环境模式的提取是人类整个生命周期学习的基础,不仅在认知技能中发挥着至关重要的作用,而且在感知、运动和社交技能中也发挥着至关重要的作用。至少有两种类型的规律有助于获得技能:(1)统计、基于概率的规律,以及(2)基于序列顺序的规律。基于概率和/或基于序列顺序的规律在短时间内(从几分钟到几周)的记忆表现已在整个生命周期中得到广泛研究。然而,这种知识的长期(数月或一年)记忆表现受到的关注相对较少,而且尚未在儿童中进行评估。在这里,我们旨在测试 9 至 15 岁之间的神经典型儿童在 1 年离线期间对基于概率和基于序列顺序的规律的长期记忆表现。参与者执行了视觉运动四选一反应时间任务,旨在同时测量基于概率和基于序列顺序的规律的习得。通过在 5 小时延迟后重新测试其表现来控制短期巩固效应。一年后,他们又在同一任务上接受了重新测试,两次测试之间没有任何练习。参与者成功地掌握了基于概率和基于序列顺序的规律,并在一年的时间里保留了这两种类型的知识。成功的保留与年龄无关。我们的研究表明,基于概率和基于序列顺序的规律的表征在很长一段时间内保持稳定。这些发现为技能巩固的发展不变性模型提供了间接证据。
HAL 是一个多学科开放存取档案库,用于存放和传播科学研究文献,无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
尽管已经提出了多巴胺系统的年龄差异基于横断面数据导致与年龄相关的认知下降,但最近的大型横截面研究报告说,仅报告衰老,多巴胺受体可用性和认知的相关性证据较弱。无论如何,纵向数据对于对多巴胺损失作为认知衰老的基础仍然具有强大的陈述至关重要。我们表现出D2/3多巴胺受体可用性的变化与健康的老年人超过5年的工作记忆变化之间的相关性(n = 128,基线时64至68岁)。Greater decline in D2/3 dopamine receptor availability in working memory-relevant regions (caudate, middle frontal cortex, hippocampus) was related to greater decline in working memory performance in individuals who exhibited working memory reductions across time ( n = 43; caudate: r s = 0.494; middle frontal cortex: r s = 0.506; hippocampus; r s = 0.423), but not in individuals who保持性能(n = 41;尾状:r s = 0.052;中额皮层:r s = 0.198;海马; r s = 0.076)。在Orbitrontal Cortex中未观察到偏链中的多巴胺 - 工作记忆链路,该链不属于核心工作记忆网络。我们的纵向分析支持了以下观点:多巴胺系统中与衰老相关的变化有助于衰老的工作记忆下降。
第八个在定向图的反转数中,是JørgenBang-Jensen,Jonas Costa Ferreira da Silva和Fr´ed的“ Havet”。作者考虑了定向图及其反转编号,即,使其无环所需的最小反转数。他们将此数字绑定到循环横向数字,循环弧转换数和周期堆积号。他们证明了两个图的dijoin的反转数是其反转数的总和。他们还研究了确定图的反转数是否低于k的复杂性,并表明该问题对于K = 1的NP结合了,与上述猜想一起,这意味着每个K对每个K来说都是NP的np,与先前的工作相反。
Benoît Manfroi 1 , Bui Thi Cuc 1 , Aurélien Sokal 1,2,3,4 , Alexis Vandenberghe 1,2,4,5 , Sarah Temmam 6 , Mikaël Attia 7 , Mohamed El Behi 1 , Francesco Camaglia 8 , Ngan Thu Nguyen 1 , Jelka Pohar 1,9 , Layale Salem-Wehbe 1 , Valentine Pottez-Jouatte 1 , Sibyline Borzakian 1,10,11 , Narcisse Elenga 12 , Caroline Galeotti 13 , Guillaume Morelle 14 , Camille de truchis de Lays 15 , Michaela Semeraro 16 , Anne-Sophie Romain 17 , Mélodie Aubart 18,19 , Naim Ouldali 20.21 , Florence Mahuteau- Betzer 10.11 , Claire Beauvineau 10.11 , Elsa Amouyal 22 , Romain Berthaud 23.24 , Célia Crétolle 25 , Marc Duval Arnould 14 , Albert Faye 19 , Mathie Lorrot 17 , Grégoire Benoist 26 , Nelly Briand 16 , Marie Courbebaisse 27.28 , Roland Martin 29.30 , Peter Van Endert 1.31 , Jean-Sébastien Hulot 32.33 , Anne Blanchard 33.34 , Eric Tartour 23.32,35 , Maria Leite- de- Moraes 1 , Guillaume Lezmi 1.36 , Mickael Ménager 37.38 , Marine Luka 37,38 , Claude-Agnès Reynaud 1,2 , Jean-Claude Weill 1,2 , Laetitia Languille 4 , Marc Michel 4 , Pascal Chappert 1,2,5 , Thierry Mora 8 , Aleksandra M. Walczak 8 , Marc Eloit 6,39 , Petra Bacher 40,41 , Alexander Scheffold 40 , Matthieu Mahévas 1,2,4,5 , Isabelle Sermet- Gaudelus 1,42 * , Simon Fillatreau 1,24,27,31 *
a 意法半导体,法国鲁塞 b 艾克斯-马赛大学,CNRS,IM2NP,13451 马赛,法国 摘要 在本文中,我们对 100 万次编程/擦除 (P/E) 操作后的 1T-NOR 闪存电气特性进行了 TCAD 模拟。由于 TCAD 模拟,提出了空间缺陷分布来解释耐久性下降的原因。工艺模拟基于意法半导体生产的 90 nm 节点嵌入式非易失性存储器技术 (eNVM)。编程和擦除期间使用热载流子注入 (HCI) 和高级隧道模型,而闪存性能下降则通过位于 Si/SiO 2 界面和 SiO 2 内部的缺陷来考虑。获得的循环前后编程窗口以及消耗电流的结果与实验结果高度一致。此外,在此框架内,可以正确重现 100 万次循环后无应力闪存侧的 IV 特性,如文献中先前报道的那样。 1. 引言电荷存储浮栅存储器Flash-EEPROM(电可擦除可编程只读存储器)或简称Flash,可以说是迄今为止市场上最成功的非易失性存储器之一,每年仍有数十亿个单元被处理,预计到2028年,复合年增长率(CGAR)将达到14.4% [1]。它的可靠性(主要包括耐用性和数据保留率)在过去几十年中得到了广泛的研究[2-4]。在本文中,我们使用技术计算机辅助设计(TCAD)来模拟100万次循环后的1T-NOR闪存编程窗口关闭。TCAD是一种基于物理的数值建模方法,用于精确模拟微电子器件的制造工艺和电气特性,该工具已成功用于器件性能优化和可靠性提高[5,6,7]。与[8]类似,Flash耐用性是通过缺陷建模的;然而,在本文中,我们采用了 Si/SiO 2 界面和 SiO 2 体氧化物中的非均匀缺陷分布以及不同类型的缺陷。这种方法与 [4] 中报道的实验结果一致。
迷走神经是身体和大脑之间的内感受中继。尽管迷走神经在摄食行为、能量代谢和认知功能中的作用已得到充分证实,但连接迷走神经和海马的复杂功能过程及其对学习和记忆动态的贡献仍然难以捉摸。在这里,我们研究了肠脑迷走神经轴是否以及如何在行为、功能、细胞和分子水平上促进海马的学习和记忆过程。我们的结果表明,迷走神经轴的完整性对于长期识别记忆至关重要,同时对其他形式的记忆也有保护作用。此外,通过结合多尺度方法,我们的研究结果表明肠脑迷走神经张力在扩大细胞内信号事件、基因表达、海马树突棘密度以及功能性长期可塑性 (LTD 和 LTP) 方面发挥着允许作用。这些结果强调了肠脑迷走神经轴在维持海马群的自发和稳态功能以及调节其学习和记忆功能方面的关键作用。总之,我们的研究全面了解了肠脑迷走神经轴在塑造时间依赖性海马学习和记忆动态方面的多方面参与。了解这种内感受性身体-大脑神经元通讯背后的机制可能为与认知衰退相关的疾病(包括神经退行性疾病)的新治疗方法铺平道路。
JuanJoséSeoane1,Jorge Parra 1,Juan Navarro-Arenas 1,2,María床3,Koen Schouteden 3,Jean Pierre Locquet 3和Pablo Sanchis 1*
由于其独特的属性组合:非挥发性,速度,密度和写入耐力,称为自旋转移磁性磁性随机接入记忆(STT-MRAM)的自旋记忆有望在物联网(IoT)的未来发展中起重要作用(IOT),并且在信息和通信技术中更笼统地发挥作用。这种类型的自旋装置通常是由材料制成的,其中一些可以归类为关键。最近的研究评估了磁随机访问记忆中包含的关键材料[1,2]。但是,在那些情况下,分析的记忆类型属于2000年代初期开发的第一代MRAM。如今,存储器设备被垂直于层平面磁化,并包含合成反铁磁铁(SAF)(SAF),该抗fiferromagnet(SAF)可为STT-MRAM参考层具有较低的流浪场提供高温。此SAF通常由钴(CO)和铂(PT)多层制成,抗铁磁性在薄扁桃(RU)层上耦合。由于铂金属(PGMS)的高体能量引起的,评估这些材料的普遍关注点是与其生产相关的环境风险。在这里首先报道对使用此类多层的环境和经济风险的评估,然后对其供应风险进行讨论。用CO/NI多层替换CO/PT多层替代可以导致与使用这些多层人士使用相关的能量需求或全球变暖潜力(GWP)的3-4个数量级。尽管如此,与PGMS相关的高供应风险仍然是提高意识的原因。基于垂直形状各向异性(PSA)的替代概念也可以在这些量中减少1-2个数量级。然而,对于Stt-Mram的情况,与硅晶片的质量相比,使用了少量的PGM层,这些硅晶片生长了这些类型的设备。因此,发现硅晶片制造的环境和经济影响要比STT-MRAM堆栈中纳入的PGM材料高得多。一个探索的可能性是基于Co/ni多层的SAF结构,其性能相似。还基于上述PSA概念提出了更具挑战性的选择。最后,我们解决了欧洲委员会确定的其他几种金属的案例,这些金属在MRAM(例如W或TA)中使用,最近都包括在2021年1月发布的欧盟冲突矿产法规中[3]。
EEG中的跨主题变异性降低了当前深度学习模型的表现,限制了脑机构界面(BCI)的发展。本文提出了ISAM-MTL,这是一种基于可识别峰值的多任务学习(MTL)EEG分类模型(IS)代表和关联内存(AM)网络。所提出的模型将每个受试者的脑电图分类视为一项独立任务,并利用跨主题数据训练来促进跨受试者的特征共享。ISAM-MTL由一个尖峰功能提取器组成,该提取器可在受试者和特定主题的双向关联内存网络中掌握共享特征,该功能受HEBBIAN学习训练,以实现高效且快速的主体内部EEG分类。iSAM-MTL将学习的尖峰神经代表与双向缔合记忆进行了交叉主体EEG分类。模型标记引导的变异推断对可识别的尖峰表示,增强了分类精度。在两个BCI竞争数据集上的实验结果表明,ISAM-MTL提高了跨主体EEG分类的平均准确性,同时降低受试者之间的性能差异。该模型进一步表现出少数射击学习和可识别的神经活动的特征,从而实现了BCI系统的快速且可解释的核心。