冲学习算法类脑计算神经拟态计算深度学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：