KR20210009847A - Neuromorphic device using beta decay and nanoparticle used in same - Google Patents

Neuromorphic device using beta decay and nanoparticle used in same Download PDF

Info

Publication number
KR20210009847A
KR20210009847A KR1020190086939A KR20190086939A KR20210009847A KR 20210009847 A KR20210009847 A KR 20210009847A KR 1020190086939 A KR1020190086939 A KR 1020190086939A KR 20190086939 A KR20190086939 A KR 20190086939A KR 20210009847 A KR20210009847 A KR 20210009847A
Authority
KR
South Korea
Prior art keywords
beta decay
nanoparticles
neural network
artificial neural
metal film
Prior art date
Application number
KR1020190086939A
Other languages
Korean (ko)
Other versions
KR102456660B1 (en
Inventor
전우진
Original Assignee
경희대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 경희대학교 산학협력단 filed Critical 경희대학교 산학협력단
Priority to KR1020190086939A priority Critical patent/KR102456660B1/en
Publication of KR20210009847A publication Critical patent/KR20210009847A/en
Application granted granted Critical
Publication of KR102456660B1 publication Critical patent/KR102456660B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B82—NANOTECHNOLOGY
    • B82Y—SPECIFIC USES OR APPLICATIONS OF NANOSTRUCTURES; MEASUREMENT OR ANALYSIS OF NANOSTRUCTURES; MANUFACTURE OR TREATMENT OF NANOSTRUCTURES
    • B82Y10/00—Nanotechnology for information processing, storage or transmission, e.g. quantum computing or single electron logic
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B82—NANOTECHNOLOGY
    • B82Y—SPECIFIC USES OR APPLICATIONS OF NANOSTRUCTURES; MEASUREMENT OR ANALYSIS OF NANOSTRUCTURES; MANUFACTURE OR TREATMENT OF NANOSTRUCTURES
    • B82Y15/00—Nanotechnology for interacting, sensing or actuating, e.g. quantum dots as markers in protein assays or molecular motors

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Neurology (AREA)
  • Physical Or Chemical Processes And Apparatus (AREA)
  • Powder Metallurgy (AREA)

Abstract

The present invention relates to a neuromorphic device using beta decay and nanoparticles used therefor. According to one embodiment of the present invention, the neuromorphic device using beta decay comprises: a positive electrode and negative electrode; an electrolyte interposed between the positive electrode and the negative electrode; a core made of any one of radioactive isotopes undergoing the beta decay; and a metal film surrounding the core. The neuromorphic device may include the nanoparticles dispersed in the electrolyte. Therefore, the operation speed of the neuromorphic device becomes faster.

Description

베타 붕괴를 이용한 인공신경망모사 소자 및 이에 사용되는 나노입자 {Neuromorphic device using beta decay and nanoparticle used in same}Artificial neural network simulation device using beta decay and nanoparticles used therein {Neuromorphic device using beta decay and nanoparticle used in same}

본 발명은 베타 붕괴를 이용한 인공신경망모사 소자 및 이에 사용되는 나노입자에 대한 발명으로, 더욱 상세하게는 베타 붕괴를 통해 스스로 전자를 내놓는 방사성 동위원소를 이용한 인공신경망모사 소자 및 이에 사용되는 나노입자에 대한 발명이다.The present invention is an invention of an artificial neural network simulation device using beta decay and a nanoparticle used therein, and more particularly, an artificial neural network simulation device using a radioactive isotope that emits electrons by itself through beta decay and nanoparticles used therein. For the invention.

인공지능은 4차 산업혁명 시대의 핵심 기술로 현재 인공지능 구현을 위해 필수적인 인공신경망모사(neuromorphic) 소자에 대한 기술 개발이 활발히 진행 중이다.Artificial intelligence is a key technology in the era of the 4th industrial revolution, and technology development for an artificial neural network simulation device, which is essential for realizing artificial intelligence, is actively in progress.

인공신경망모사 소자는 기존의 인공지능 구현 방식인 딥러닝(deep learning) 방식의 단점인 긴 학습 시간과 높은 전력 및 컴퓨팅 능력 소모를 해결하기 위해 소자의 동작 특성부터 인간의 시냅스(synapse)와 동일한 동작을 보이도록 구현한 소자로, 시냅스처럼 외부에서 자극 또는 신호가 주어진 후 자극이 사라지더라도 그 값이 일정한 시간 동안 유지되는 특징을 갖고 있다.The artificial neural network simulation device operates the same as the human synapse from the device's operating characteristics to solve the long learning time and high power and computing power consumption, which are the shortcomings of the existing artificial intelligence implementation method, deep learning. It is a device that is implemented so as to show a synapse, and has a characteristic that the value is maintained for a certain period of time even if the stimulus disappears after a stimulus or signal is given from the outside like a synapse.

이러한 독특한 동작 특성을 구현하는 방식으로 기존의 트랜지스터(transistor) 소자 기반의 회로를 이용한 방식이 제시된 바 있으나 회로가 복잡하다는 단점이 있다. As a method of implementing such unique operating characteristics, a method using a circuit based on a conventional transistor device has been proposed, but there is a disadvantage in that the circuit is complex.

현재까지 가장 좋은 동작 특성을 확보한 재료는 산화물 기반 재료로, 절연체인 산화물 내에 산소 결함(oxygen vacancy)과 같이 외부 자극에 의해 움직일 수 있고, 이 움직임에 의해 산화물 내부에서의 농도 구배가 생겼을 때 산화물 전체의 특성이 변하며, 외부 자극이 사라졌을 때에는 농도 구배에 의해 확산되어 다시 농도 구배가 사라지는, 산화물 내에서 움직임이 가능한 입자가 분산되어 있는 구조를 가지고 있다. The material that has secured the best operating characteristics so far is an oxide-based material, which can move by external stimuli such as oxygen vacancy in the oxide, which is an insulator, and when a concentration gradient inside the oxide occurs due to this movement, oxide The overall characteristics change, and when the external stimulus disappears, it diffuses by the concentration gradient and disappears again. It has a structure in which particles that can move within the oxide are dispersed.

즉, 인공신경망모사 소자의 특성을 구현하기 위한 재료는 상기에 언급한 바와 같이, 시스템 내에 분산되어 움직일 수 있고 외부 자극에 의해 농도 구배가 생기고 이 농도 구배가 시스템의 특성을 변화시키며 외부 자극이 사라지면 확산에 의해 다시 농도 구배가 사라지는 조건을 만족하여야 한다.In other words, as mentioned above, the material for implementing the characteristics of the artificial neural network simulation device can be dispersed and moved in the system, and a concentration gradient is created by an external stimulus, and this concentration gradient changes the characteristics of the system. The condition that the concentration gradient disappears again by diffusion must be satisfied.

하지만, 이러한 재료도 단점을 가지고 있는데 농도 구배에 의한 확산을 통해 농도 구배가 없어진다는 점에서 동작 속도가 매우 느리다는 점이다. 이는 재료 자체의 고유 특성이기 때문에 동작 특성을 조절할 수 없고 이로 인해 동작 속도 향상 등에 어려움을 겪고 있는 실정이다.However, these materials also have a disadvantage, in that the operation speed is very slow in that the concentration gradient disappears through diffusion due to the concentration gradient. Since this is an inherent characteristic of the material itself, it is impossible to control the operation characteristics, and thus, it is difficult to improve the operation speed.

KRKR 10-2018-011594110-2018-0115941 AA

본 발명의 목적은 전술한 문제점을 해결하고자 한 것으로, 인간의 신경망 구조를 모방한, 베타 붕괴를 이용한 인공신경망모사 소자와 이에 사용되는 나노입자를 제공하는 것을 그 목적으로 한다.An object of the present invention is to solve the above-described problems, and it is an object of the present invention to provide an artificial neural network simulation device using beta decay, which mimics the structure of a human neural network, and a nanoparticle used therein.

본 발명의 목적은 종래의 인공신경망모사 소자들이 가지고 있는 동작 속도가 느린 점을 보완하고, 정전기적 반발력을 조절하여 소자의 동작 속도를 원하는대로 조절하는 것이 가능하도록 하는 것을 그 목적으로 한다.An object of the present invention is to compensate for the slow operation speed of conventional artificial neural network simulation devices, and to adjust the electrostatic repulsion force so that the operation speed of the device can be adjusted as desired.

본 발명의 목적들은 상술된 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다. The objects of the present invention are not limited to the above-described objects, and other objects that are not mentioned will be clearly understood from the following description.

본 발명의 일 실시예에 따른 나노입자(nanoparticle)는 베타 붕괴를 하는 방사성 동위원소들 중 어느 하나의 원소로 이루어진 코어(core)와 상기 코어를 감싸는 금속막을 포함할 수 있다.Nanoparticles according to an embodiment of the present invention may include a core made of any one element among radioactive isotopes undergoing beta decay and a metal film surrounding the core.

상기 방사성 동위원소들은 베타 붕괴를 통해 전자를 방출하는 방사성 동위원소들일 수 있다.The radioactive isotopes may be radioactive isotopes that emit electrons through beta decay.

상기 방사성 동위원소가 베타 붕괴를 통해 방출한 전자는, 상기 금속막 내부에 포획될 수 있다.Electrons emitted through the beta decay of the radioactive isotope may be trapped inside the metal film.

상기 금속막의 두께와 상기 나노입자의 단위부피당 전하량은 상관관계를 가질 수 있다.The thickness of the metal layer and the amount of charge per unit volume of the nanoparticles may have a correlation.

본 발명의 일 실시예에 따른 베타 붕괴를 이용한 인공신경망모사(neuromorphic) 소자는 양극 및 음극; 상기 양극 및 상기 음극 사이에 개재된 전해질; 및 베타 붕괴를 하는 방사성 동위원소들 중 어느 하나의 원소로 이루어진 코어(core)와 상기 코어를 감싸는 금속막을 포함하며, 상기 전해질에 분산된 나노입자(nanoparticle)들을 포함할 수 있다.An artificial neural network simulation device using beta decay according to an embodiment of the present invention includes an anode and a cathode; An electrolyte interposed between the positive electrode and the negative electrode; And a core made of any one element among radioactive isotopes that undergo beta decay and a metal film surrounding the core, and may include nanoparticles dispersed in the electrolyte.

상기 방사성 동위원소들은 베타 붕괴를 통해 전자를 방출하는 방사성 동위원소들일 수 있다.The radioactive isotopes may be radioactive isotopes that emit electrons through beta decay.

상기 방사성 동위원소가 베타 붕괴를 통해 방출한 전자는, 상기 금속막 내부에 포획될 수 있다.Electrons emitted through the beta decay of the radioactive isotope may be trapped inside the metal film.

상기 금속막의 두께와 상기 나노입자의 단위부피당 전하량은 상관관계를 가질 수 있다.The thickness of the metal layer and the amount of charge per unit volume of the nanoparticles may have a correlation.

상기 전해질에 분산된 나노입자들은 외부에서 인가한 전기장에 의해 상기 양극으로 이동하여 상기 금속막에 포획된 전자를 상기 양극으로 방출할 수 있다.The nanoparticles dispersed in the electrolyte may move to the positive electrode by an externally applied electric field and discharge electrons trapped in the metal film to the positive electrode.

외부에서 전기장이 인가되었다가 제거된 경우, 상기 나노입자들은 각각의 금속막에 포획된 전자들 사이의 반발력에 의해 서로 이격될 수 있다.When an external electric field is applied and then removed, the nanoparticles may be spaced apart from each other by a repulsive force between electrons trapped in each metal film.

상기 나노입자의 단위부피당 전하량과 상기 베타 붕괴를 이용한 인공신경망모사 소자의 동작 속도는 상관관계를 가질 수 있다.The amount of charge per unit volume of the nanoparticles and the operating speed of the artificial neural network simulation device using the beta decay may have a correlation.

본 발명은 농도 구배에 의한 확산만이 입자 확산에 기여하는 방식에 비해 나노입자의 금속막이 포획하고 있는 전하에 의한 나노입자 간의 정전기적 반발력이 농도 구배에 의한 확산과 함께 작용하는 바, 인공신경망모사 소자의 동작 속도가 더 빨라지는 효과가 있다.In the present invention, compared to a method in which only diffusion by a concentration gradient contributes to particle diffusion, an electrostatic repulsive force between nanoparticles due to electric charges captured by a metal film of nanoparticles acts with diffusion by a concentration gradient. Artificial neural network simulation There is an effect that the operation speed of the device becomes faster.

본 발명은 나노입자의 금속막 두께를 조절하여 단위부피당 전하량을 조절하고, 이를 통해 나노입자 간 정전기적 반발력을 조절함으로써 인공신경망모사 소자의 동작 속도를 원하는 대로 조절할 수 있는 효과가 있다.The present invention has the effect of controlling the amount of charge per unit volume by controlling the thickness of the metal film of the nanoparticles, and controlling the electrostatic repulsion between the nanoparticles through this, thereby controlling the operation speed of the artificial neural network simulation device as desired.

본 발명의 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The effects of the present invention are not limited to the effects mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the following description.

도 1은 베타 붕괴를 이용한 인공신경망 소자에 사용되는 나노입자를 나타내는 단면도이다.
도 2는 베타 붕괴 과정을 나타내는 도면이다.
도 3a 및 도 3b는 베타 붕괴를 통해 방사성 동위원소로부터 방출되는 전자가 금속막으로 이동해 포획되는 과정을 보여주는 도면이다.
도 4a 내지 도 4c는 외부에서 전기장을 베타 붕괴를 이용한 인공신경망모사 소자에 인가하고 이를 제거하는 과정에서의 인공신경망모사 소자의 동작 과정을 나타낸 도면이다.1 is a cross-sectional view showing nanoparticles used in an artificial neural network device using beta decay.
2 is a diagram showing a beta decay process.
3A and 3B are diagrams showing a process in which electrons emitted from radioactive isotopes are transferred to and captured by a metal film through beta decay.
4A to 4C are views showing an operation process of the artificial neural network simulation device in the process of applying an external electric field to the artificial neural network simulation device using beta decay and removing it.

본 명세서 또는 출원에 개시되어 있는 본 발명의 실시 예들에 대해서 특정한 구조적 내지 기능적 설명들은 단지 본 발명에 따른 실시 예를 설명하기 위한 목적으로 예시된 것으로, 본 발명에 따른 실시 예들은 다양한 형태로 실시될 수 있으며 본 명세서 또는 출원에 설명된 실시 예들에 한정되는 것으로 해석되어서는 아니 된다.Specific structural or functional descriptions of the embodiments of the present invention disclosed in this specification or application are exemplified only for the purpose of describing the embodiments according to the present invention, and the embodiments according to the present invention may be implemented in various forms. And should not be construed as limited to the embodiments described in this specification or application.

본 발명에 따른 실시 예는 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있으므로 특정 실시예들을 도면에 예시하고 본 명세서 또는 출원에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시 예를 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Since the embodiments according to the present invention can be modified in various ways and have various forms, specific embodiments will be illustrated in the drawings and described in detail in the present specification or application. However, this is not intended to limit the embodiments according to the concept of the present invention to a specific form of disclosure, and it should be understood that all changes, equivalents, and substitutes included in the spirit and scope of the present invention are included.

본 명세서에서 '포함하다' 라는 표현으로 언급되는 구성요소, 특징, 및 단계는 해당 구성요소, 특징 및 단계가 존재함을 의미하며, 하나 이상의 다른 구성요소, 특징, 단계 및 이와 동등한 것을 배제하고자 함이 아니다.Components, features, and steps referred to as'include' in this specification mean the existence of the corresponding components, features, and steps, and are intended to exclude one or more other components, features, steps, and equivalents thereof. This is not.

본 명세서에서 단수형으로 특정되어 언급되지 아니하는 한, 복수의 형태를 포함한다. 즉, 본 명세서에서 언급된 구성요소 등은 하나 이상의 다른 구성요소 등의 존재나 추가를 의미할 수 있다.Unless otherwise specified and stated in the singular form in the specification, plural forms are included. That is, the components and the like mentioned in the present specification may mean the presence or addition of one or more other components.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함하여, 본 명세서에서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자(통상의 기술자)에 의하여 일반적으로 이해되는 것과 동일한 의미이다.Unless otherwise defined, all terms used in this specification, including technical or scientific terms, have the same meaning as commonly understood by a person of ordinary skill in the art to which the present invention belongs. to be.

즉, 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미인 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.That is, terms such as those defined in commonly used dictionaries should be interpreted as having meanings consistent with the meaning of the context of the related technology, and should be interpreted as ideal or excessively formal meanings unless explicitly defined in this specification. It doesn't work.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로써, 본 발명을 상세히 설명하기로 한다. Hereinafter, the present invention will be described in detail by describing a preferred embodiment of the present invention with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 베타 붕괴를 이용한 인공신경망모사 소자에 사용되는 나노입자를 나타내는 단면도이다.1 is a cross-sectional view showing nanoparticles used in an artificial neural network simulation device using beta decay according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 나노입자(100)는 방사성 동위원소로 이루어진 코어(core)(101) 및 이를 둘러싸고 있는 금속막(102)을 포함할 수 있다. 즉, 본 발명의 일 실시예에 따른 나노입자(100)는 코어(101)를 금속막(102)이 둘러싼 코어-쉘(core-shell) 구조를 가질 수 있다.Referring to FIG. 1, a nanoparticle 100 according to an embodiment of the present invention may include a core 101 made of radioactive isotopes and a metal film 102 surrounding the core 101. That is, the nanoparticle 100 according to an exemplary embodiment of the present invention may have a core-shell structure in which the metal layer 102 surrounds the core 101.

코어(101)는 나노입자(100)를 구성하는 일 요소로서, 베타 붕괴를 하는 방사성 동위원소들 중 어느 하나의 원소로 이루어질 수 있다. 코어(101)를 구성할 수 있는 방사성 동위원소는 베타 붕괴를 통해 전자를 내놓을 수 있는 경우 사용이 가능하며 특정 동위원소에 제한되지 않는다. The core 101 is an element constituting the nanoparticle 100 and may be formed of any one of radioactive isotopes that undergo beta decay. Radioactive isotopes that can constitute the core 101 can be used when electrons can be released through beta decay, and are not limited to a specific isotope.

금속막(102)은 나노입자(100)를 구성하는 일 요소로서, 전자를 포함할 수 있는 금속이 베타 붕괴를 할 수 있는 방사성 동위원소로 이루어진 코어(101)를 둘러쌀 수 있다. 금속막(102)은 코어(101)를 둘러쌈으로써, 코어(101)를 구성하는 방사성 동위원소가 베타 붕괴를 통해 방출한 전자를 포획할 수 있다.The metal film 102 is an element constituting the nanoparticle 100, and may surround the core 101 made of radioactive isotopes capable of beta decay of a metal that may contain electrons. The metal film 102 surrounds the core 101, so that the radioactive isotopes constituting the core 101 may capture electrons emitted through beta decay.

금속막(102)은 방사성 동위원소를 포함하는 코어(101)를 둘러싼 형태를 가지므로 본 발명의 일 실시예에 따른 베타 붕괴를 이용한 인공신경망모사 소자에 사용되는 나노입자(100)는 코어-쉘(core-shell) 구조를 가질 수 있다. 금속막(102) 또한 특정 금속의 종류로 제한되지 않으며 전자를 포획할 수 있는 금속이면 사용이 가능하다. Since the metal film 102 has a shape surrounding the core 101 containing radioactive isotopes, the nanoparticles 100 used in the artificial neural network simulation device using beta decay according to an embodiment of the present invention are core-shell It can have a (core-shell) structure. The metal film 102 is also not limited to a specific type of metal, and any metal capable of trapping electrons may be used.

도 2는 베타 붕괴 과정을 나타내는 도면이다.2 is a diagram showing a beta decay process.

도 2를 참조하면, 베타 붕괴 과정을 통해 원소가 전자를 내놓는 과정을 확인할 수 있다. 중성자가 양성자로 바뀌면서 전자를 방출하게 되는 과정은 대표적인 베타 붕괴 과정이다.Referring to FIG. 2, it can be seen that the element releases electrons through the beta decay process. The process by which neutrons change to protons and emit electrons is a typical beta decay process.

베타 붕괴(beta decay)는 방사성 감쇠 중 한 가지를 뜻하는 말로, 베타 입자가 방출되는 방사성 감쇠를 뜻한다. 이 과정을 통해 질량수는 같지만 원자 번호가 다른 원소로 변환된다. 여기서 베타 입자는 전자 또는 양전자를 의미한다. 즉, 본 발명의 일 실시예에 따른 나노입자(100)의 코어(101)를 구성하는 방사성 동위원소는 베타 붕괴를 통해 전자를 내놓을 수 있다. Beta decay refers to one of the radioactive decays, which means radioactive decay from which beta particles are emitted. Through this process, elements with the same mass number but different atomic numbers are converted. Here, beta particles mean electrons or positrons. That is, the radioactive isotope constituting the core 101 of the nanoparticle 100 according to an embodiment of the present invention may release electrons through beta decay.

예컨대, 대표적인 방사성 동위원소인 14C(탄소)의 경우, 상술한 바와 같이 베타 붕괴를 통해 중성자가 양성자로 바뀌면서 하나의 전자를 방출하고 이를 통해 14N(질소)가 될 수 있다. For example, in the case of 14 C (carbon), which is a representative radioactive isotope, as described above, a neutron is converted into a proton through beta decay, and one electron is emitted, and through this, it may become 14 N (nitrogen).

방사성 동위원소의 일 예시로 14C를 들었으나 상술한 바와 같이 이에 한정되는 것은 아니며, 베타 붕괴를 통해 전자를 방출할 수 있는 모든 방사성 동위원소는 본 발명의 일 실시예에 따른 나노입자(100)의 코어(101)를 구성할 수 있다.As an example of the radioactive isotope, 14 C was mentioned, but the present invention is not limited thereto, and all radioactive isotopes capable of emitting electrons through beta decay are nanoparticles 100 according to an embodiment of the present invention. The core 101 can be configured.

14C는 비금속 방사성 동위원소로서, 반도체 분야에 잘 사용되지 않는 원소이나 본 발명의 일 실시예에 따른 나노입자(100)의 코어(101)는 베타 붕괴를 통해 전자를 방출할 수 있는 방사성 동위원소는 모두 사용이 가능하므로 14C를 본 발명의 일 실시예에 따른 베타 붕괴를 이용한 인공신경망모사 소자(200)에 사용할 수 있다. 14 C is a non-metallic radioactive isotope, an element that is not well used in the semiconductor field, but the core 101 of the nanoparticle 100 according to an embodiment of the present invention is a radioactive isotope capable of emitting electrons through beta decay. Since all can be used, 14 C can be used in the artificial neural network simulation device 200 using beta decay according to an embodiment of the present invention.

도 3a 및 도 3b는 본 발명의 일 실시예에 따른 나노입자에서 베타 붕괴를 통해 방사성 동위원소로부터 방출되는 전자가 금속막으로 이동해 포획되는 과정을 보여주는 도면이다.3A and 3B are diagrams illustrating a process in which electrons emitted from radioactive isotopes through beta decay in a nanoparticle according to an embodiment of the present invention are transferred to and captured by a metal film.

도 3a를 참조하면, 나노입자의 코어를 구성하고 있는 방사성 동위원소가 베타 붕괴를 통해 전자를 방출하는 것을 확인할 수 있다.Referring to FIG. 3A, it can be seen that radioactive isotopes constituting the core of the nanoparticles emit electrons through beta decay.

도 3b를 참조하면, 나노입자의 코어를 구성하고 있는 방사성 동위원소가 베타 붕괴를 통해 방출한 전자가 금속막으로 이동하여 금속막 내부에서 포획되어 있는 것을 확인할 수 있다.Referring to FIG. 3B, it can be seen that electrons emitted through beta decay of radioactive isotopes constituting the core of the nanoparticles move to the metal film and are trapped inside the metal film.

코어(101)를 구성하는 방사성 동위원소는 베타 붕괴를 통해 전자를 방출할 수 있다. 금속막(102)은 전자를 포획할 수 있는 금속으로 구성되어 있는 바, 방사성 동위원소로부터 방출된 전자를 포획할 수 있다.Radioactive isotopes constituting the core 101 may emit electrons through beta decay. Since the metal film 102 is made of a metal capable of trapping electrons, it may trap electrons emitted from radioactive isotopes.

금속막(102)의 두께 또는 금속막(102)을 이루는 금속의 종류에 따라, 코어(101)를 구성하는 방사성 동위원소로부터 베타 붕괴를 통해 방출되는 전자가 금속막(102)에 포획되는 양이 달라질 수 있다. 예컨대, 금속막(102)의 두께가 두꺼워지는 경우 금속막(102)에 포획될 수 있는 전하량이 증가하고, 두께가 얇아지는 경우 금속막(102)에 포획될 수 있는 전하량이 감소할 수 있을 것이다. Depending on the thickness of the metal film 102 or the type of metal forming the metal film 102, the amount of electrons emitted through beta decay from the radioactive isotope constituting the core 101 is trapped in the metal film 102. It can be different. For example, when the thickness of the metal layer 102 increases, the amount of charge that can be trapped in the metal layer 102 increases, and when the thickness of the metal layer 102 becomes thin, the amount of charge that may be captured by the metal layer 102 may decrease. .

금속막(102)의 두께를 조절하여 방사성 동위원소가 베타 붕괴를 통해 내놓는 전자가 금속막(102) 내부에 포획되는 양을 조절할 수 있으므로 나노입자(100)를 구성하는 금속막(102)의 두께 조절을 통해 나노입자(100)의 단위부피당 전하량을 조절할 수 있다. 즉, 금속막(102)의 두께와 나노입자(100)의 단위부피당 전하량은 상관관계를 가질 수 있다.The thickness of the metal film 102 constituting the nanoparticles 100 can be controlled by adjusting the thickness of the metal film 102 so that the amount of electrons released through the beta decay of the radioactive isotopes can be controlled. Through the adjustment, the amount of charge per unit volume of the nanoparticles 100 can be adjusted. That is, the thickness of the metal layer 102 and the amount of charge per unit volume of the nanoparticles 100 may have a correlation.

종래의 인공신경망모사 소자는 제작 시, 움직임이 가능한 입자를 이용하여 농도 구배에 의한 확산을 통해 신경망의 특성을 모사하였다. 이 경우, 농도 구배에 의한 확산을 통해 농도 구배가 사라진다는 점에서 동작 속도가 느리다는 점과 함께, 농도 구배에 의한 확산은 재료 자체의 고유 특성인 바 동작의 특성을 원하는 대로 조절할 수 없다는 단점이 있다. The conventional artificial neural network simulation device simulates the characteristics of a neural network through diffusion by a concentration gradient using particles that can move during fabrication. In this case, the operation speed is slow in that the concentration gradient disappears through diffusion due to the concentration gradient, and diffusion due to the concentration gradient is an inherent characteristic of the material itself, so the characteristic of the operation cannot be adjusted as desired. have.

그러나, 본 발명의 일 실시예에 따른 베타 붕괴를 이용한 인공신경망모사 소자(200)는 상술한 바와 같이 나노입자(100)를 구성하는 금속막(102)의 두께를 조절하여 나노입자(100)의 단위부피당 전하량을 조절할 수 있으므로 베타 붕괴를 이용한 인공신경망모사 소자(200)의 동작 특성을 원하는 대로 조절할 수 있다는 효과가 있다.However, the artificial neural network simulation device 200 using beta decay according to an embodiment of the present invention adjusts the thickness of the metal film 102 constituting the nanoparticles 100 as described above. Since the amount of charge per unit volume can be adjusted, there is an effect that the operating characteristics of the artificial neural network simulation device 200 using beta decay can be adjusted as desired.

도 4a 내지 도 4c는 베타 붕괴를 이용한 인공신경망모사 소자의 구성 및 외부에서 전기장이 인공신경망모사 소자에 인가되고 제거되는 동안의 과정을 나타내는 도면이다.4A to 4C are diagrams illustrating a configuration of an artificial neural network simulation device using beta decay and a process during which an external electric field is applied to and removed from the artificial neural network simulation device.

도 4a를 참조하면, 본 발명의 일 실시예에 따른 베타 붕괴를 이용한 인공신경망모사 소자(200)는 양극(201), 음극(202), 전해질(203) 및 나노입자(100)를 포함할 수 있다.Referring to FIG. 4A, the artificial neural network simulation device 200 using beta decay according to an embodiment of the present invention may include an anode 201, a cathode 202, an electrolyte 203, and a nanoparticle 100. have.

양극(201) 및 음극(202)은 외부에서 인가된 전기장을 통해 전해질(203)에 분산되어 있는 나노입자(100)들이 전기적 이동이 가능하도록 하는 역할을 수행할 수 있다. 양극(201)은 시냅스에서 신경전달물질을 수용하는 역할을 하는 부분으로, 전기장이 인가되었을 때 나노입자(100)의 금속막(102)에 포획된 전자로 인해 나노입자(100)들이 양극(201) 쪽으로 이동하게 되고, 나노입자(100)로부터 방출되는 전자를 받아들이는 역할을 수행할 수 있다.The positive electrode 201 and the negative electrode 202 may perform a role of allowing the nanoparticles 100 dispersed in the electrolyte 203 to be electrically moved through an externally applied electric field. The anode 201 is a part that receives neurotransmitters at the synapse, and when an electric field is applied, the nanoparticles 100 are transferred to the anode 201 due to electrons trapped in the metal film 102 of the nanoparticles 100 ), and may play a role of accepting electrons emitted from the nanoparticles 100.

전해질(203)은 양극(201) 및 음극(202) 사이에 개재되어, 나노입자(100)가 전기장이 인가된 전극 사이에서 이동할 수 있도록 하는 역할을 수행할 수 있다.The electrolyte 203 may be interposed between the positive electrode 201 and the negative electrode 202, and may serve to allow the nanoparticles 100 to move between electrodes to which an electric field is applied.

나노입자(100)는 시냅스의 신경전달물질 역할을 하는 부분으로 코어(101)를 구성하는 방사성 동위원소가 베타 붕괴를 통해 전자를 방출하고, 방출된 전자는 나노입자(100)의 금속막(102)에 포획될 수 있다. 외부에서 베타 붕괴를 이용한 인공신경망모사 소자(200)에 전기장을 인가한 경우 금속막(102)에 포획된 전자로 인해 양극(201)으로 나노입자(100)가 이동할 수 있다.The nanoparticle 100 is a part that serves as a neurotransmitter of the synapse, and radioactive isotopes constituting the core 101 emit electrons through beta decay, and the emitted electrons are the metal film 102 of the nanoparticle 100 ) Can be captured. When an electric field is applied to the artificial neural network simulation device 200 using beta decay from the outside, the nanoparticles 100 may move to the anode 201 due to electrons trapped in the metal layer 102.

도 4b는 베타 붕괴를 이용한 인공신경망모사 소자에 전기장을 인가한 경우, 인공신경망모사 소자 내부 나노입자의 거동을 보여주는 도면이다.4B is a view showing the behavior of nanoparticles inside the artificial neural network simulation device when an electric field is applied to the artificial neural network simulation device using beta decay.

도 4b를 참조하면, 전해질(203)에 분산되어 있는 나노입자(100)들은 금속막(102)에 포획되어 있는 전자로 인해, 외부에서 베타 붕괴를 이용한 인공신경망모사 소자(200)에 인가한 전기장에 의하여 양극(201)으로 이동할 수 있다. Referring to FIG. 4B, the nanoparticles 100 dispersed in the electrolyte 203 are the electric field applied to the artificial neural network simulation device 200 using beta decay from the outside due to electrons trapped in the metal film 102. It can be moved to the anode 201 by.

나노입자(100)들이 양극(201)의 표면에 접근하게 되면, 나노입자(100)의 금속막(102)에 포획되어 있는 전자들이 양극(201)으로 방출될 수 있다. 이러한 과정을 통해 외부 자극이 주어진 경우, 시냅스의 신경전달물질이 뉴런(neuron)을 통해 전달되는 과정을 모사할 수 있는 것이다. When the nanoparticles 100 approach the surface of the anode 201, electrons trapped in the metal layer 102 of the nanoparticles 100 may be emitted to the anode 201. When an external stimulus is given through this process, it is possible to mimic the process of synaptic neurotransmitters being transmitted through neurons.

도 4c는 베타 붕괴를 이용한 인공신경망모사 소자에 전기장을 인가한 후, 이를 제거했을 때, 나노입자들의 거동을 보여주는 도면이다.4C is a view showing the behavior of nanoparticles when an electric field is applied to an artificial neural network simulation device using beta decay and then removed.

도 4c를 참조하면, 전기장이 베타 붕괴를 이용한 인공신경망모사 소자(200)의 외부에서 인가되었다가 제거된 경우, 양극(201)에 접근해있던 나노입자(100)들은 농도 구배에 의한 확산에 의해 서로 이격되어 원래의 상태로 돌아갈 수 있다. 또한, 나노입자(100)의 금속막(102)이 방사성 동위원소로부터 방출된 전자를 포획하고 있는 바, 외부에서 인가한 전기장이 제거된 경우, 나노입자(100)가 포획하고 있는 금속막(102) 내부의 전자에 의해 나노입자(100) 간의 정전기적 반발력이 작용하여 서로 이격될 수 있다. Referring to FIG. 4C, when an electric field is applied from the outside of the artificial neural network simulation device 200 using beta decay and then removed, the nanoparticles 100 approaching the anode 201 are diffused by the concentration gradient. They can be separated from each other and return to their original state. In addition, since the metal film 102 of the nanoparticles 100 captures electrons emitted from the radioactive isotope, when the externally applied electric field is removed, the metal film 102 captured by the nanoparticles 100 ) Electrostatic repulsion between the nanoparticles 100 acts by internal electrons, so that they may be separated from each other.

즉, 외부에서 전기장이 베타 붕괴를 이용한 인공신경망모사 소자(200)에 인가되었다가 제거되었을 때, 나노입자(100)의 농도 구배에 의한 확산과 함께 나노입자(100) 내부에 포획되어 있는 전자에 의한 나노입자(100) 간의 정전기적 반발력 또한 작용하여 서로 이격될 수 있는 것이다. 이로 인해, 농도 구배에 의한 확산만이 작용하는 종래의 인공신경망모사 소자에 비해 동작 속도가 더 빨라질 수 있다.That is, when an external electric field is applied to and removed from the artificial neural network simulation device 200 using beta decay, diffusion due to the concentration gradient of the nanoparticles 100 and electrons trapped inside the nanoparticles 100 Due to the electrostatic repulsion between the nanoparticles 100 may also act to be separated from each other. For this reason, the operation speed may be faster than that of a conventional artificial neural network simulation device in which only diffusion due to a concentration gradient acts.

상술하였듯이, 농도 구배에 의한 확산은 재료 자체의 고유 특성으로 이로 인해 동작의 특성을 조절할 수 없는 바, 활용성의 향상에 한계가 있다. 그러나, 본 발명의 일 실시예에 따른 베타 붕괴를 이용한 인공신경망모사 소자(200)에 포함된 나노입자(100)의 금속막(102) 두께 등을 조절하여 나노입자(100)의 단위부피당 전하량을 조절하고, 단위부피당 전하량의 조절을 통해 나노입자(100) 간의 정전기적 반발력을 조절하여 베타 붕괴를 이용한 인공신경망모사 소자(200)의 동작 속도를 조절할 수 있다. As described above, since diffusion due to a concentration gradient is a characteristic of the material itself, it is not possible to control the characteristics of the operation, and thus, there is a limit to the improvement in usability. However, the amount of charge per unit volume of the nanoparticles 100 is adjusted by adjusting the thickness of the metal film 102 of the nanoparticles 100 included in the artificial neural network simulation device 200 using beta decay according to an embodiment of the present invention. It is possible to adjust the operation speed of the artificial neural network simulation device 200 using beta decay by controlling the electrostatic repulsion force between the nanoparticles 100 by adjusting the amount of charge per unit volume.

예컨대, 금속막(102)의 두께가 두꺼울수록 나노입자(100)의 단위부피당 전하량이 증가하게 되고, 이로 인해 나노입자(100) 간의 정전기적 반발력 또한 증가할 수 있다. 정전기적 반발력이 증가하게 됨으로써, 베타 붕괴를 이용한 인공신경망모사 소자(200)에 전기장에 가해졌다가 제거되는 경우, 나노입자(100)가 이격되는 속도가 빨라지게 되므로 베타 붕괴를 이용한 인공신경망모사 소자(200)의 동작 속도가 빨라질 수 있다. For example, as the thickness of the metal layer 102 increases, the amount of charge per unit volume of the nanoparticles 100 increases, and thus, an electrostatic repulsion force between the nanoparticles 100 may also increase. As the electrostatic repulsion increases, when an electric field is applied to and removed from the artificial neural network simulation device 200 using beta decay, the speed at which the nanoparticles 100 are separated increases, so the artificial neural network simulation device using beta decay The operation speed of 200 may be increased.

즉, 나노입자(100)의 단위부피당 전하량과 본 발명의 일 실시예에 따른 베타 붕괴를 이용한 인공신경망모사 소자(200)의 동작 속도는 상관관계를 가질 수 있다.That is, the amount of charge per unit volume of the nanoparticles 100 and the operating speed of the artificial neural network simulation device 200 using beta decay according to an embodiment of the present invention may have a correlation.

이와 같이 나노입자(100)에 포함되는 금속막(102)의 두께를 조절하거나 금속막(102)을 구성하는 금속의 종류를 달리하여 나노입자(100)의 단위부피당 전하량을 조절함으로써 나노입자(100) 간의 정전기적 반발력을 조절할 수 있고, 이를 통해 베타 붕괴를 이용한 인공신경망모사 소자(200)의 동작 속도를 조절할 수 있는 바, 사용자가 나노입자(100)의 구성을 달리함으로써 소자의 동작 속도를 원하는 대로 조절할 수 있다.In this way, by adjusting the thickness of the metal film 102 included in the nanoparticles 100 or by varying the type of metal constituting the metal film 102, the amount of charge per unit volume of the nanoparticles 100 is adjusted. ) Can be adjusted between the electrostatic repulsion force, and through this, the operating speed of the artificial neural network simulation device 200 using beta decay can be adjusted.By changing the configuration of the nanoparticles 100, the user desires the operating speed of the device. Can be adjusted

이상의 설명은 본 발명의 기술적 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술적 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술적 사상의 범위가 한정되는 것이 아니다. 본 발명의 보호범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술적 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely illustrative of the technical idea of the present invention, and those of ordinary skill in the art to which the present invention pertains will be able to make various modifications and variations without departing from the essential characteristics of the present invention. Accordingly, the embodiments disclosed in the present invention are not intended to limit the technical idea of the present invention, but to explain the technical idea, and the scope of the technical idea of the present invention is not limited by these embodiments. The scope of protection of the present invention should be interpreted by the following claims, and all technical ideas within the scope equivalent thereto should be interpreted as being included in the scope of the present invention.

100 : 나노입자
101 : 코어
102 : 금속막
200 : 베타 붕괴를 이용한 인간신경망모사 소자
201 : 양극
202 : 음극
203 : 전해질100: nanoparticles
101: core
102: metal film
200: Human neural network simulation device using beta decay
201: anode
202: cathode
203: electrolyte

Claims (11)

베타 붕괴를 하는 방사성 동위원소들 중 어느 하나의 원소로 이루어진 코어(core)와 상기 코어를 감싸는 금속막을 포함하는,
나노입자(nanoparticle).Including a core (core) made of any one element among radioactive isotopes that undergo beta decay and a metal film surrounding the core,
Nanoparticles. 제1항에 있어서,
상기 방사성 동위원소들은 베타 붕괴를 통해 전자를 방출하는 방사성 동위원소들인,
나노입자.The method of claim 1,
The radioactive isotopes are radioactive isotopes that emit electrons through beta decay,
Nanoparticles. 제1항에 있어서,
상기 방사성 동위원소가 베타 붕괴를 통해 방출한 전자는,
상기 금속막 내부에 포획되는,
나노입자.The method of claim 1,
The electrons emitted by the radioactive isotope through beta decay are,
Trapped inside the metal film,
Nanoparticles. 제1항에 있어서,
상기 금속막의 두께와 상기 나노입자의 단위부피당 전하량은 상관관계를 갖는,
나노입자.The method of claim 1,
The thickness of the metal film and the amount of charge per unit volume of the nanoparticles have a correlation,
Nanoparticles. 양극 및 음극;
상기 양극 및 상기 음극 사이에 개재된 전해질; 및
베타 붕괴를 하는 방사성 동위원소들 중 어느 하나의 원소로 이루어진 코어(core)와 상기 코어를 감싸는 금속막을 포함하며,
상기 전해질에 분산된 나노입자(nanoparticle)들을 포함하는,
베타 붕괴를 이용한 인공신경망모사(neuromorphic) 소자.Anode and cathode;
An electrolyte interposed between the positive electrode and the negative electrode; And
It includes a core (core) made of any one element among radioactive isotopes that undergo beta decay and a metal film surrounding the core,
Including nanoparticles dispersed in the electrolyte,
An artificial neural network simulation device using beta decay. 제5항에 있어서,
상기 방사성 동위원소들은 베타 붕괴를 통해 전자를 방출하는 방사성 동위원소들인,
베타 붕괴를 이용한 인공신경망모사 소자. The method of claim 5,
The radioactive isotopes are radioactive isotopes that emit electrons through beta decay,
Artificial neural network simulation device using beta decay. 제5항에 있어서,
상기 방사성 동위원소가 베타 붕괴를 통해 방출한 전자는,
상기 금속막 내부에 포획되는,
베타 붕괴를 이용한 인공신경망모사 소자.The method of claim 5,
The electrons emitted by the radioactive isotope through beta decay are,
Trapped inside the metal film,
Artificial neural network simulation device using beta decay. 제5항에 있어서,
상기 금속막의 두께와 상기 나노입자의 단위부피당 전하량은 상관관계를 갖는,
베타 붕괴를 이용한 인공신경망모사 소자.The method of claim 5,
The thickness of the metal film and the amount of charge per unit volume of the nanoparticles have a correlation,
Artificial neural network simulation device using beta decay. 제5항에 있어서,
상기 전해질에 분산된 나노입자들은 외부에서 인가한 전기장에 의해 상기 양극으로 이동하여 상기 금속막에 포획된 전자를 상기 양극으로 방출하는,
베타 붕괴를 이용한 인공신경망모사 소자.The method of claim 5,
The nanoparticles dispersed in the electrolyte move to the anode by an externally applied electric field to release electrons trapped in the metal film to the anode,
Artificial neural network simulation device using beta decay. 제5항에 있어서,
외부에서 전기장이 인가되었다가 제거된 경우,
상기 나노입자들은 각각의 금속막에 포획된 전자들 사이의 반발력에 의해 서로 이격되는,
베타 붕괴를 이용한 인공신경망모사 소자. The method of claim 5,
If an external electric field is applied and then removed,
The nanoparticles are spaced apart from each other by a repulsive force between electrons trapped in each metal film,
Artificial neural network simulation device using beta decay. 제5항에 있어서,
상기 나노입자의 단위부피당 전하량과 상기 베타 붕괴를 이용한 인공신경망모사 소자의 동작 속도는 상관관계를 갖는,
베타 붕괴를 이용한 인공신경망모사 소자.

The method of claim 5,
The amount of charge per unit volume of the nanoparticles and the operating speed of the artificial neural network simulation device using the beta decay have a correlation,
Artificial neural network simulation device using beta decay.
KR1020190086939A 2019-07-18 2019-07-18 Neuromorphic device using beta decay and nanoparticle used in same KR102456660B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190086939A KR102456660B1 (en) 2019-07-18 2019-07-18 Neuromorphic device using beta decay and nanoparticle used in same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190086939A KR102456660B1 (en) 2019-07-18 2019-07-18 Neuromorphic device using beta decay and nanoparticle used in same

Publications (2)

Publication Number Publication Date
KR20210009847A true KR20210009847A (en) 2021-01-27
KR102456660B1 KR102456660B1 (en) 2022-10-18

Family

ID=74238813

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190086939A KR102456660B1 (en) 2019-07-18 2019-07-18 Neuromorphic device using beta decay and nanoparticle used in same

Country Status (1)

Country Link
KR (1) KR102456660B1 (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180010222A (en) * 2015-05-22 2018-01-30 보드 오브 리전츠, 더 유니버시티 오브 텍사스 시스템 Radioactive nanoparticles and methods for making and using them
KR20180115941A (en) 2017-04-14 2018-10-24 포항공과대학교 산학협력단 Condition of operating the synapse device for application on neuromorphic system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180010222A (en) * 2015-05-22 2018-01-30 보드 오브 리전츠, 더 유니버시티 오브 텍사스 시스템 Radioactive nanoparticles and methods for making and using them
KR20180115941A (en) 2017-04-14 2018-10-24 포항공과대학교 산학협력단 Condition of operating the synapse device for application on neuromorphic system

Also Published As

Publication number Publication date
KR102456660B1 (en) 2022-10-18

Similar Documents

Publication Publication Date Title
Zhang et al. Retina‐inspired artificial synapses with ultraviolet to near‐infrared broadband responses for energy‐efficient neuromorphic visual systems
Capella et al. Unitarity corrections to short-range order: Long-range rapidity correlations
Li et al. Electrochemical and thermodynamic processes of metal nanoclusters enabled biorealistic synapses and leaky-integrate-and-fire neurons
Ding et al. Engineering spiking neurons using threshold switching devices for high-efficient neuromorphic computing
Hynna et al. Neuronal ion-channel dynamics in silicon
KR102456660B1 (en) Neuromorphic device using beta decay and nanoparticle used in same
Winter A search for double beta-decay in palladium
Wang et al. Solid‐State Electrolyte Gate Transistor with Ion Doping for Biosignal Classification of Neuromorphic Computing
Liu et al. 2D metal–organic framework based optoelectronic neuromorphic transistors for human emotion simulation and neuromorphic computing
Wang et al. Neurotransmitter‐Mediated Plasticity in 2D Perovskite Memristor for Reinforcement Learning
Samokhin et al. Numerical simulation of characteristics of uranium and fission products ion fluxes in the process of plasma separation
He et al. Artificial Neurons Using Ag− In− Zn− S/Sericin Peptide‐Based Threshold Switching Memristors for Spiking Neural Networks
Kim et al. Toward Optimized In‐Memory Reinforcement Learning: Leveraging 1/f Noise of Synaptic Ferroelectric Field‐Effect‐Transistors for Efficient Exploration
Mukherjee Modified Regge Representation
Uka et al. New expression of energy and the use of spatial parameters to achieve unification based on the ideas of Einstein and Wheeler
Roshan et al. Correlation analysis of intense and high-energy deuteron beam, pinch images, and neutron yield
Duan et al. Switching dynamics and computing applications of memristors: An overview
Ohnishi et al. Beam optics in inertial electrostatic confinement fusion
WO2023168385A2 (en) Quantum mechanical system and methods for channel stimulation and extraction
Qosimjon o’g’li Organizing The Subject of Atomic Structure, Ruserford and Frank-Gers Experience on The Basis of New Pedagogical Technologies
Hafsi et al. Neural Network Based on SET Inverter Structures: Neuro-Inspired Memory
Erokhin et al. Organic memristors and adaptive networks
Sirlin Radiative corrections and the standard model of elementary particles
Li et al. A conversion-type lithium artificial synapse with dispersed nano-silica fabricated by UV-curing method
Shastry The effect of Confined One Gluon Exchange Potential and Instanton Induced Interaction in Nucleon-Nucleon Interaction

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant