CN109787592B - 一种随机神经脉冲发生器 - Google Patents
一种随机神经脉冲发生器 Download PDFInfo
- Publication number
- CN109787592B CN109787592B CN201811574891.6A CN201811574891A CN109787592B CN 109787592 B CN109787592 B CN 109787592B CN 201811574891 A CN201811574891 A CN 201811574891A CN 109787592 B CN109787592 B CN 109787592B
- Authority
- CN
- China
- Prior art keywords
- memristor
- resistor
- pulse
- potential detection
- detection system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 210000005036 nerve Anatomy 0.000 title claims description 7
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 230000001537 neural effect Effects 0.000 claims abstract description 32
- 238000007493 shaping process Methods 0.000 claims abstract description 27
- 239000012212 insulator Substances 0.000 claims abstract description 24
- 230000008859 change Effects 0.000 claims abstract description 21
- 230000005669 field effect Effects 0.000 claims description 26
- 239000000463 material Substances 0.000 claims description 18
- 239000004065 semiconductor Substances 0.000 claims description 12
- 239000000758 substrate Substances 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- PBCFLUZVCVVTBY-UHFFFAOYSA-N tantalum pentoxide Inorganic materials O=[Ta](=O)O[Ta](=O)=O PBCFLUZVCVVTBY-UHFFFAOYSA-N 0.000 claims description 6
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N titanium dioxide Inorganic materials O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 claims description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- 229910021389 graphene Inorganic materials 0.000 claims description 3
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims description 3
- 229910052961 molybdenite Inorganic materials 0.000 claims description 3
- 229910052982 molybdenum disulfide Inorganic materials 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 abstract description 9
- 210000004556 brain Anatomy 0.000 abstract description 2
- 150000002500 ions Chemical class 0.000 description 27
- 238000000034 method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 230000000638 stimulation Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000006386 memory function Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000000225 synapse Anatomy 0.000 description 2
- -1 NiO Chemical class 0.000 description 1
- 230000036982 action potential Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 229910052723 transition metal Inorganic materials 0.000 description 1
- 150000003624 transition metals Chemical class 0.000 description 1
Images
Landscapes
- Electrotherapy Devices (AREA)
- Thin Film Transistor (AREA)
Abstract
本发明公开了一种随机神经脉冲发生器，包括方波发生器、忆阻器、第一电阻、电位检测系统和整波电路；忆阻器为莫特绝缘体忆阻器；忆阻器的一端连接方波发生器，另一端连接第一电阻；第一电阻的另一端接地；电位检测系统的一端连接忆阻器和第一电阻，另一端连接整波电路；电位检测系统检测第一电阻上的电势变化，并在检测到第一电阻上的电势变化后产生并发送复位信号脉冲至忆阻器和方波脉冲信号至整波电路；整波电路将电位检测系统送至的方波脉冲信号转换为类神经脉冲信号。本发明产生的类神经脉冲可以用于脉冲神经网络的模拟，在提升其模拟人类大脑准确性的同时，也解决了传统类神经脉冲产生装置的电路复杂性问题，具有电路简单、成本低等特点。
Description
技术领域
本发明属于脉冲神经网络、类脑计算领域，涉及一种随机神经脉冲发生器。
背景技术
自1872年人类首次发现神经元细胞以来，人们通过不断地探索，对单个神经元的工作特点已经有了清晰的认识，但是对于整个神经元网络的具体工作方式仍处于探索当中。人工神经网络是由大量处理单元相互连接而成的非线性、自适应信息处理系统，通过模仿人类大脑的结构与功能，融合生物科学的研究成果，实现对各种信息的处理。传统的人工神经网络已在分类识别、优化计算等多方面取得了成功的应用，但随着研究的不断深入，传统的人工神经网络已不再适应考虑了时间编码的时空信息处理系统，同时这一局限性也促使了第三代人工神经网络——脉冲神经网络的发展，这一神经网络建立在个体动作电位的时间基础之上。
现今也已经研究出了适合于多层次、多空间的脉冲神经网络的通用学习算法，不仅模拟了神经突触的塑造过程，而且还模拟了神经突触的生长与消亡。实际模拟过程中所采用的神经脉冲通常为周期性的尖峰脉冲，或是利用复杂电路实现的类神经元受激脉冲。但是，周期性的尖峰脉冲带来的大误差问题以及实现神经脉冲的电路复杂性问题仍未有效解决。
发明内容
本发明的目的在于克服上述现有技术的缺点，提供一种随机神经脉冲发生器。
为达到上述目的，本发明采用以下技术方案予以实现：
一种随机神经脉冲发生器，包括方波发生器、忆阻器、第一电阻、电位检测系统和整波电路；忆阻器为莫特绝缘体忆阻器；忆阻器的一端连接方波发生器，另一端连接第一电阻，第一电阻的另一端接地；电位检测系统的一端连接忆阻器和第一电阻，另一端连接整波电路；
电位检测系统用于检测第一电阻上的电势变化，并在检测到第一电阻上的电势变化后产生并发送复位信号脉冲至忆阻器，产生并发送方波脉冲信号至整波电路；
整波电路用于将电位检测系统送至的方波脉冲信号转换为类神经脉冲信号。
本发明进一步的改进在于：
方波发生器采用555方波振荡器，莫特绝缘体忆阻器的阻变层采用NiO、MnO或CoO材料制作。
电位检测系统包括电位检测模块和单脉冲发生器；电位检测模块一端连接忆阻器和第一电阻，另一端依次连接单脉冲发生器和整波电路；
电位检测模块用于检测第一电阻上的电势变化；
单脉冲发生器用于产生并发送复位信号脉冲至忆阻器，产生并发送方波脉冲信号至整波电路。
电位检测模块为CMOS比较器，CMOS比较器实时检测第一电阻上的电势变化。
单脉冲发生器为CMOS触发器，CMOS触发器用于产生并发送复位信号脉冲至忆阻器，产生并发送方波脉冲信号至整波电路。
整波电路包括电流源、离子栅型场效应晶体管和第二电阻；离子栅型场效应晶体管的漏极连接电流源，栅极连接电位检测系统，源极连接第二电阻，第二电阻的另一端接地。
离子栅型场效应晶体管包括从上至下依次设置的栅极、离子型栅介质层、极性离子型栅介质层、半导体层和衬底，以及设置在衬底上表面两端的漏极和源极；漏极和源极通过半导体层连接。
离子型栅介质层采用TiO2栅材料、V2O5栅材料、Ta2O5栅材料、Ag掺杂的TiO2或Ag掺杂的Ta2O5中的一种或几种制作。
极性离子型栅介质层采用Fe2O3材料制作。
半导体层采用石墨烯或二维MoS2材料制作。
与现有技术相比，本发明具有以下有益效果：
通过555方波震荡器产生持续的方波来刺激莫特绝缘体忆阻器，莫特绝缘体忆阻器在持续方波的刺激下产生随机的电位变化，通过简单的CMOS比较器即可实时检测莫特绝缘体忆阻器的电位变化，在检测到电位变化后通过CMOS触发器产生两个脉冲信号，一个为莫特绝缘体忆阻器的复位脉冲信号，用于使莫特绝缘体忆阻器复位；另一个为方波信号，作用于整波电路的离子栅型场效应晶体管的栅极，离子栅型场效应晶体管在恒流源的控制下，在栅电场作用下栅介质内极性分子的极化和可移动离子的漂移/扩散对沟道载流子的调控作用，在漏极输出类神经脉冲的电压信号，在莫特绝缘体忆阻器的漏极输出类神经脉冲的电压信号；相较于现有类神经元受激脉冲电路，电路结构十分简单。电路的制备采用传统CMOS工艺，各个部件易于集成制备；通过离子栅型场效应晶体管单个器件实现脉冲整形；制备工艺简单、制备成本低。同时，莫特绝缘体忆阻器温度依赖性的相变工作机制，在外加脉冲的刺激下电势变化随机产生，致使CMOS触发器随机产生作用于离子栅型场效应晶体管栅极的方波脉冲，离子栅型场效应晶体管的漏极随机产生类神经脉冲的电压信号，这一特性和生物神经脉冲的产生机制非常相似，因此，本发明随机神经脉冲发生器产生的随机神经脉冲与生物神经脉冲相似度相较于现有的发生器得到了很大的提高。
附图说明
图1为本发明的神经脉冲发生器原理框图；
图2为本发明的离子栅型场效应晶体管结构示意图；
图3为本发明的离子栅型场效应晶体管漏极输出的类神经脉冲信号示意图。
其中：1-栅极；2-离子型栅介质层；3-极性离子型栅介质层；4-半导体层；5-衬底；6-漏极；7-源极。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述：
参见图1，本发明一种随机神经脉冲发生器，包括方波发生器、忆阻器、第一电阻、电位检测系统和整波电路；忆阻器为莫特绝缘体忆阻器；忆阻器的一端连接方波发生器，另一端连接第一电阻；第一电阻的另一端接地；电位检测系统的一端连接忆阻器和第一电阻，另一端连接整波电路；电位检测系统用于检测第一电阻上的电势变化，并在检测到第一电阻上的电势变化后产生并发送复位信号脉冲至忆阻器，产生并发送方波脉冲信号至整波电路；整波电路用于将电位检测系统送至的方波脉冲信号转换为类神经脉冲信号。
方波发生器与莫特绝缘体忆阻器的一端直接相连，方波发生器采用555方波振荡器，莫特绝缘体忆阻器可由NiO、MnO、CoO等材料制作，且在整体电路开始工作前可以置于低阻态或是高阻态，保证有阻态的变化。
忆阻器是一种有记忆功能的非线性电阻，通过控制电流的变化可改变其阻值，如果把高阻值定义为"1"，低阻值定义为"0"，则忆阻器就可以实现存储数据的功能。忆阻器实际上就是一个有记忆功能的非线性电阻器。莫特绝缘体是像NiO、CoO、MnO等过渡金属简单氧化物，一个晶胞中具有奇数个价电子，按照能带理论应当有良好的导电性，而实验表明却是透明的绝缘体的一类物质。
莫特绝缘体忆阻器的另一端与第一电阻相连，第一电阻的另一端接地。从而当莫特绝缘体忆阻器发出随机脉冲信号时，可以在第一电阻上检测到电势变化。
电位检测系统由电位检测部分和单脉冲发生器组成，并且检测系统的检测端连接在第一电阻上，一方面可以检测第一电阻上的电势变化，另一方面可以在检测到电位变化之后反馈信号脉冲至莫特绝缘忆阻器，使其复位至初始状态。
电位检测系统的另一端直接和离子栅型场效应晶体管的栅极连接。当电位检测系统检测到第一电阻上的电势变化后，单脉冲发生器将发出一个方波脉冲，作用在离子栅型场效应晶体管的栅极上。
参见图2，离子栅型场效应晶体管包括从上至下依次设置的栅极1、离子型栅介质层2、极性离子型栅介质层3、半导体层4和衬底5，以及设置在衬底6上表面两端的漏极6和源极7；漏极6和源极7通过半导体层4连接。在栅极1与半导体层4之间插入了离子型栅介质层2和极性离子型栅介质层3。
离子型栅介质层2采用TiO2栅材料、V2O5栅材料、Ta2O5栅材料、Ag掺杂的TiO2或Ag掺杂的Ta2O5中的一种或几种制作。极性离子型栅介质层3采用Fe2O3材料制作。半导体层4采用石墨烯或MoS2材料制作。
整波电路由电流源、离子栅型场效应晶体管、第二电阻组成。电流源直接连接到离子栅型场效应晶体管的漏极6，离子栅型场效应晶体管的源极7直接和第二电阻相连接，第二电阻的另一端接地。
类神经脉冲从离子栅型场效应晶体管的漏极6输出，参见图3，离子栅型场效应晶体管的漏极输出的类神经脉冲的电压信号示意图；其中，V表示电压，T表示时间。
本发明随机神经脉冲发生器的工作原理：
莫特绝缘体忆阻器在方波发生器产生的持续方波的刺激下，产生随机的电位变化，电位变化由电位检测系统的电位检测模块实时检测，电位检测模块使用简单的CMOS比较器实现，通过CMOS比较器来实时检测莫特绝缘体忆阻器上的电位变化。当CMOS比较器检测到莫特绝缘体忆阻器上的电位发生变化时，单脉冲发生器产生两个脉冲，一个用于使莫特绝缘体忆阻器复位，另一个发送至整波电路，作用于离子栅型场效应晶体管的栅极；单脉冲发生器通过简单的CMOS触发器电路实现。离子栅型场效应晶体管在恒流源的控制下，由于栅电场作用下栅介质内极性分子的极化和可移动离子的漂移/扩散对沟道载流子的调控作用，在漏极输出类神经脉冲的电压信号。
本发明随机神经脉冲发生器具有电路简单、成本低的特点，同时，由于莫特绝缘体忆阻器温度依赖性的相变工作机制，在外加脉冲的刺激下可以随机产生输出脉冲，这一特性和生物神经脉冲的产生机制非常相似，因此本发明发生器产生的随机神经脉冲与生物神经脉冲相似度高。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。
Claims (8)
1.一种随机神经脉冲发生器，其特征在于，包括方波发生器、忆阻器、第一电阻、电位检测系统和整波电路；忆阻器为莫特绝缘体忆阻器；忆阻器的一端连接方波发生器，另一端连接第一电阻，第一电阻的另一端接地；电位检测系统的一端连接忆阻器和第一电阻，另一端连接整波电路；
电位检测系统用于检测第一电阻上的电势变化，并在检测到第一电阻上的电势变化后产生并发送复位信号脉冲至忆阻器，产生并发送方波脉冲信号至整波电路；
整波电路用于将电位检测系统送至的方波脉冲信号转换为类神经脉冲信号；
所述整波电路包括电流源、离子栅型场效应晶体管和第二电阻；离子栅型场效应晶体管的漏极连接电流源，栅极连接电位检测系统，源极连接第二电阻，第二电阻的另一端接地；
所述离子栅型场效应晶体管包括从上至下依次设置的栅极(1)、离子型栅介质层(2)、极性离子型栅介质层(3)、半导体层(4)和衬底(5)，以及设置在衬底(5)上表面两端的漏极(6)和源极(7)；漏极(6)和源极(7)通过半导体层(4)连接。
2.根据权利要求1所述的随机神经脉冲发生器，其特征在于，所述方波发生器采用555方波振荡器，莫特绝缘体忆阻器的阻变层采用NiO、MnO或CoO材料制作。
3.根据权利要求1所述的随机神经脉冲发生器，其特征在于，所述电位检测系统包括电位检测模块和单脉冲发生器；电位检测模块一端连接忆阻器和第一电阻，另一端依次连接单脉冲发生器和整波电路；
电位检测模块用于检测第一电阻上的电势变化；
单脉冲发生器用于产生并发送复位信号脉冲至忆阻器，产生并发送方波脉冲信号至整波电路。
4.根据权利要求3所述的随机神经脉冲发生器，其特征在于，所述电位检测模块为CMOS比较器，CMOS比较器实时检测第一电阻上的电势变化。
5.根据权利要求3所述的随机神经脉冲发生器，其特征在于，所述单脉冲发生器为CMOS触发器，CMOS触发器用于产生并发送复位信号脉冲至忆阻器，产生并发送方波脉冲信号至整波电路。
6.根据权利要求1所述的随机神经脉冲发生器，其特征在于，所述离子型栅介质层(2)采用TiO2栅材料、V2O5栅材料、Ta2O5栅材料、Ag掺杂的TiO2或Ag掺杂的Ta2O5中的一种或几种制作。
7.根据权利要求1所述的随机神经脉冲发生器，其特征在于，所述极性离子型栅介质层(3)采用Fe2O3材料制作。
8.根据权利要求1所述的随机神经脉冲发生器，其特征在于，所述半导体层(4)采用石墨烯或二维MoS2材料制作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811574891.6A CN109787592B (zh) | 2018-12-21 | 2018-12-21 | 一种随机神经脉冲发生器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811574891.6A CN109787592B (zh) | 2018-12-21 | 2018-12-21 | 一种随机神经脉冲发生器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109787592A CN109787592A (zh) | 2019-05-21 |
| CN109787592B true CN109787592B (zh) | 2020-07-28 |
Family
ID=66498003
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811574891.6A Active CN109787592B (zh) | 2018-12-21 | 2018-12-21 | 一种随机神经脉冲发生器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109787592B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111239548B (zh) * | 2020-02-16 | 2022-01-28 | 常熟理工学院 | 一种基于分数忆阻神经网络系统的电路故障检测装置 |
| CN111753976B (zh) * | 2020-07-02 | 2022-04-05 | 西安交通大学 | 面向神经形态脉冲神经网络的电子传入神经元及实现方法 |
| CN112434802B (zh) * | 2020-11-06 | 2022-05-20 | 北京大学 | 一种实现基于铁电晶体管的自适应随机脉冲神经元的方法 |
| CN113532489A (zh) * | 2021-06-25 | 2021-10-22 | 西安交通大学 | 一种基于莫特绝缘体忆阻器的电容型传感架构 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105633280A (zh) * | 2016-02-03 | 2016-06-01 | 中国科学院宁波材料技术与工程研究所 | 莫特晶体管及制备方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8773167B2 (en) * | 2012-07-30 | 2014-07-08 | Hewlett-Packard Development Company, L.P. | Implementing logic circuits with memristors |
| US9165246B2 (en) * | 2013-01-29 | 2015-10-20 | Hewlett-Packard Development Company, L.P. | Neuristor-based reservoir computing devices |
-
2018
- 2018-12-21 CN CN201811574891.6A patent/CN109787592B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105633280A (zh) * | 2016-02-03 | 2016-06-01 | 中国科学院宁波材料技术与工程研究所 | 莫特晶体管及制备方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109787592A (zh) | 2019-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109787592B (zh) | 一种随机神经脉冲发生器 | |
| Ielmini et al. | Brain-inspired computing via memory device physics | |
| Jiang et al. | Emerging synaptic devices: from two-terminal memristors to multiterminal neuromorphic transistors | |
| US10740672B2 (en) | Capacitative artificial neural networks | |
| Liu et al. | Optimization of non-linear conductance modulation based on metal oxide memristors | |
| CN106845634B (zh) | 一种基于忆阻器件的神经元电路 | |
| Park et al. | Neuromorphic speech systems using advanced ReRAM-based synapse | |
| Li et al. | Synaptic plasticity and learning behaviours mimicked through Ag interface movement in an Ag/conducting polymer/Ta memristive system | |
| Demin et al. | Hardware elementary perceptron based on polyaniline memristive devices | |
| Yan et al. | A low-power Si: HfO2 ferroelectric tunnel memristor for spiking neural networks | |
| Covi et al. | HfO2-based memristors for neuromorphic applications | |
| CN103580668B (zh) | 一种基于忆阻器的联想记忆电路 | |
| CN110739393B (zh) | 一种仿生突触器件及其制作方法及其应用 | |
| Yu et al. | Ionotronic neuromorphic devices for bionic neural network applications | |
| Fostner et al. | Neuromorphic behavior in percolating nanoparticle films | |
| US20210012974A1 (en) | Fully-printed all-solid-state organic flexible artificial synapse for neuromorphic computing | |
| CN112418414B (zh) | 利用单栅极的反馈电场效电子器件的整合放电神经元电路 | |
| Li et al. | Emerging memristive neurons for neuromorphic computing and sensing | |
| Feali | Using volatile/non-volatile memristor for emulating the short-and long-term adaptation behavior of the biological neurons | |
| Ye et al. | Self-powered perception system based on triboelectric nanogenerator and artificial neuron for fast-speed multilevel feature recognition | |
| Mahalanabis et al. | Demonstration of spike timing dependent plasticity in CBRAM devices with silicon neurons | |
| Milo et al. | Resistive switching synapses for unsupervised learning in feed-forward and recurrent neural networks | |
| Tarkov | Mapping weight matrix of a neural network’s layer onto memristor crossbar | |
| Suri et al. | Addition of HfO2 interface layer for improved synaptic performance of phase change memory (PCM) devices | |
| Li et al. | Single‐Transistor Optoelectronic Spiking Neuron with Optogenetics‐Inspired Spatiotemporal Dynamics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230404 Address after: 710086 Room 101, 1st Floor, Building 4-B1, Xixian Financial Port, Phase I, Fengdong New City Energy Jinmao Zone, Xixian New District, Xi'an City, Shaanxi Province Patentee after: Shaanxi gexinguo micro Semiconductor Technology Co.,Ltd. Address before: Beilin District Xianning West Road 710049, Shaanxi city of Xi'an province No. 28 Patentee before: XI'AN JIAOTONG University |
|
| TR01 | Transfer of patent right |