Ultrafast Light‐Modulated Sliding Ferroelectric Tunnel Junctions for Synaptic in In‐Memory Computing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Developing neuromorphic synaptic devices that simultaneously offer polymorphic conductance modulation, ultrafast switching, and low power consumption remains a critical challenge for efficient brain‐inspired computing. Here, an innovative optically controlled synaptic memristor is proposed, in which the memristive layer is based on a bilayer sliding ferroelectric semiconductor—boron arsenide (BAs). Interlayer sliding, triggered by femtosecond laser pulses, enables rapid and reversible polarization switching. First‐principles and time‐dependent simulations reveal polarization reversal completed within 417.4 femtoseconds (fs), highlighting an ultrafast response that exceeds conventional gate‐controlled switching speeds. Tuning the optical pulse parameters allows precise modulation of the polarization‐induced interface barrier, thereby enabling reversible switching. The device achieves two stable conductance states with high/low conductance (ON/OFF) ratio up to 10 6 and exhibits robust long‐term non‐volatile retention. Moreover, continuously programmable multi‐conductance states can be achieved during the switching process, supporting synaptic weight modulation and nonlinear response modeling. Integration into a Residual Neural Network‐18 (ResNet‐18) neural network yields 94.7% online learning accuracy on the Fashion‐MNIST (FMNIST) dataset, closely matching the performance of full‐precision models while maintaining robustness against noise and conductance drift. These results establish a material‐to‐device framework for high‐speed, low‐power optically modulated synaptic elements, paving the way toward scalable neuromorphic computing systems with ultrafast learning capabilities.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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