Minho

米尼奥大学物理中心研讨会

摘要：深度学习是一种强大的算法，适用于计算机视觉和自然语言处理等机器学习应用。然而，这些神经网络的训练受到我们当前 CPU 和 GPU 的传统冯·诺依曼架构的限制，这会导致大量能耗。在本次演讲中，我将分享我们在离子电化学突触方面的工作，我们可以通过在有源设备层上电化学插入/提取掺杂离子来确定性地控制其电导率。质子的能量消耗非常低，与大脑中的生物突触相当，而镁离子则具有更好的稳定性，无需封装。建模结果表明，为了实现这些设备的快速 (ns)、低能量 (< fJ) 和低电压 (1V) 性能，我们必须实现理想的材料特性，例如离子电导率和界面电荷转移动力学。我们的研究结果为开发具有高产量和一致性的大脑启发式硬件提供了途径，与当前的计算架构相比，该硬件的能耗要低得多。