用于脉冲神经形态系统中仿生学习的石墨烯基人工树突
介观与纳米尺度物理
2023-10-05 v1 应用物理
摘要
模拟神经形态计算系统模拟人脑的并行性与连接性，相比数字系统有望具备更高表达力与能效。尽管许多器件已成为人工神经元与人工突触的候选，人工树突的器件候选却很少。本工作中，我们报道了可实现树突处理的生物相容性石墨烯基人工树突（GrADs）。通过使用双侧栅配置，流经Nafion膜施加的电流可用于控制三层石墨烯沟道间的器件电导，展现出泄漏递归、alpha与高斯树突电位的时空响应。这些器件可可变连接以实现更高阶神经元响应，并且我们通过数据驱动的脉冲神经网络分类仿真表明，整体脉冲活动在不损失精度的情况下最多降低15%，同时低频操作得以稳定。这使GrADs成为高能效生物接口脉冲神经网络的强力候选。
引用
@article{arxiv.2310.02364,
title = {Graphene-Based Artificial Dendrites for Bio-Inspired Learning in Spiking Neuromorphic Systems},
author = {Samuel Liu and Deji Akinwande and Dmitry Kireev and Jean Anne C. Incorvia},
journal= {arXiv preprint arXiv:2310.02364},
year = {2023}
}