图1. 结构示意图及在正入射光下模拟得到的吸收光谱。(a)红外探测器的探测机理。目标的红外辐射透过大气后被红外探测器捕获。(b)双层超薄膜示意图及GST在不同状态之间的转变机制。当温度超过结晶温度𝑇𝑇 𝑐𝑐时,GST会逐渐由非晶态转变为结晶态,而一旦温度超过熔点𝑇𝑇 𝑚𝑚后,经过快速退火,GST又可以变回非晶态。(c)光谱椭偏仪测得的红外波段不同状态下GST的相对介电常数。(d)双相态超薄膜对正入射光的吸收光谱及大气透过光谱。
从那时起,SONOS 就以低得多的成本成为嵌入式闪存的有力替代品。SONOS 自 1980 年代以来就被称为 NVM 技术。然而,在早期,由于编程电压较高且高温下数据保留竞争力较弱,它在与浮栅技术的竞争中并不十分成功。英飞凌通过 SONOS 非易失性存储器堆栈中的电荷陷阱工程解决了这些障碍,并在高达 125°C(环境温度)的温度下实现了 10 年的保留时间,并且具有稳健的裕度。如今,英飞凌 SONOS 技术不仅用于英飞凌的许多产品,还用于许多其他公司(通过技术许可)。这些产品包括智能卡、独立 NOR 闪存、FPGA 和微控制器。SONOS 还具有很强的抗辐射能力,使其成为抗辐射产品的理想选择。最近,SONOS 开辟了一个令人兴奋的新应用:用于人工智能 (AI) 边缘应用中的神经形态计算的模拟 NVM。英飞凌正致力于优化 SONOS 技术的运行,以应对这一激动人心的领域。
电场的纵向成分是e z = ∑ ae ikrቀxcos 2nπn + ysin 2nπnπe-k e -k z z z z n n = 1,带有
摘要。本研究解决了域级逐步学习问题,这是一种现实但具有挑战性的持续学习场景,在该方案中,域分布和目标类别跨任务各不相同。为处理这些不同的任务,引入了预训练的视力语言模型(VLM),以实现其强大的推广性。但是,这会引起一个新问题:在适应新任务时,预先训练的VLMS中编码的知识可能会受到干扰,从而损害了它们固有的零射击能力。现有方法通过在额外的数据集上使用知识蒸馏来调整VLM来解决它,这需要大量计算。为了有效地解决此问题,我们提出了无知的无干扰知识集成(DIKI)框架,从避免避免信息干扰的角度来保留对VLM的预训练的知识。具体来说,我们设计了一种完全残留的机制,可以将新学习的知识注入冷冻的骨干中,同时引发对预训练的知识的不利影响最小。此外,此残差属性可以使我们的分布感知的集成校准方案明确控制来自看不见的分布的测试数据的信息植入过程。实验表明,我们的二基仅使用训练有素的参数超过了当前的最新方法,并且需要较少的训练时间。代码可在以下网址找到:https://github.com/lloongx/diki。
非挥发相变的内存设备利用局部加热来在具有不同电性能的晶体和无定形状态之间切换。扩展这种切换到两个拓扑上不同的阶段需要受控的非易失性切换在两个具有不同对称性的晶体相之间。在这里,我们报告了在两个稳定且密切相关的晶体结构之间的可逆和非挥发性切换的观察,并具有非常不同的电子结构,在近室温的范德华(Van der waals)中,van der waals feromagnet fe 5-Δgete 2。我们表明,通过Fe位置空缺的顺序和无序,可以通过两阶段的晶体对称性来实现开关,这可以通过热退火和淬火方法来控制。这两个阶段是由于在位置排序相中保留的全局反转对称性而存在拓扑结节线的区别,这是由量子破坏性干扰在双位晶格上引起的,而在站点排序相位的反转对称性。
大规模数据存储的爆炸性增长和对超快数据处理的需求需要具有出色性能的创新记忆设备。2D材料及其带有原子尖锐界面的范德华异质结构对内存设备的创新有着巨大的希望。在这里,这项工作呈现出所有由2D材料制成的功能层,可实现超快编程/擦除速度(20 ns),高消光率(最高10 8)和多位存储能力。这些设备还表现出长期的数据保留超过10年,这是由高栅极偶联比(GCR)和功能层之间的原子尖锐接口促进的。此外,这项工作证明了通过协同电气和光学操作在单个设备单元上实现“或”逻辑门的实现。目前的结果为下一代超速,超级寿命,非挥发性存储器设备提供了坚实的基础,并具有扩展制造和灵活的电子应用程序的扩展。
1 马萨诸塞州波士顿丹娜法伯癌症研究所肿瘤内科系;2 马萨诸塞州波士顿哈佛医学院;3 马萨诸塞州波士顿丹娜法伯癌症研究所数据科学系;4 西班牙萨拉曼卡大学萨拉曼卡生物医学研究所癌症分子和细胞生物学研究所 - 癌症研究中心;5 西班牙马德里康普顿斯大学药学院生物化学和分子生物学系;6 马萨诸塞州波士顿麻省总医院癌症研究中心和计算与整合生物学中心分子病理学部;7 马萨诸塞州波士顿丹娜法伯癌症研究所转化免疫基因组学实验室;8 马萨诸塞州剑桥麻省理工学院和哈佛大学布罗德研究所; 9 马萨诸塞州波士顿布莱根妇女医院医学部
摘要 - 光子综合电路(图片)是片上光学技术的基础。MACH-ZEHNDER调制器(MZM)是图片的有吸引力的构件,这些图片主要依赖于材料中弱且挥发性的光学效应。相比之下,相变材料(PCM),例如GE 2 SB 2 SE 4 TE 1(GSST)是有前途的候选人,可以实现有效且非易失性的可重构光学设备。然而,PCM的相跃迁伴随着其折射率的假想部分的大大变化,这使得MZMS的设计具有挑战性。在本文中,引入了两种称为“损失平衡”和“均衡”的有趣设计方法,以提出基于GSST的高性能MZM。在这方面,提出了以石墨烯为基础的基于GSST的波导,该波导在两种引入方法中都扮演着可构型活性波导的作用。根据提出的分析,在1550 nm的波长下,活性长度为4.725 µm,插入小于2 dB的非易失性MZM是可实现的。最后,对提出的基于GSST的波导进行热模拟,以便估计要进行非晶化(擦除)和结晶过程所需的电压分别为12 V和4.3 V。
脉冲神经网络 (SNN) 的设计灵感来源于人类大脑,它是使用集成系统中的传统或新兴电子设备在硬件上实现高效、低成本和鲁棒的神经形态计算的最强大平台之一。在硬件实现中,人工脉冲神经元的构建是构建整个系统的基础。然而,随着摩尔定律的放缓,传统的互补金属氧化物半导体 (CMOS) 技术逐渐衰落,无法满足日益增长的神经形态计算需求。此外,由于 CMOS 器件的生物可行性有限,现有的人工神经元电路非常复杂。具有易失性阈值开关 (TS) 行为和丰富动态的忆阻器是超越 CMOS 技术模拟生物脉冲神经元并构建高效神经形态系统的有希望的候选者。本文回顾了有关 SNN 基础知识的最新进展。此外,我们回顾了基于 TS 忆阻器的神经元及其系统的实现,并指出了系统演示中从器件到电路需要进一步考虑的挑战。我们希望这篇综述可以为未来基于忆阻器的神经形态计算的发展提供线索和帮助。