XiaoMi-AI文件搜索系统
World File Search SystemMemristor
基于Memristor的低温可编程DC来源，用于可扩展的原位量子点控制
手稿于2022年12月16日收到；修订了2023年2月3日； 2023年2月7日接受。出版日期2023年2月20日；当前版本的日期2023年3月24日。这项工作得到了加拿大自然科学和工程研究委员会（NSERC）的部分支持；在加拿大第一研究卓越基金的一部分；在加拿大第一研究卓越基金的一部分是由Laboratoire纳米技术纳米纳斯特梅斯（LN2），该基金是法国 - 加拿大 - 加拿大联合国际研究实验室（IRL-3463），由中心由国家de la Recherche Scorentifique（CNRS），Universitedesitédesherbrooke，Unigabrooke，Comecomeitififique（CNR）中心资助和合作。 ÉcoleCentrale Lyon（ECL）和国家科学研究所（Institut National des Sciences）贴花（INSA）LYON；并部分由魁北克人的自然与技术（FRQNT）。本文的评论由编辑F. Bonani安排。（通讯作者：Pierre-Antoine Mouny。）Pierre-Antoine Mouny, Yann Beilliard, and Dominique Drouin are with the Institut Interdisciplinaire d'Innovation Technologique (3IT) and the Institut Quantique (IQ), Université de Sherbrooke, Sherbrooke, QC J1K 0A5, Canada, and also with the Laboratoire Nanotechnologies Nanosystèmes (LN2), CNRS UMI-3463，3IT，Sherbrooke，QC J1K 0A5，加拿大（电子邮件：Pierre-antoine.mouny.mouny@usherbrooke.ca）。SébastienGraveine，Abdelouadoud El Mesoudy，RaphaëlDawant，Pierre Gliech和Serge Ecoffey与Interdistut Interdisci-Plinaire d'innovation D'innovation D'Innovation Technologique（3IT），Sherbrooke，Sherbrooke，Sherbrooke，Sherbrooke，Sherbrooke，QC J1K 0A 5，CANCALAINE，CANCALAITIE，以及CANCALATO，CANCARAITAN，以及CANCACATAINIIS Nanosystèmes（LN2），CNRS UMI-3463，3IT，Sherbrooke，QC J1K 0A5，加拿大。Marc-Antoine Roux与加拿大QC J1K 2R1的Sherbrooke大学量子研究所（IQ）一起。Fabien Alibart与加拿大Sherbrooke，Sherbrooke，Sherbrooke，Sherbrooke University Institute（3IT）的互助创新创新研究所，加拿大QC J1K 0A5，也与纳米技术实验室纳米系统（LN2）一起加拿大，还与法国59650 Villeneuve-d'ascq的电子，微电子学和纳米技术学院（IENN）一起。Michel Pior-Ladrière与纳米技术实验室纳米系统（LN2），CNRS UMI-3463，3IT，Sherbrooke，QC J1K 0A5，加拿大，以及与Sher-Brooke，Sherbrooke，Sherbrooke，Sherbrooke，QC j1 cancase cancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancancance of sherbrooke，QC J1K 0A5本文中一个或多个数字的颜色版本可在https://doi.org/10.1109/ted.2023.3244133上找到。<数字OBJET标识符10.1109/TED.2023.3244133
利用...开发基于 HfO2-X 的神经忆阻器
在本研究中，我们制造了一种 Ta/HfO 2-x /Mo 基单细胞忆阻器，这是一种全球独一无二的配置。研究了基于 HfOx 的忆阻器器件上钽和钼电极的突触行为。使用脉冲激光沉积 (PLD) 方法生长 HfO 2-x (15 nm)，并使用溅射系统和光刻法制造电极。通过 X 射线光电子能谱 (XPS) 确定金属氧化物化学计量。成功获得了长期增强 (LTP) 和成对脉冲促进 (PPF) 特性，它们在人工神经网络的学习过程中发挥着重要作用。进行了电流-电压测量和保持测试，以确定器件在适当范围内的 SET 和 RESET 状态。结果表明，该忆阻器器件是人工神经网络 (ANN) 应用的有力候选者。
增强了基于HFO2的透明的备忘录设备的电阻开关特性，用于可靠的气体应用
摘要：我们提出了一个透明的回忆录，具有粗面（RS）底部电极（BE），对气体的性能和可靠性增强，该气体是气体传感器加上备忘录及其在本文中的应用。透明的回忆录具有RS BE，表现出低的形成电压（0.8 V）和稳定的电阻切换行为，具有较高的耐力，ON/OFF比率约为125。这种改进是由于对电场分布的更好控制和氧气空位浓度在应用于透明的回忆录时的氧气空位浓度所致。长时间维持在环境空气环境中的传导丝的稳定性对于将备忘录作为气体的应用至关重要。带有RS的回忆录证明了维持稳定状态的能力，约为10 4 s。结果，可以证明，带有RS的拟议透明透镜可以显着提高该设备对气体应用的可靠性。
半球视网膜由等离子光电子复制器模拟，并具有全光调制的神经形态立体视觉
双眼立体视觉依赖于两个半球视网膜之间的成像差异，这对于在三维环境中获取图像信息至关重要。因此，与生物眼的结构和功能相似性的视网膜形态电子始终非常需要发展立体视觉感知系统。在这项工作中，开发了基于Ag-Tio 2纳米簇/藻酸钠纤维的半球光电磁带阵列，以实现双眼立体视觉。由等离子热效应引起的全光调制和Ag-Tio 2纳米群体中的光激发，以实现像素内图像传感和存储。广泛的视野（FOV）和空间角度检测是由于设备的排列和半球形几何形状的入射角依赖性特征而在实验上证明的。此外，通过构造两个视网膜形态的恢复阵列，已经实现了基于双眼差异的深度感知和运动检测。这项工作中证明的结果提供了一种有希望的策略，以开发全面控制的回忆录，并促进具有传感器内架构的双眼视觉系统的未来发展。
辐射热备忘录的建模和分析
摘要：本研究提出了辐射热熟人（RTM）的理论框架，利用繁殖的二氧化钒（WVO）作为相位变化材料（PCM）和远场状态中的硅胶（PCM）和硅碳化物（SIC）。通过Lissajous曲线描绘了RTM的行为，说明了净通量（Q）与定期调制温度差∆ T（t）之间的关系。可以确定，RTM的磁场（M）的温度变化形成一个由PCM滞后作用的封闭环。分析探讨了导热率对比度（R）和周期热输入振幅（θ）对Q – ∆ T曲线的影响（θ）以及M – ∆ T曲线和负差分热电阻（NDTR）的影响，从而揭示了对曲线形状和NDTR的出现的显着影响。增加的R会导致Lissajous曲线的形状变化并增强NDTR的影响，而R和（θ）的变化显着影响Q值和Lissajous曲线振幅。在M – ∆ T曲线中，高度与热导率对比度（R）有关，R的增加导致曲线高度较高。
可调节的神经形态切换动力学通过孔隙二氧化硅扩散的回忆录中的孔隙率控制
摘要：为了响应日益增长的时间信息处理的需求，神经形态计算系统正在越来越强调备忘录的开关动力学。虽然可以通过输入信号的属性来调节开关动力学，但通过备忘录的电解质特性控制它的能力对于进一步丰富了开关状态并提高数据处理能力至关重要。这项研究介绍了使用溶胶 - 凝胶过程的介孔二氧化硅（MSIO 2）膜的合成，从而可以创建具有可控孔隙率的膜。这些薄膜可以用作扩散的回忆录中的电解质层，并导致可调的神经形态切换动力学。MSIO 2回忆录表现出短期可塑性，这对于时间信号处理至关重要。随着孔隙率的增加，观察到工作电流，促进比和放松时间的明显变化。研究了这种系统控制的基本机制，并归因于二氧化硅层多孔结构内的氢键网络的调节，这在切换事件中显着影响阳极氧化和离子迁移过程。这项工作的结果提出了介孔二氧化硅，作为一个独特的平台，用于精确控制扩散的备忘录中神经形态开关动力学。关键字：介孔二氧化硅，扩散的回忆录，神经形态切换，短期记忆，离子动力学
低功率消耗Igzo Memristor的气体传感器嵌入了异丙醇酒精气体的物物互联网监测系统中
摘要：低功耗气体传感器对于各种应用至关重要，包括环境监控和便携式物联网（IoT）系统。但是，常规金属氧化物气体传感器的解吸和吸附特性需要补充设备，例如加热器，这对于低功率IoT监测系统并不最佳。基于回忆的传感器（气体）由于其优势，包括高响应，低功耗和室温（RT）操作，已研究为创新的气体传感器。基于Igzo，提议的异丙醇酒精（IPA）气体传感器显示出105 s的检测速度，在RT时为50 ppm的IPA气体的高响应速度为55.15。此外，使用脉冲电压在50 µs中可以快速恢复到初始状态，而无需清除气体。最后，集成了一个低功率电路模块以进行无线信号传输和处理，以确保IOT兼容性。即使整合到IoT系统中，也证明了基于Igzo气体的传感结果的稳定性。这可以在〜0.34兆瓦时实现节能气体分析和实时监测，从而支持通过脉冲偏置恢复。这项研究提供了对物联网气体检测的实用见解，为敏感的低功率传感器提供了无线传感系统。
忆阻器、忆电容及其在神经形态计算中的应用
我们打算证明，我们可以构建专用硬件，使用忆阻器和忆电容将神经网络直接映射到该硬件上，从而提高网络的能源效率。我们将使用以集成电路为重点的模拟程序 (SPICE) 来模拟我们的忆电容和忆阻器。使用此模型，我们将创建一个忆阻和忆电容元件的储存器，并在一系列忆电容与忆阻器比率中评估我们的设计，同时测试储存器结构，包括小世界、交叉开关、随机、分层和幂律实现。我们假设我们的设计将大大提高神经网络的能源效率和性能。
超低电压生物电压忆阻器的最新进展
由模拟大脑生物电信息处理的忆阻器构建的神经形态系统可能会克服传统计算架构的限制。然而，仅靠功能模拟可能仍无法实现生物计算的所有优点，生物计算使用 50-120 mV 的动作电位，至少比传统电子设备中的信号幅度低 10 倍，以实现非凡的功率效率和有效的功能集成。因此，将忆阻器中的功能电压降低到这种生物幅度可以促进神经形态工程和生物模拟集成。本综述旨在及时更新这一新兴方向的努力和进展，涵盖设备材料成分、性能、工作机制和潜在应用等方面。
未来是模拟的：基于Memristor的模拟计算
当前的网络功能在固定的编程规则上很大程度上建立，并且缺乏支持更具表现力的学习模型的能力，例如使用神经形态计算的脑启发的认知计算模型。造成这种缺点的主要原因是基于TCAM基于TCAM的数字数据包处理器的巨大能源消耗和限制。在这项研究中，我们表明，来自模拟领域的最新新兴技术具有很高的潜力，可以以能效和表现力，所谓的认知功能支持网络功能。我们建立了一个名为Memristors的新技术，建立了一个模拟数据包处理架构。我们开发了一种新颖的模拟匹配性记忆，称为概率内容 - 可寻址内存（PCAM），用于支持确定性和概率匹配函数。我们开发了程序抽象，并显示了PCAM对基于队列管理的模拟网络功能的支持。对回忆录芯片的实验数据集的分析仅显示0。01 fj/bit/能量消耗的单元，用于响应模拟计算，比数字计算少50倍。