仿生突触可塑性和学习在亚500mV Cu/SiO$\_2$/W 储能电阻器中
摘要：人脑的计算效率据信源自具有集成储存和由本地尖峰触发学习规则（如尖峰时序相关可塑性，STDP）程序化的突触相互连接神经元的并行信息处理能力。低至约100 mV的操作电压用于触发神经元信号和突触适应，并被认为是脑部功耗高效的关键原因。我们在可在小于500 mV下工作的双端Cu/SiO$_2$/W迷你记忆装置中展示了尖峰触发STDP行为的可行性。我们分析了该装置中导电度更新的状态依赖性特征，进而建立了一个现象学模型。利用该模型，在受监督学习条件下评估这些装置在生成精确尖峰时间和在无监督学习设置中对MNIST数据集中的手写数字进行分类方面的潜力。这些结果是朝着创建一种能够进行片上学习的低功耗突触设备迈出的有希望的一步。
作者：S. R. Nandakumar and Bipin Rajendran
论文ID：2001.09299
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2020-03-17