Molybdenum Oxide Artificial Synapse: Enabling Cognitive Learning, Image Recognition, and Denoising
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
Neuromorphic systems, which are inspired by the human brain, hold great promise for significant advances in future AI applications, particularly in energy-efficient and real-time image processing. This paper presents the fabrication of a high-temperature sputtered molybdenum oxide-based artificial synapse that replicates essential synaptic properties, including Paired Pulse Facilitation/Depression (PPF/PPD), Spike Timing-Dependent Plasticity (STDP), Spike Number-Dependent Plasticity (SNDP), and Spike Frequency-Dependent Plasticity (SFDP) as well as two specific cognitive models: the Atkinson-Shiffrin model and Ebbinghaus memory curve. The intrusion of noise into an image results in degradation of the image quality during processing and visualization. Scanning tunneling microscopy (STM) is a powerful tool for atomic-scale surface characterization; however, its inherently slow scanning process and susceptibility to various noise sources often result in low-quality images that are frequently discarded. There are denoising algorithms that are relatively effective but have low energy efficiency and a long computation time. This paper presents a Convolutional Neural Network (CNN)-based denoising model based on the Au/Mo x O y /FTO artificial synapse with denoising and image preservation of the Highly Oriented Pyrolytic Graphite (HOPG) STM images and a cartoon rendering of a cat, achieved through a correlation between conductance states and image pixels The model’s performance is quantitatively evaluated using Peak Signal-to-Noise Ratio (PSNR) and Structural Similarity Index Measure (SSIM) metrics, demonstrating effective noise suppression while maintaining image integrity. The device exhibits efficient pattern recognition on the MNIST handwritten digit data set, attaining an accuracy of 92.2%, underscoring its potential for neuromorphic computing applications. Furthermore, its applicability in image processing is validated through training and inference on the Canadian Institute For Advanced Research-10 (CIFAR-10) data set using the CNN model, where a maximum recognition accuracy of 94.06% is attained. This study emphasizes the capabilities of molybdenum oxide-based synaptic devices in progressing artificial intelligence, image enhancement, and edge computing applications.
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.
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Expérimental (laboratoire) | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Expérimental (laboratoire) | medium |
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 | 0,000 |
| 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