TSUKUBA, Japan, 15. mai 2021 - (ACN Newswire) - Forskere blir bedre på å lage nevronlignende kryss for datamaskiner som etterligner menneskets hjerne tilfeldig informasjonsbehandling, lagring og tilbakekalling. Fei Zhuge fra det kinesiske vitenskapsakademiet og kollegaer gjennomgikk den siste utviklingen innen utformingen av disse 'memristors' for tidsskriftet Science and Technology of Advanced Materials.
|
|
| Forskere utvikler maskinvare for kunstig intelligens som muliggjør mer tilfeldig og samtidig informasjonsoverføring og lagring, omtrent som den menneskelige hjerne. |
Datamaskiner bruker programmer for kunstig intelligens for å huske tidligere lært informasjon og komme med spådommer. Disse programmene er ekstremt energi- og tidskrevende: vanligvis må store datamengder overføres mellom separate minne- og prosesseringsenheter. For å løse dette problemet har forskere utviklet maskinvare som muliggjør mer tilfeldig og samtidig overføring og lagring av informasjon, omtrent som den menneskelige hjerne.
Elektroniske kretser i disse 'neuromorfe' datamaskinene inkluderer memristorer som ligner på kryssene mellom nevroner som kalles synapser. Energi strømmer gjennom et materiale fra en elektrode til en annen, omtrent som en nevron som skyter et signal over synapsen til neste nevron. Forskere finner nå måter å bedre innstille dette mellomliggende materialet slik at informasjonsflyten blir mer stabil og pålitelig.
"Oksider er det mest brukte materialet i memristorer," sier Zhuge. “Men oksydmemorister har utilfredsstillende stabilitet og pålitelighet. Oksidbaserte hybridstrukturer kan effektivt forbedre dette. ”
Memristorer er vanligvis laget av et oksidbasert materiale som er klemt mellom to elektroder. Forskere får bedre resultater når de kombinerer to eller flere lag med forskjellige oksidbaserte materialer mellom elektrodene. Når en elektrisk strøm strømmer gjennom nettverket, induserer den ioner til å drive i lagene. Ionens bevegelse endrer til slutt memristorens motstand, noe som er nødvendig for å sende eller stoppe et signal gjennom krysset.
Memristorer kan innstilles videre ved å endre forbindelsene som brukes til elektroder eller ved å justere de mellomliggende oksidbaserte materialene. Zhuge og hans team utvikler for tiden optoelektroniske nevromorfe datamaskiner basert på optisk kontrollerte oksidmemristorer. Sammenlignet med elektroniske memristorer forventes fotoniske å ha høyere driftshastigheter og lavere energiforbruk. De kan brukes til å konstruere neste generasjons kunstige visuelle systemer med høy databehandlingseffektivitet.
Mer informasjon
Fei Zhuge
Chinese Academy of Sciences
E-post:
Om Science and Technology of Advanced Materials Journal (STAM)
Open access journal STAM publiserer fremragende forskningsartikler på tvers av alle aspekter av materialvitenskap, inkludert funksjonelle og strukturelle materialer, teoretiske analyser og materialegenskaper.
Dr. Yoshikazu Shinohara
STAM Publishing Director
E-post:
Pressemelding distribuert av ResearchSEA for Science and Technology of Advanced Materials.
Tema: Forskning og utvikling
kilde: Vitenskap og teknologi for avanserte materialer
Sektorer: Nanoteknologi
https://www.acnnewswire.com
Fra Asia Corporate News Network
Copyright © 2021 ACN Newswire. Alle rettigheter forbeholdes. En divisjon av Asia Corporate News Network.
Kilde: http://www.acnnewswire.com/press-release/english/66672/
- "
- adgang
- Alle
- artikler
- kunstig intelligens
- asia
- endring
- Kinesisk
- datamaskiner
- databehandling
- forbruk
- Gjeldende
- dato
- utforming
- effektivitet
- energi
- flyten
- maskinvare
- Høy
- HTTPS
- Hybrid
- Inkludert
- informasjon
- Intelligens
- IT
- Japan
- siste
- lært
- Making
- materialer
- nettverk
- nyheter
- Spådommer
- programmer
- Publisering
- forskning
- Resultater
- Vitenskap
- Vitenskap og teknologi
- VITENSKAPER
- forskere
- So
- LØSE
- Stabilitet
- lagring
- Systemer
- Teknologi
- innenfor
