XiaoMi-AI文件搜索系统
World File Search SystemSynapses
一种可调且多功能的 28nm FD-SOI 交叉输出电路，用于通过 eNVM 突触进行低功耗模拟 SNN 推理
关键词；UTBB 28nm FD-SOI、模拟 SNN、模拟 eNVM、eNVM 集成。2. 简介基于新兴非易失性存储器 (eNVM) 交叉开关的脉冲神经网络 (SNN) 是一种很有前途的内存计算组件，在边缘低功耗人工智能方面表现出卓越的能力。然而，eNVM 突触阵列与 28nm 超薄体和埋氧全耗尽绝缘体上硅 (UTBB-FDSOI) 技术节点的共同集成仍然是一个挑战。在模拟脉冲神经网络 (SNN) 中，输入神经元通过一电阻一晶体管 (1T1R) 突触与输出神经元互连，计算是通过突触权重将电压尖峰转换为电流来完成的 [1]。神经元将尖峰积累到预定义的阈值，然后产生输出尖峰。神经元区分和容纳大量突触和输入脉冲的能力与神经元放电阈值的电压摆幅直接相关。这主要取决于膜电容、突触电荷的净数量和低功率神经元的阈值 [2]。
基于超薄 HfO2/Al2O3 双层的可靠 1T1R RRAM 电子突触，具有低功耗，可用于神经形态计算
1 西安交通大学电子材料研究实验室，教育部重点实验室，国际电介质研究中心，电子科学与工程学院，微纳制造与测试技术国际联合实验室，西安 710049，中国 2 中国科学院微电子研究所，微电子器件与集成技术重点实验室，北京 100029，中国 3 中国科学院大学，北京 100049，中国 4 西安交通大学机械制造系统工程国家重点实验室 & 微纳制造与测试技术国际联合实验室，西安 710049，中国 5 IHP-Leibniz-Institut für innovative Mikroelektronik，Im Technologiepark 25, 15236 Frankfurt，德国 6 上海交通大学信息功能材料国家重点实验室中国科学院微系统与信息技术研究所，上海市长宁路 865 号，邮编 200050，中华人民共和国 7 这些作者对这项工作做出了同等贡献。∗ 任何通讯作者均应致函。
在有丝分裂神经元中持续表达UNC-4同源基因和unc-37/groucho，指定胆碱能突触的空间组织I
抽象的神经元细胞命运决定因素通过控制基因表达来调节神经元形态和突触连通性来确定神经元的身份。然而，尚不清楚神经元细胞命运决定因素是否具有突触模式形成的有丝分裂功能。在这里，我们在秀丽隐杆线虫的胆碱能运动神经元的瓷砖突触模式中确定了UNC-4同源蛋白及其Corepressor UNC-37/ Groucho的新作用。我们表明，在神经发生过程中不需要UNC-4，而是在有丝分裂后神经元中需要进行适当的突触模式。相比之下，在发育后和有丝分裂后神经元中都需要UNC-37。BAR-1/ B-蛋白突变抑制了UNC-4突变体的突触平铺缺陷，这对CEH-12/ HB9的表达进行了积极调节。异位CEH-12表达部分是UNC-4和UNC-37突变体的突触缺陷的基础。我们的结果揭示了神经元细胞命运决定因素在突触模式形成中通过抑制规范Wnt信号通路的新颖新颖的作用。
神经病学艺术与文学杂志
Synapses 艺术与文学杂志是西弗吉尼亚大学神经病学系的一个项目。它得到了研究生医学教育认证委员会 (ACGME) 的“回到床边计划”的支持。“回到床边计划”颁发给全国各地的住院医生团体，以鼓励他们开发创新的项目理念，以促进他们与患者之间的联系。Synapses 杂志的目标是通过艺术表达，在患者和住院医生中促进人文精神。住院医生要应对倦怠、压力大的情况和情绪低落的经历，通常没有渠道来表达这些经历。同样，患者在医院的经历可能令人恐惧和恐惧，各种慢性疾病也会对患者的生活质量产生长期影响。这本杂志的目标是展示患者和医疗服务提供者的艺术表达，并最终让他们以一种有意义的方式来反思自己的经历。正如突触促进神经系统的联系一样，我们希望 Synapses 杂志能够促进患者与医疗服务提供者之间的联系。
小鼠和人类皮质突触的超微结构膜动力学 Chelsy R. Eddings 1、Minghua Fan 2、Yuuta Imoto 1#、Kie Itoh 1#、Xiomara M
小鼠和人类皮质突触的超微结构膜动力学 Chelsy R. Eddings 1、Minghua Fan 2、Yuuta Imoto 1#、Kie Itoh 1#、Xiomara McDonald 1、Jens Eilers 3、William S. Anderson 4、Paul F. Worley 2,5、Kristina Lippmann 3*、David W. Nauen 5,6**、Shigeki Watanabe 1,2,7*** 1 约翰霍普金斯大学细胞生物学系，美国马里兰州巴尔的摩 21205。 2 Solomon H. Snyder 约翰霍普金斯大学神经科学系，美国马里兰州巴尔的摩 21205。 3 莱比锡大学医学院 Carl-Ludwig-生理学研究所，德国莱比锡 04103。 4 美国马里兰州巴尔的摩市约翰霍普金斯医院神经外科部，邮编 21205。5 美国马里兰州巴尔的摩市约翰霍普金斯医院神经内科部，邮编 21205。6 美国马里兰州巴尔的摩市约翰霍普金斯医院病理科，邮编 21205。7 美国马里兰州巴尔的摩市约翰霍普金斯大学细胞动力学中心，邮编 21205。# 目前就职于美国田纳西州孟菲斯市圣犹大儿童研究医院发育神经生物学部，邮编 38105。通讯员：Kristina.Lippmann@medizin.uni-leipzig.de、dwnauen@jhmi.edu、shigeki.watanabe@jhmi.edu 负责人：Shigeki Watanabe、shigeki.watanabe@jhmi.edu 摘要 活体人脑组织为了解突触传递的生理学和病理生理学提供了独特的机会。研究仅限于解剖学、电生理学和蛋白质定位——而诸如突触囊泡动力学等关键参数则无法可视化。在这里，我们利用瞬时冷冻时间分辨电子显微镜来克服这一障碍。首先，我们用急性小鼠脑切片验证该方法，以证明可以刺激与电场平行的轴突产生钙信号。接下来，我们表明超快内吞作用被诱导并且可以在小鼠和人类脑切片中被捕获。至关重要的是，在这两个物种中，一种对超快速内吞至关重要的蛋白质 Dynamin 1xA (Dyn1xA) 位于活性区外围区域，即假定的内吞区，这表明小鼠和人类之间可能存在一种机制保守性。这种方法有可能揭示有关完整人脑切片中突触膜运输的动态高分辨率信息。关键词突触传递、时间分辨电子显微镜、冷冻、皮质、高压冷冻、突触囊泡内吞、超快速内吞、人类新皮质、受激辐射损耗显微镜、Dynamin 1xA、小脑、双光子钙成像
神经形态计算简介
大脑依靠神经元和突触来存储、处理和检索信息。神经元和突触在同一空间内执行所有功能，避免了冯·诺依曼架构面临的数据传输问题。神经元通过离子电流传输电信号，并使用神经递质通过称为突触的小间隙与邻近神经元进行通信。突触具有一种称为突触可塑性的重要特性，此视频包含对突触可塑性的简单而深入的介绍及其重要性：https://www.youtube.com/watch?v=tfifTUYuAYU（Brains Explained，2014 年）。突触可塑性允许神经元调整与其他神经元的连接，从而允许大脑“重新编程”。神经形态计算应用这些原理来开发计算固态电路，这些电路在代表神经元的相同重复结构中存储和处理数据，这些结构通过代表突触的记忆保存连接进行通信（Indiveri，2013 年）。然而，模拟具有记忆的突触是一项艰巨的挑战。目前，神经形态计算的研究正在探索用有机和无机材料来代替神经形态电路中的突触。
突触神经连接蛋白复合体中的分子自我回避
人们认为突触是由突触前神经连接蛋白与突触后配体（特别是神经连接蛋白和小脑蛋白）相互作用形成的。然而，当神经元形成相邻的突触前和突触后特化时，如树突状或轴突-轴突突触，无功能的顺式神经连接蛋白/配体相互作用将在能量上受到青睐。在这里，我们揭示了一种防止突触顺式相互作用（“自我回避”）的组织原则。以嗅球中僧帽细胞和颗粒细胞之间的树突状突触为范例，我们表明，由于其更高的结合亲和力，小脑蛋白-1 阻断了神经连接蛋白与神经连接蛋白的顺式相互作用，从而实现了反式神经连接蛋白/神经连接蛋白相互作用。在僧帽细胞中，消融小脑蛋白-1 或神经连接蛋白会严重损害颗粒细胞➔僧帽细胞突触，野生型神经连接蛋白的过度表达也是如此，但无法与神经连接蛋白结合的突变神经连接蛋白则不会。我们的数据揭示了一个分子相互作用网络，该网络组织了非功能性神经连接蛋白/配体顺式相互作用的自我回避，从而允许组装生理反式相互作用。
超快速的锗光电二极管具有3-DB带宽265 GHz
摘要：我们对硬件神经网络（NN）进行了不同的仿真实验，以分析不同数据集在网络准确性中不同NN体系结构的突触数量的作用。一项在4 kbit 1T1R reram阵列上的技术，其中采用了基于H FO 2电介质的电阻开关设备作为参考。在我们的研究中，考虑了完全致密的（FDNN）和卷积神经网络（CNN），在这种情况下，在突触的数量和隐藏层神经元的数量方面，NN的大小各不相同。cnns效果更好。如果包括量化的突触权重，我们观察到随着突触的数量减少，NN的精度显着降低。在这方面，必须实现突触数量与NN准确性之间的权衡。因此，CNN架构必须经过精心设计；特别是，注意到不同的数据集根据其复杂性需要特定的架构以取得良好的结果。表明，由于可以在NN硬件实现的优化中更改的变量数量，因此必须在每种情况下都在突触重量级别，NN体系结构等方面使用特定的解决方案。
使用高κ门...
摘要：有能力以能量的方式处理数据，建议神经形态计算来克服传统的von Neumann计算系统的问题。神经形态计算由神经元和突触的两个关键特征组成，其中神经元整合了所有电荷，而突触则保留了这些电荷。在本文中，我们制造和分析了模仿单个基于Si的金属氧化物半导体fimect-eect-ectect晶体管（MOSFET）结构中神经元和突触的设备。我们制定和分析2 O 3/Si 3 N 4（A/N）和Al 2 O 3/HFO 2/Si 3 N 4/SiO 2（A/H/N/N/O）设备，以使A/N设备建议用作神经元设备，因为它可以用作快速电荷发射特征，而将其用作a/h/h/h/h/h/h/h/h/h/h/h/h/h/h/h/h/h/h/h/h/h/h/h/h/h/长期收费。我们建议通过在MOSFET中采用不同的栅极绝缘体堆栈结构来制造神经元和突触的可能性。关键字：神经形态计算，突触设备，神经元设备，场效应晶体管，保留，高κ，HFO 2，SI 3 N 4 4■简介
什么是 Akida 事件域神经处理器？
图 2：生物神经元是相互通信并在突触中存储信息的细胞。一个神经元可以有数十万个突触，其内容由传感输入动作电位回忆。神经元整合活跃突触的值，并在整合值达到或超过阈值时产生动作电位输出。人工神经网络模拟了类似的行为。