知识卡片

普通读书笔记卡 · 9600.i · 生成模型:DeepSeek-V4.1-Flash

忆阻器当突触的条件

理解等级:高级

神经形态系统里最耗面积与功耗的是突触权重的存储、访问和乘累加,忆阻器恰好三者兼顾:两端纳米器件,能保持历史电导状态,在电压或电流作用下连续调制;可三维堆叠、与 CMOS 工艺兼容,非易失且可调,天然模拟 STP、LTP、STDP 等可塑性。把忆阻器排成 crossbar,输入电压与电导矩阵一次完成向量-矩阵乘法,正是神经网络最主要的运算,等于把乘累加变成了物理定律。障碍在器件层面:个体差异大,阵列有漏电与可控性问题,大规模集成困难,目前多停留在单器件、小阵列与仿真,成型的系统还有距离,连续 LIF 网络的演示尚未见到。因此它被视为潜力路线而非成熟方案。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《基于类脑计算的目标检测与跟踪技术》第8章 类脑计算平台及其目标检测与跟踪应用(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt008.html) - 结论依据:神经形态系统里最耗面积与功耗的是突触权重的存储、访问和乘累加,忆阻器恰好三者兼顾:两端纳米器件,能保持历史电导状态,在电压或电流作用下连续调制;可三维堆叠、与 CMOS 工艺兼容,非易失且可调,天然模拟 STP、LTP、STDP 等可塑性。 - 原始内容:忆阻器具有高密度特性,而且可以三维堆栈,并且与CMOS工艺兼容;通过将计算与存储融为一体,可以大大降低功耗;其非易失性和可调制特性可以较好地模拟突触可塑性