MétaCan
Menu
Retour à la cohorte
Enregistrement W4401391022 · doi:10.1021/acsnano.4c05137

Volatile and Nonvolatile Programmable Iontronic Memristor with Lithium Imbued TiO<sub><i>x</i></sub> for Neuromorphic Computing Applications

2024· article· en· W4401391022 sur OpenAlexafffund
Rabiul Islam, Yu Shi, Gabriel Vinicius de Oliveira Silva, Manoj Sachdev, Guo‐Xing Miao

Notice bibliographique

RevueACS Nano · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of WaterlooCanada First Research Excellence FundInnovation, Science and Economic Development Canada
Mots-clésNeuromorphic engineeringMemristorMaterials scienceLithium (medication)NanotechnologyNon-volatile memoryOptoelectronicsComputer scienceElectrical engineeringArtificial neural networkArtificial intelligenceEngineeringPsychology

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide We demonstrate a lithium (Li) imbued TiO x iontronic device that exhibits synapse-like short-term plasticity behavior without requiring a forming process beforehand or a compliance current during switching. A solid-state electrolyte lithium phosphorus oxynitride (LiPON) behaves as the ion source, and the embedding and releasing of Li ions inside the cathodic like TiO x renders volatile conductance responses from the device and offers a natural platform for hardware simulating neuron functionalities. Besides, these devices possess high uniformity and great endurance as no conductive filaments are present. Different short-term pulse-based phenomena, including paired pulse facilitation, post-tetanic potentiation, and spike rate-dependent plasticity, were observed with self-relaxation characteristics. Based on the voltage excitation period, the time scale of the volatile memory can be tuned. Temperature measurement reveals the ion displacement-induced conductance channels become frozen below 220 K. In addition, the volatile analog devices can be configured into nonvolatile memory units with multibit storage capabilities after an electroforming process. Therefore, on the same platform, we can configure volatile units as nonlinear dynamic reservoirs for performing neuromorphic training and the nonvolatile units as the weight storage layer. We proceed to use voice recognition as an example with the tunable time constant relationship and obtain 94.4% accuracy with a minimal training data set. Thus, this iontronic platform can effectively process and update temporal information for reservoir and neuromorphic computing paradigms.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,210
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetAdvanced Memory and Neural ComputingTravaux en français237 207