AMiner推荐论文:Flexible artificial Si-In-Zn-O/ion gel synapse and its application to sensory-neuromorphi

研究人员报告了一种基于硅-铟-氧化锌/SIZO/离子凝胶混合结构的柔性人工突触,展示其在高机械性能和电应力下的稳定性。设计的柔性神经形态系统结合了可拉伸电阻传感器和人工突触,用于手语翻译,通过训练和识别任务实现了99.4%的最高识别率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

论文链接:https://www.aminer.cn/pub/617e73425244ab9dcb4fde3b?f=cs
对未来人工智能系统的需求导致了柔性电子设备到神经形态设备的研究范围的扩大。大多数相关研究主要集中在突触设备的发展上,而突触设备是神经形态计算技术中人工神经网络(ANNs)最重要的组成部分。虽然已经证明了柔性突触设备和传感器嵌入式突触的可行性,但仍需要对突触性能评估进行更多的研究用于应用于复杂的ANN。此外,很少有研究利用传感器获得的数据,通过训练和识别任务进行整个系统级的性能研究。
韩国佳川大学SANG YEOL LEE课题组和成均馆大学的JIN-HONG PARK课题组合作报道了一种灵活的人工突触,它基于硅-铟-氧化锌(SIZO)/离子凝胶混合结构,直接制造在聚酰亚胺化物衬底上,其中通道电导通过离子凝胶中的离子运动有效地调节。在该柔性突触装置在高机械性能(弯曲1500次,半径为5mm)和电应力(施加电压脉冲104倍)的情况下,表现出非常稳定的突触性能,而没有衰退。文中设计了一个由可拉伸电阻传感器和柔性人工突触组成的手语翻译的感知神经形态系统,并利用可伸缩传感器获得的手符号模式进行训练和识别模拟进行了成功评估,最高识别率99.4%。
AMiner,让AI帮你理解科学!https://www.aminer.cn
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值