XiaoMi-AI文件搜索系统
World File Search System忆阻器
个人简历 个人信息
我的研究领域是声子、光子和极化子在纳米、微观和宏观材料中传播的热传输，应用于热极化子和热电子学（热计算）、电子学、光子学、热电学等。玻尔兹曼传输方程、麦克斯韦电磁方程和涨落电动力学是我在理论和实验上研究线性和非线性材料在稳态和动态条件下的热传输的主要工具。我的主要贡献分为三个方面：第一，预测新的物理效应和热器件的概念，例如纳米线和纳米薄膜中极化子热导的量化、热忆阻器、热波二极管和量子热晶体管。第二，开发了根据 3ω、时域热反射、光热辐射测量、热波谐振腔和光声学技术记录的实验数据拟合热性能的分析模型。第三，对由纳米颗粒或多孔材料组成的固体基质复合材料的热导率进行建模和测量。这三个研究方向主要针对极性材料（即 SiO 2 、SiN、SiC）、相变材料（即 VO 2 、镍钛诺）和介电材料（薄膜和导线形式）进行了开发。
我的神经网络是神经形态的吗？神经形态工程的分类、最新趋势和未来方向
摘要 — 在本文中，我们回顾了过去 3 年在神经形态工程领域发表的最新研究，以分析此类系统的共同特征。我们发现没有明确的共识，但每个系统都具有以下一个或多个特征：（1）模拟计算（2）非冯诺依曼架构和低精度数字处理（3）脉冲神经网络 (SNN)，其组件与生物学密切相关。我们比较了最近的机器学习加速器芯片，以表明模拟处理和降低位精度的架构确实具有最佳的吞吐量、能量和面积效率。然而，纯数字架构也可以通过采用非冯诺依曼架构来实现相当高的效率。鉴于数字硬件设计的设计自动化工具，它提出了一个问题，即在不久的将来工业设计中采用模拟处理的可能性。接下来，我们讨论了定义标准和选择适当基准对于神经形态系统设计进展的重要性，并提出了此类基准的一些期望特征。最后，我们展示了脑机接口作为一项潜在任务，它满足了这些基准的所有标准。索引术语——神经形态、低功耗、机器学习、脉冲神经网络、忆阻器
适用于高安全性应用的轻量级可重构 RRAM PUF
摘要 — 最近，忆阻器在各种应用中受到了广泛关注。即使是电阻式存储器件 (RRAM) 的一些主要缺点（例如可变性），也已成为以物理不可克隆功能 (PUF) 形式实现硬件安全性的有吸引力的特性。尽管文献中已经出现了几种基于 RRAM 的 PUF，但它们仍然存在与可靠性、可重构性和大量集成成本相关的一些问题。本文介绍了一种新型轻量级可重构 RRAM PUF (LRR-PUF)，其中使用连接到同一位线和相同晶体管 (1T4R) 的多个 RRAM 单元来生成单个位响应。所使用的脉冲编程方法也很有创新性：1) 它允许实现节能的实现，2) 它利用切换 RRAM 单元作为 PUF 的主要熵源所需的脉冲数量的变化。所提出的 PUF 的主要特点是它几乎不需要额外成本就可以与任何 RRAM 架构集成。通过大量模拟，包括温度和电压变化的影响以及统计特性，我们证明了 LRR-PUF 表现出其他之前提出的基于 RRAM 的 PUF 所缺乏或难以实现的出色特性，包括高可靠性（几乎 100%），这对于加密密钥生成、可重构性、唯一性、成本和效率至关重要。此外，该设计成功通过了相关的 NIST 随机性测试。
纳米技术和纳米科学——从过去的突破到未来的前景
摘要：纳米科学和纳米技术已经以多种方式改善了我们的生活。本文旨在深入了解纳米科学和纳米技术未来的潜在用途以及当前的应用，并介绍使纳米科学和纳米技术发展成为可能的重大突破。本文专门用一节来介绍微电子领域的发展，由于器件尺寸缩小到纳米级，微电子领域面临着诸多挑战。本文介绍了微电子行业的现状和未来几年的预测。此外，本文还介绍了纳米技术在医学、能源学、环境保护和运输领域的应用和未来前景。本文的很大一部分内容涉及电子和信息技术领域，其中隐含了一些应对微电子挑战的潜在纳米技术解决方案。本文介绍了碳纳米管在逻辑电路和存储器应用中的应用。本文还介绍了单电子晶体管的基本原理。本文解释了自旋电子学在磁阻随机存取存储器 (MRAM) 结构中的应用的基本概念。本文还介绍了忆阻器作为一种重要的未来前景。最后部分介绍了欧盟资助计划对纳米技术和纳米科学的投资，并对这些领域的未来发展进行了预测。然而，这篇评论文章只关注纳米技术的积极影响，而没有讨论其对公众健康和环境可能产生的负面影响。
后硅纳米电子器件及其在类脑芯片中的应用
随着信息技术迈向大数据时代，传统的冯·诺依曼架构在性能上显示出局限性。计算领域已经在应对访问内存所需的延迟和带宽（“内存墙”）以及能量耗散（“电源墙”）方面遇到了很多困难。这些具有挑战性的问题，例如“内存瓶颈”，要求进行大量的研究投资来开发下一代计算系统的新架构。脑启发计算是一种新的计算架构，为人工智能计算提供了一种高能效和高实时性的方法。脑启发神经网络系统基于神经元和突触。忆阻器件已被提议作为创建神经形态计算机应用的人工突触。在本研究中，对后硅纳米电子器件及其在脑启发芯片中的应用进行了调查。首先介绍了神经网络的发展，回顾了当前典型的类脑芯片，包括以模拟电路为主的类脑芯片和全数字电路的类脑芯片，进而引出了基于后硅纳米电子器件的类脑芯片设计。然后，通过对N种后硅纳米电子器件的分析，阐述了利用后硅纳米电子器件构建类脑芯片的研究进展。最后，对基于后硅纳米电子器件构建类脑芯片的未来进行了展望。
具有单光子精度的可调谐单分子发光二极管
量子点发光二极管（QD-LED）是日常生活中使用的显示设备的例子。作为设备中使用的最新一代发光二极管（LED），量子点发光二极管（QD-LED）具有色域纯正（即颜色可通过尺寸调谐，半峰全宽（FWHM）约为几十纳米）[9]、与高清屏幕、虚拟/增强现实集成度高[4]、量子效率高、发射明亮[9]等特点，具有很好的应用潜力。自然而然，分子作为基本量子体系，启发人们只用一个分子来构造LED的概念，即单分子发光二极管（SM-LED）。它具有更高的原子经济性和集成度、通过精确有机合成可调的色纯度、可控的能带排列、避免分子间荧光猝灭等特点。[9]事实上，我们看到的物理世界就是由分子构成。因此，用单个分子作为显示像素最能体现现实世界，这也是显示器件的终极目标。然而，分子水平上的器件工程一直不是一项简单的任务。这种工程的典型例子是硅基微电子器件的小型化和摩尔定律的延续。[10]为此，通过自下而上的途径制备多功能分子器件是一种很有前途的策略。[11,12]受由单个D–σ–A分子组成的整流器的初始理论提议的推动[13]，各种功能性单分子器件，如场效应晶体管[14,15]、整流器[16,17]、开关[18,19]和忆阻器[20]，已通过长期优化功能分子中心、电极材料和界面耦合而不断改进。[11,12,21]
乔纳森·E·哈尔珀特
Jonathan E. Halpert 是香港科技大学 (HKUST) 理学院 (SSCI) 化学系 (CHEM) 的助理教授。他于 2008 年在麻省理工学院 (MIT) 获得物理化学博士学位，后来担任中国科学院过程工程研究所 (CAS-IPE) 的访问学者和剑桥大学光电子组 (OE) 的博士后研究员。2013 年至 2017 年，他在惠灵顿维多利亚大学 (VUW) 化学和物理科学学院 (SCPS) 担任讲师和高级讲师，并在那里担任卢瑟福发现研究员和麦克迪亚米德先进材料和纳米技术研究所的首席研究员。 Halpert 团队于 2017 年迁至香港科技大学，其研究兴趣包括使用半导体材料（尤其是钙钛矿）的纳米晶体、纳米材料和量子点来生产功能性电子和光电子装置，包括忆阻器、储能装置、光电探测器、太阳能电池和 LED。Halpert 教授是 50 多篇同行评审论文的作者，拥有超过 7500 次职业引用 (GS) 和 11 项美国专利和申请。他的作品发表在《美国化学会志》、《ACS Nano》、《Nano Letters》、《自然光子学》、《自然通讯》、《能源与环境科学》、《材料化学》、《物理化学快报》、《ACS 光子学》和《ACS 应用材料与界面》等知名期刊上。Halpert 团队目前专注于无铅金属-金属卤化物材料和器件。
神经形态计算：推进节能人工智能......
神经形态计算代表了人工智能的一种变革性方法，利用大脑启发式架构来提高能源效率和计算性能。本文探讨了神经形态系统背后的原理和创新，这些系统模仿了生物大脑的神经结构和过程。我们讨论了这些架构在处理信息方面比传统冯·诺依曼模型更高效的优势，特别是在涉及模式识别、感官处理和自适应学习的任务中。通过将神经科学的概念与尖端硬件开发（例如脉冲神经网络和忆阻器）相结合，神经形态计算解决了人工智能应用中功耗和可扩展性的关键挑战。本综述重点介绍了最近的进展、正在进行的研究工作以及潜在的未来方向，说明了神经形态计算如何通过使系统不仅更快、更高效，而且还能够在动态环境中进行实时学习和决策来重新定义人工智能的格局。关键词：神经形态计算、节能人工智能、脑启发式架构、人工智能、神经网络、脉冲神经网络、低功耗计算、类脑处理、认知计算、硬件加速、机器学习、模拟计算、并行处理、自适应学习、边缘计算、生物启发系统、智能传感器、计算神经科学、突触处理、机器人应用、事件驱动计算、神经形态芯片、高效算法、弹性系统、自组织网络。
面向未来移动混合的硬件内存管理...
摘要 — 当前移动应用的内存占用量快速增长，对内存系统设计构成巨大挑战。DRAM 主内存不足会导致内存和存储之间频繁的数据交换，这一过程会损害性能、消耗能量并降低典型闪存设备的写入耐久性。另一方面，更大的 DRAM 具有更高的漏电功率并会更快耗尽电池电量。此外，DRAM 的扩展趋势使得 DRAM 在移动领域的进一步增长因成本而变得难以承受。新兴的非易失性存储器 (NVM) 有可能缓解这些问题，因为它的单位成本容量高于 DRAM，并且静态功耗极低。最近，出现了各种 NVM 技术，包括相变存储器 (PCM)、忆阻器和 3-D XPoint。尽管有上述优势，但与 DRAM 相比，NVM 的访问延迟更长，并且 NVM 写入会产生更高的延迟和磨损成本。因此，将这些新内存技术集成到内存层次结构中需要从根本上重新构建传统系统设计。在本研究中，我们提出了一种硬件加速内存管理器 (HMMU)，它在平面地址空间中寻址，并将一小部分 DRAM 保留用于子页块级管理。我们在这个内存管理器中设计了一组数据放置和数据迁移策略，以便我们能够利用每种内存技术的优势。通过用这个 HMMU 增强系统，我们降低了整体内存延迟，同时还减少了对 NVM 的写入。实验结果表明，与未来可能难以维持的全 DRAM 基线相比，我们的设计实现了 39% 的能耗降低，而性能仅下降了 12%。
材料
摘要：忆阻器件由于结构简单、集成度高、功耗低、运行速度快等特点，在存储器、逻辑、神经网络和传感应用中备受关注。特别是，由有源门控制的多端结构能够并行处理和操纵信息，这无疑将为神经形态系统提供新概念。通过这种方式，可以设计基于晶体管的突触器件，其中突触后膜中的突触权重被编码在源漏通道中，并由突触前终端（门）修改。在这项工作中，我们展示了强关联金属氧化物中可逆场诱导金属-绝缘体转变 (MIT) 的潜力，可用于设计坚固而灵活的多端忆阻晶体管类器件。我们研究了在 YBa 2 Cu 3 O 7 − δ 薄膜上图案化的不同结构，这些结构能够显示栅极可调的非挥发性体积 MIT，由系统内的场诱导氧扩散驱动。这些材料的关键优势是不仅可以在受限的细丝或界面中均匀调整氧扩散，就像在广泛探索的二元和复合氧化物中观察到的那样，而且可以在整个材料体积中均匀调整。与基于导电细丝的器件相比，关联氧化物的另一个重要优势是显著减少了循环间和器件间的差异。在这项工作中，我们展示了几种器件配置，其中漏极-源极通道（突触权重）之间的横向传导由主动栅极可调体积电阻变化有效控制，从而为设计稳健且灵活的基于晶体管的人工突触提供了基础。