世界科学出版社 人类神经大脑系统和基于忆阻器的电子神经形态系统的示意图
神经形态计算系统中典型忆阻器的基本机制
信用:世界科学出版社 在《纳米》杂志发表的一篇论文中,研究人员研究了忆阻器在神经形态计算中的作用
这种新型的基础电子元件支持以低成本和低功耗克隆生物神经系统
当代计算系统无法应对大数据时代在尺寸缩减和计算速度方面的严峻挑战
冯·诺依曼瓶颈是指通过连接处理器和存储单元的总线进行数据传输的障碍
这为基于生物神经元模型创建替代架构提供了机会
神经形态计算是模仿神经生物大脑结构的替代结构之一
人形神经大脑系统包括大约1000亿个神经元和许多连接突触
因此,一个高效的电路装置对于构建模拟人脑的神经网络至关重要
忆阻器是一种基本的电子元件,具有可扩展性、内存处理和互补金属氧化物半导体兼容性等显著特点,它的开发极大地促进了神经网络硬件的实现
忆阻器是作为一种“类似记忆的电阻”引入的,在这种情况下,施加的输入背景将改变器件的电阻状态
它是一种功能强大的电子元件,可以存储电流,以便有效地减小器件的尺寸并提高神经网络的处理速度
像在人类神经系统中一样,并行计算是在新型计算架构中的忆阻器设备的支持下进行的
对于大多数基于存储器的应用,系统不稳定性和不确定性被描述为当前的问题
这与生物过程相反
尽管有噪音、非线性、可变性和波动性,生物系统工作良好
然而,尚不清楚生物系统的有效性实际上取决于这些障碍
神经建模有时被避免,因为它不容易建模和研究
因此,利用这些特性的可能性当然是成功实现人工和生物系统的关键途径
来源:由phyica.com整理转载自PH,转载请保留出处和链接!