获取独家产品信息,尽享促销优惠!立即订阅,不容错过
* 限···时··优惠
神经形态计算,又称受脑启发的计算,由于其构建模块能够同时记忆和处理数据,因此能耗较低。[2] 目前,人工神经网络在图像识别、[3] 音频识别、[4] 蛋白质结构揭示和材料发现等复杂的计算机器学习任务中展现出优势。[5] 这些机器学习任务依赖于大量数据和高速数据分析。因此,与传统的冯·诺依曼架构相比,模仿生物大脑基本要素——神经元和突触的受脑启发的计算架构正在成为复杂机器学习任务的计算解决方案。在实现神经形态计算的元器件中,可以作为光电神经形态计算机构建模块的光电子器件需要新型材料来制作电路级和纳米级的器件。碳纳米管 (CNT) 因其优异的机械和电学性能而常用于电子设备。[6] 与以单层或多层膜形式用于设备的二维石墨烯材料不同,一维 CNT 在电路级和纳米级设备应用中具有更好的潜力。作为一种具有高载流子迁移率的电气材料,CNT 用于构建场效应晶体管和计算机。[7] 尽管 CNT(包括多壁 CNT (MWCNT))具有优异的电学性能,但它们对光的响应较弱,不适合