XiaoMi-AI文件搜索系统
World File Search SystemMemristors
溶液处理的钙钛矿场效应晶体管人工突触
和非结构化数据。[1,2] 在大脑中，信息储存在突触中，突触中有一个裂缝连接两个神经细胞（神经元）。 当输入刺激到达前神经元时，神经递质会从前神经元分泌出来，与后神经元上的受体结合，并调节离子传输通道（图 1a）。[3] 离子通过通道的动态通过激活/停用离子通透性通道的形成（即电导更新）在增强/减弱突触权重方面起着至关重要的作用。[3] 根据突触前刺激，突触权重会暂时维持或持续数分钟、数小时甚至更长时间，并可充当记忆状态。 开发一种通过类似离子的动力学更新电导的人工突触将非常接近地模拟生物突触的行为，并最终可以模拟各种生物神经操作。漂移忆阻器已经成功模拟了具有长期增强 (LTP) 和长期抑制 (LTD) 特性的电导更新，但本质上是随机的 [4] 并且需要额外的扩散元件来模拟离子动力学。[5] 3 端器件结构（例如晶体管）可以调节离子，因此是人工突触的有希望的候选者。[6–13] 电解质门控晶体管无需额外电路即可控制离子。[6,7] 然而，实现电解质门控晶体管的长期可塑性一直具有挑战性，主要是因为器件不稳定性（例如，接触处的寄生电化学反应引起）。[6–8] 铁电场效应晶体管 (FeFET) 提供了一种出色的器件架构，通过控制铁电栅极的极化来编程/擦除非易失性多电导状态，从而控制突触权重。 [9] 铁电栅极已用于调节 FeFET 的电导率，FeFET 采用各种半导体作为沟道材料，包括氧化铟镓锌 (IGZO) [9–11] 、二维材料 [12,13] 和聚合物。[42] 然而，用缺乏离子的半导体材料模拟离子动力学几乎是不可能实现的。因此，需要一种能够传导离子并保持其电子结构的沟道材料。金属卤化物钙钛矿半导体因其独特的离子-电子混合导电特性，是用于人工突触的有前途的材料。[14–16] 高迁移率、大扩散长度和长载流子寿命等显著的电子导电特性使得
湿件中的神经形态工程：最新进展及其前景
联合国大会（2015 年）制定了一项议程，其中包含 17 个目标，需要在全球范围内到 2030 年实现，以促进可持续的未来。实现这些目标需要设计和实施更有效的战略来管理复杂系统，包括人类及其社会、世界经济、城市地区、自然生态系统和气候（Gentili，2021a）。一项有前途的战略，即正在蓬勃发展的战略，依赖于人工智能 (AI) 和机器人技术的发展。人工智能帮助人类收集、存储和处理监测复杂系统不断演变所需的大数据（Corea，2019 年）。人工智能还帮助我们下定决心控制复杂系统的行为。硬机器人和软机器人让人类能够进入原本无法进入的环境。例如，它们帮助我们（1）研究其他行星的地球化学特征、考察海洋深渊以发现新的贵重材料和能源矿藏；（2）进入人体内部器官进行侵入性较小的手术；（3）在肮脏或危险的地方工作。开发人工智能的主要传统方法有两种（Lehman 等人，2014 年；Mitchell，2019 年）。第一种方法是编写在基于冯·诺依曼架构的电子计算机上运行的“智能”软件，该架构的主要缺点是处理单元和存储单元在物理上是分开的。一些软件模仿严谨的逻辑思维，而另一些软件模仿神经网络的结构和功能特征来学习如何从数据中执行任务。开发人工智能的第二种方法是在神经假体的硬件中实现人工神经网络，或设计类似大脑的计算机，将处理器和内存限制在同一空间中（所谓的内存计算；Sebastian 等人，2020 年）。如果人工神经网络由硅基电路或无机忆阻器制成，则它们是刚性的；如果基于有机半导体薄膜，则它们是柔性的（Christensen 等人，2022 年；Lee and Lee，2019 年；Wang 等人，2020 年；Zhu 等人，2020 年）。它们可以采用三种不同的架构进行设计：（A1）前馈（具有可训练的单向连接）、（A2）循环（具有可训练的反馈动作）或（A3）储层（由未训练的非线性动态系统与可训练的输入和输出层耦合而成）网络（Nakajima，2020 年；Tanaka 等人，2019 年；Cucchi 等人，2022 年；见图 1A）。在过去十年左右的时间里，一种开发人工智能的新颖而有前途的策略被提出：它包括通过湿件（即液体）中的分子、超分子和系统化学来模仿人类智能和所有其他生物所表现出的智能形式