基于有机电化学晶体管的分子尺度多模态感知与神经形态计算集成
新兴技术
2022-02-22 v2 材料科学
软凝聚态物质
摘要
摘要：具有融合感知、存储与处理功能的仿生学习在效率和面积上优于运行于硅芯片上的神经网络。然而，仿生学习的数字硬件实现受限于传感器与处理核心的设备异质性，带来了巨大的硬件、能耗与时间开销。在此，我们提出一种通用方案，利用具有设计架构和定制沟道形貌、选择性离子注入至晶态/非晶态区域的有机电化学晶体管，同时实现多模态感知、存储与处理。所得器件既可作为展现多模态感知的易失性受体，也可作为具有创纪录 10 位模拟态、低切换随机性和良好保持特性且无需集成任何额外器件的非易失性突触。此类器件的同质集成实现了仿生学习功能，例如通过储备池计算实现条件反射与实时心脏疾病诊断，展示了未来智能边缘健康信息学的潜力。
引用
@article{arxiv.2202.04361,
title = {Molecular-scale Integration of Multi-modal Sensing and Neuromorphic Computing with Organic Electrochemical Transistors},
author = {Shijie Wang and Xi Chen and Chao Zhao and Yuxin Kong and Baojun Lin and Yongyi Wu and Zhaozhao Bi and Ziyi Xuan and Tao Li and Yuxiang Li and Wei Zhang and En Ma and Zhongrui Wang and Wei Ma},
journal= {arXiv preprint arXiv:2202.04361},
year = {2022}
}
备注
17 pages, 4 figures