XiaoMi-AI文件搜索系统
World File Search System忆阻器
采用自旋电子和新兴技术的神经形态计算
神经形态计算有望通过模仿人脑结构和功能的高效设备和电路为人工智能带来卓越功能。传统 CMOS 晶体管仅提供易失性开关，而新兴非易失性存储器技术提供的非易失性模拟行为有望成为神经形态计算系统的潜在硬件组件。特别是，忆阻器和自旋电子器件（其中除了电子电荷外还操纵电子自旋）因其仿生特性而受到广泛关注。在这个三讲的教程中，我将描述和分析在神经形态计算系统中使用自旋电子和新兴技术模拟神经生物学行为的各种技术。与遵循从物理到整个系统性能的单个设备垂直集成的传统演示不同，本课程评估了各种神经形态计算范例在人工神经网络中利用新兴技术行为的有效性。
神经网络讲义 B.TECH III 年
人工神经元是一种数学函数，被认为是生物神经元的模型，即神经网络。人工神经元是人工神经网络的基本单元。人工神经元接收一个或多个输入（代表神经树突处的兴奋性突触后电位和抑制性突触后电位）并将它们相加以产生输出（或激活，代表沿其轴突传输的神经元动作电位）。通常，每个输入都单独加权，总和通过称为激活函数或传递函数的非线性函数传递。传递函数通常具有 S 形，但它们也可以采用其他非线性函数、分段线性函数或阶跃函数的形式。它们也通常是单调递增、连续、可微和有界的。阈值函数启发了构建称为阈值逻辑的逻辑门；适用于构建类似于大脑处理的逻辑电路。例如，近年来，诸如忆阻器之类的新设备已被广泛用于开发这种逻辑。
使真正的忆阻内存处理更快且......
摘要 — 忆阻技术是替代传统内存技术的有吸引力的候选技术，并且还可以使用一种称为“状态逻辑”的技术来执行逻辑和算术运算。将数据存储和计算结合在内存阵列中可以实现一种新颖的非冯·诺依曼架构，其中两种操作都在忆阻内存处理单元 (mMPU) 中执行。mMPU 依赖于在不改变基本内存阵列结构的情况下向忆阻内存单元添加计算能力。使用 mMPU 可以缓解冯·诺依曼机器对性能和能耗的主要限制，即 CPU 和内存之间的数据传输。这里讨论了 mMPU 的各个方面，包括其架构和对计算系统和软件的影响，以及检查微架构方面。我们展示了如何改进 mMPU 以加速不同的应用程序，以及如何在 mMPU 操作中改进忆阻器的可靠性差的问题。
量子点中电荷状态自动调节的微型神经网络
摘要 量子计算机规模化的一个关键挑战是多个量子位的校准和控制。在固态量子点 (QD) 中，稳定量化电荷所需的栅极电压对于每个单独的量子位都是唯一的，从而产生必须自动调整的高维控制参数空间。机器学习技术能够处理高维数据（前提是有合适的训练集），并且过去已成功用于自动调整。在本文中，我们开发了极小的前馈神经网络，可用于检测 QD 稳定图中的电荷状态转变。我们证明这些神经网络可以在计算机模拟产生的合成数据上进行训练，并稳健地转移到将实验设备调整为所需电荷状态的任务上。此任务所需的神经网络足够小，可以在不久的将来在现有的忆阻器交叉阵列中实现。这为在低功耗硬件上小型化强大的控制元件提供了可能性，这是未来 QD 计算机片上自动调整的重要一步。
通过...获得的非化学计量 SiOx 中的电荷传输
摘要 —当前，正在开发基于非化学计量电介质的新一代高速、信息密集型阻变存储器。非化学计量氧化硅SiO x 的电子结构由参数x 的值设定。研究发现，在氢等离子体电子回旋共振中处理热SiO 2 会导致氧化硅中富集过量的硅，从而导致SiO x 中出现电子和空穴陷阱。SiO x 的导电性是双极的：电子从负偏置硅注入，空穴从正偏置硅注入。阴极发光（CL）实验证实了SiO x 中的陷阱是由于过量的硅造成的假设。基于在电子回旋共振氢等离子体中制备非化学计量氧化物的开发程序，制备了p ++-Si（100）/SiO x /Ni忆阻器金属-电介质-半导体（MDS）结构。这种结构具有SiO x 电阻开关的特性，不需要成型操作。
2024 年 11 月
个人资料 工作地址： 维特比电气和计算机工程学院 以色列理工学院 海法 3200003 电子邮箱： shahar@ee.technion.ac.il 网址： http://kvatinsky.com/ http://asic2.group ORCID ID： 0000-0001-7277-7271 学位 2014 博士学位 电气工程，以色列理工学院 论文题目：《基于忆阻器的电路和架构》。直接跟踪学位。 导师：Avinoam Kolodny 教授、Eby Friedman 教授和 Uri Weiser 教授。 2010 工商管理硕士，希伯来大学，耶路撒冷 以优异成绩毕业，GPA：94.8/100。专攻商业战略和创业精神、金融和银行业。 2009 理学学士学位计算机工程与应用物理学，希伯来大学，耶路撒冷 以优异成绩毕业，GPA：96.6/100。专业为微电子和光电子。 学术任命 2023 年 7 月 – 现在 多伦多大学电气与计算机工程客座教授 2024 年 4 月 – 现在 以色列理工学院电气与计算机工程全职教授 2019 年 11 月 – 2024 年 3 月 副教授
钙钛矿在光伏领域的前沿应用
基于冯·诺依曼体系结构的传统计算机，内存与中央处理器是分离的，处理速度与数据传输速度的不匹配，导致在数字革命面前难以解决海量数据的快速处理和存储问题 [10]。神经形态计算受到生物神经形态系统的启发，由同时充当存储和处理单元的器件组成，可以并行处理大量数据，同时解决记忆墙问题 [11]。各种材料已被应用于塑性突触类器件，以在神经形态计算中同时发挥记忆和处理功能，例如忆阻器、相变材料、钙钛矿等[7，12，13]。基于钙钛矿的突触器件因功耗低、响应快、光电可调等优点而受到广泛欢迎[7，14−18]。Han et al.将CsPbBr 3 量子点与并五苯结合制成光子存储器（图1（a））。该器件表现出光学编程和电擦除的特性（图1（b））。展示了多种突触功能，可进一步应用于图像识别和分类[ 7 ]。
利用电阻开关存储器的非理想特性实现高效的机器学习
基于电阻开关存储器（也称为忆阻器或 RRAM）的新型计算架构已被证明是解决深度学习和脉冲神经网络能源效率低下问题的有前途的方法。然而，电阻开关技术尚不成熟，存在许多缺陷，这些缺陷通常被认为是人工神经网络实现的限制。尽管如此，可以利用合理的可变性来实现高效的概率或近似计算。这种方法可以提高稳健性、减少过度拟合并降低特定应用（如贝叶斯和脉冲神经网络）的能耗。因此，如果我们将机器学习方法适应电阻开关存储器的固有特性，某些非理想性可能会成为机会。在这篇简短的评论中，我们介绍了电路设计的一些关键考虑因素和最常见的非理想性。我们通过成熟的软件方法示例说明了随机性和压缩的可能好处。然后，我们概述了利用电阻开关存储器的缺陷的最新神经网络实现，并讨论了这些方法的潜力和局限性。
利用电阻开关存储器的非理想特性实现高效的机器学习
基于电阻开关存储器（也称为忆阻器或 RRAM）的新型计算架构已被证明是解决深度学习和脉冲神经网络能源效率低下问题的有前途的方法。然而，电阻开关技术尚不成熟，存在许多缺陷，这些缺陷通常被认为是人工神经网络实现的限制。尽管如此，可以利用合理的可变性来实现高效的概率或近似计算。这种方法可以提高稳健性、减少过度拟合并降低特定应用（如贝叶斯和脉冲神经网络）的能耗。因此，如果我们将机器学习方法适应电阻开关存储器的固有特性，某些非理想性可能会成为机会。在这篇简短的评论中，我们介绍了电路设计的一些关键考虑因素和最常见的非理想性。我们通过成熟的软件方法示例说明了随机性和压缩的可能好处。然后，我们概述了利用电阻开关存储器的缺陷的最新神经网络实现，并讨论了这些方法的潜力和局限性。
使用电阻记忆和超声波换能器进行神经形态物体定位
现实世界的传感处理应用需要紧凑、低延迟和低功耗的计算系统。混合忆阻器-互补金属氧化物半导体神经形态架构凭借其内存事件驱动计算能力，为此类任务提供了理想的硬件基础。为了展示此类系统的全部潜力，我们提出并通过实验演示了一种用于现实世界对象定位应用的端到端传感处理解决方案。从仓鸮的神经解剖学中汲取灵感，我们开发了一种生物启发的事件驱动对象定位系统，将最先进的压电微机械超声换能器传感器与基于神经形态电阻式存储器的计算图结合在一起。我们展示了由基于电阻式存储器的巧合检测器、延迟线电路和全定制超声传感器组成的制造系统的测量结果。我们使用这些实验结果来校准我们的系统级模拟。然后使用这些模拟来估计对象定位模型的角度分辨率和能量效率。结果揭示了我们的方法的潜力，经评估，其能量效率比执行相同任务的微控制器高出几个数量级。