XiaoMi-AI文件搜索系统
World File Search System下向忆
用于下一代零链可追溯性 SI 标准的本征室温量子电阻忆阻器
图 2 | 通过电化学抛光稳定的量子电导能级。a. 忆阻单元中的 SET 过程示意图，该过程是一种电化学驱动过程，且尖端形成的电场进一步加速了这一过程。细丝生长过程中的恶劣条件通常会导致量子电导能级的高度不可预测性和多变性。b. RESET 过程中的电化学抛光效应能够通过首先去除/溶解接触配置中的不稳定原子而保留更稳定的原子来获得更可靠的量子电导能级。在此框架中，系统通过离散的电导能级从低阻态 (LRS) 演变为中间亚稳态电阻态 (MRS) 再演变为量子点接触 (QPC)。在 RESET 过程中，不稳定的原子将从细丝中去除，留下最稳定的原子形成稳定的 QPC。c.循环示例：通过 100 mV/s 的电压扫描速率获得突然 SET，通过慢速电压扫描（1.2 mV/s）通过电化学抛光获得逐渐 RESET。d. 通过电化学抛光获得的 RESET 过程显示稳定的量子电导平台，为 𝐺 0 的倍数。插图显示了扫描施加电压时量子电导平台随时间的稳定性。
受大脑启发的内存计算系统......
摘要 — 脑启发式方法可以有效地分析生物神经网络的活动，并以冯·诺依曼架构无法实现的能效解决计算难题，这表明对神经元通信和功能的理解有了显著的提高。在这里，我们提出了一种脑启发式多模态信号处理系统，该系统具有有机忆阻器阵列，可以潜在地整合信号传感、存储和计算。为了促进多模态信号处理系统的设计，我们使用了四个组件。首先，我们提出了一个多模态信号传感模块，主要负责多模态（图像、回声、嗅觉、肌肉和味觉）信号的收集、融合和存储。其次，在制造白蛋白忆阻器后，构建了一个高密度交叉点忆阻突触阵列，以实现计算、数据存储和通信层之间的密集连接。第三，考虑到大脑区域的结构和功能，我们展示了一个用于分层学习的通用学习模块，它可以识别和想象多模态信息。最后设计了必要的外围电路模块（包括无胜者竞争功能电路、模拟数字转换器、数字模拟转换器、脉冲调制器等）。值得注意的是，我们的系统可以每秒捕获大量数据并对多模态信号进行原位处理。这项研究有望帮助实现纳米材料与神经形态计算系统和节能集成电路的深度集成。
在异构混合信号神经形态处理系统中实现稳健计算的脑启发方法
神经形态处理系统使用混合信号模拟/数字电子电路和/或忆阻设备实现脉冲神经网络，代表了一种有前途的技术，适用于需要低功耗、低延迟且由于缺乏连接或出于隐私考虑而无法连接到云进行离线处理的边缘计算应用。然而，这些电路通常噪声大且不精确，因为它们受设备间差异的影响，并且工作电流极小。因此，按照这种方法实现可靠的计算和高精度仍然是一个悬而未决的挑战，一方面阻碍了进展，另一方面限制了这项技术的广泛采用。从构造上讲，这些硬件处理系统具有许多生物学上合理的约束，例如参数的异质性和非负性。越来越多的证据表明，将这些约束应用于人工神经网络（包括用于人工智能的神经网络），可以提高学习的稳健性并提高其可靠性。在这里，我们深入研究神经科学，并提出网络级大脑启发策略，进一步提高这些神经形态系统的可靠性和稳健性：我们通过芯片测量来量化群体平均在多大程度上有效地减少神经反应的变化，我们通过实验证明皮质模型的神经编码策略如何允许硅神经元产生可靠的信号表示，并展示如何利用这些策略稳健地实现基本计算原语，如选择性放大、信号恢复、工作记忆和关系网络。我们认为，这些策略可以有助于指导使用噪声和不精确的计算基板（如亚阈值神经形态电路和新兴的记忆技术）实现的稳健可靠的超低功耗电子神经处理系统的设计。
材料
摘要：忆阻器件由于结构简单、集成度高、功耗低、运行速度快等特点，在存储器、逻辑、神经网络和传感应用中备受关注。特别是，由有源门控制的多端结构能够并行处理和操纵信息，这无疑将为神经形态系统提供新概念。通过这种方式，可以设计基于晶体管的突触器件，其中突触后膜中的突触权重被编码在源漏通道中，并由突触前终端（门）修改。在这项工作中，我们展示了强关联金属氧化物中可逆场诱导金属-绝缘体转变 (MIT) 的潜力，可用于设计坚固而灵活的多端忆阻晶体管类器件。我们研究了在 YBa 2 Cu 3 O 7 − δ 薄膜上图案化的不同结构，这些结构能够显示栅极可调的非挥发性体积 MIT，由系统内的场诱导氧扩散驱动。这些材料的关键优势是不仅可以在受限的细丝或界面中均匀调整氧扩散，就像在广泛探索的二元和复合氧化物中观察到的那样，而且可以在整个材料体积中均匀调整。与基于导电细丝的器件相比，关联氧化物的另一个重要优势是显著减少了循环间和器件间的差异。在这项工作中，我们展示了几种器件配置，其中漏极-源极通道（突触权重）之间的横向传导由主动栅极可调体积电阻变化有效控制，从而为设计稳健且灵活的基于晶体管的人工突触提供了基础。
微电子工程
在当今的计算机技术中，降低功耗是一项日益艰巨的挑战。传统的计算架构受到所谓的冯·诺依曼瓶颈 (VNB) 的影响，即需要在内存和处理单元之间不断交换数据和指令，从而导致大量且似乎不可避免的功耗。即使是通常用于运行人工智能 (AI) 算法（例如深度神经网络 (DNN)）的硬件也受到此限制的影响。为了满足对超低功耗、自主和智能系统日益增长的需求，必须改变范式。从这个角度来看，新兴的忆阻非易失性存储器被认为是引领这项技术向下一代硬件平台过渡的良好候选者，它使在同一位置存储和处理信息成为可能，从而绕过 VNB。为了评估当前公共可用设备的状态，本文对商用级封装的自导通道忆阻器进行了彻底研究，以评估其在内存计算框架中的性能。具体而言，确定了允许突触权重的模拟更新和稳定的二进制切换的操作条件以及相关问题。为此，设计并实现了基于 FPGA 控制平台的专用但原型的系统。然后，利用它充分表征创新智能 IMPLY（SIMPLY）逻辑内存（LiM）计算框架的功耗性能，该框架允许可靠地在内存中计算经典布尔运算。将这些结果投影到纳秒范围可以估算出这种计算范式的真正潜力。虽然本文没有进行研究，但所提出的平台也可用于测试基于忆阻器的 SNN 和二值化 DNN（即 BNN），它们可与 LiM 结合以提供异构灵活架构，这是无处不在的 AI 的长期目标。
人群神经科学的纵向资源
Xue-Ru Fan ( 范 雪 如 ) 1,2,3,† , Yin-Shan Wang ( 王 银 山 ) 1,3,4,† , Da Chang ( 常 达 ) 1,3,† , Ning Yang ( 杨 3 宁 ) 1,2,3,4 , Meng-Jie Rong ( 荣 孟 杰 ) 1,2,3,4 , Zhe Zhang ( 张 吉吉 ) 5 , Ye He ( 何 叶 ) 6 , Xiaohui Hou ( 侯 4 晓晖 ) 7 , Quan Zhou ( 周 荃 ) 1,2,3 , Zhu-Qing Gong ( 宫 竹 青 ) 1,2,3 , Li-Zhi Cao ( 曹 立 智 ) 2,4 , Hao-Ming 5 Dong ( 董 昊 铭 ) 1,4,8,9 , Jing-Jing Nie ( 聂 晶晶 ) 1,3 , Li-Zhen Chen ( 陈 丽 珍 ) 1,3 , Qing Zhang ( 张 6 青 ) 2,4 , Jia-Xin Zhang ( 张 家 鑫 ) 2,4 , Hui-Jie Li ( 李 会 杰 ) 2,4 , Min Bao ( 鲍 敏 ) 2,4 , Antao Chen ( 陈 安 7 涛 ) 10,11 , Jing Chen ( 陈 静 ) 12,13 , Xu Chen ( 陈 旭 ) 11 , Jinfeng Ding ( 丁 金 丰 ) 2,4 , Xue Dong ( 董 雪 ) 2,4 , 8 Yi Du ( 杜 忆 ) 2,4 , Chen Feng ( 冯 臣 ) 2,4 , Tingyong Feng ( 冯 廷 勇 ) 11 , Xiaolan Fu ( 傅 小 兰 ) 2,14 , 9 Li-Kun Ge ( 盖 力 锟 ) 2,4 , Bao Hong ( 洪 宝 ) 12,15 , Xiaomeng Hu ( 胡 晓 檬 ) 16 , Wenjun Huang ( 黄 文 10 君 ) 12,15 , Chao Jiang ( 蒋 超 ) 17 , Li Li ( 李 黎 ) 12,13 , Qi Li ( 李 琦 ) 17 , Su Li ( 李 苏 ) 2,4 , Xun Liu ( 刘勋 ) 2,4 , 11 Fan Mo ( 莫 凡 ) 2,14 , Jiang Qiu ( 邱 江 ) 11 , Xue-Quan Su ( 苏 学 权 ) 7 , Gao-Xia Wei ( 魏 高 峡 ) 2,4 , 12 Yiyang Wu ( 吴 伊 扬 ) 2,4 , Haishuo Xia ( 夏 海 硕 ) 11 , Chao-Gan Yan ( 严 超赣 ) 2,4 , Zhi-Xiong Yan ( 颜 13 志 雄 ) 7 , Xiaohong Yang ( 杨 晓 虹 ) 16 , Wenfang Zhang ( 张 文 芳 ) 2,4 , Ke Zhao ( 赵 科 ) 2,14 , Liqi Zhu 14 ( 朱 莉 琪 ) 2,4 , Lifespan Brain Chart Consortium (LBCC) * , Chinese Color Nest Consortium 15 (CCNP) ** , and Xi-Nian Zuo ( 左 西 年 ) 1,2,3,4,7,18,*** 16
活性引起的星形胶质细胞的反应性会损害认知
在脑组织中，神经元具有树突，轴突以及星形胶质细胞（如星形胶质细胞）及其过程的神经胶质细胞紧密地交织在一起。这使星形胶质细胞能够通过局部清除神经递质，代谢产物供应以及对离子稳态做出贡献来支持神经元功能。它还允许两种单元格进行双向交流。星形胶质细胞可以通过许多不同的细胞机制感知神经元活动并修改神经元之间的突触信息交换（供回顾[1，2]）。因此，他们还可以调节认知过程，例如记忆形成，检索和灭绝。但是，很难将特定的细胞机制与记忆的特定方面相关联（供回顾[3]）。这至少部分是因为通常不清楚哪些细胞机制是通过对星形胶质细胞的实验操纵而使哪些细胞机制所涉及的，而星形胶质细胞最终导致记忆功能的变化。星形胶质细胞的光遗传学和化学遗传操作在证明星形胶质细胞对复杂行为和记忆的作用方面非常流行，有效（用于复杂的记忆[3]），并且两者都显示出可增强记忆的作用[4，5]。在一项新研究中，Kim及其同事[6]现在证明，在一段时间的一段时间内，重复并延长了对海马星形胶质细胞的光遗传刺激会损害小鼠在空间记忆，工作记忆和消极恐惧避免的空间记忆测试中的表现。同样，他们发现，反复的星形胶质细胞的化学遗传刺激也降低了被动避免恐惧测试的性能。了解值得注意的是，只有当单个光遗传刺激的持续时间相对较长并且重复至少3天时，才能检测到认知障碍，或者反复反复传递强大的化学遗传刺激。相反，较短和/或较弱的刺激无效。鉴于先前的研究报告了通过化学遗传学和光遗传学的星形胶质细胞刺激在记忆测试中的改善和/或损害[3-5]，这强调了需要仔细考虑刺激方案的必要性（还请参见Kim和同事[6]），除了对细胞类型的副作用（E.G. kim），E.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G.G。和同事。