铁电石墨烯晶体管及基于它的互补型突触器件和调控方法

    公开(公告)号:CN110289317A

    公开(公告)日:2019-09-27

    申请号:CN201910498085.3

    申请日:2019-06-10

    Abstract: 本发明属于微电子器件领域,公开了一种铁电石墨烯晶体管及基于它的互补型突触器件和调控方法,其中铁电石墨烯晶体管包括源电极、漏电极、以及用于连接该源电极与该漏电极的石墨烯沟道,所述石墨烯沟道还通过铁电薄膜介质与顶栅电极相连,从而使得顶栅电极能有效调控沟道电导,实现三端可调的铁电石墨烯晶体管。而上述铁电石墨烯晶体管可在模拟突触中应用,其中,源电极用于模拟突触前,漏电极用于模拟突触后,石墨烯沟道通过电导参量用于模拟突触权重。本发明通过对三端铁电石墨烯晶体管的结构设计及各结构层所采用的具体材料等进行改进,实现了具有源、漏、栅的三端器件,能够更好的与SNN算法相兼容,且能够模拟人脑突触。

    一种盐浓度梯度驱动的纳流体发电装置及其制备与应用

    公开(公告)号:CN109995271A

    公开(公告)日:2019-07-09

    申请号:CN201910208877.2

    申请日:2019-03-19

    Abstract: 本发明公开了一种盐浓度梯度驱动的纳流体发电装置及其制备与应用,该纳流体发电装置包括纳米沟道,以及分别位于该纳米沟道两端、且与该纳米沟道相连通的第一液体沟道与第二液体沟道;其中,第一液体沟道用于容纳第一液体;第二液体沟道用于容纳第二液体;纳米沟道用于利用第一液体与第二液体两者之间的盐浓度差异将化学势能转化为电能,并通过第一电极与第二电极配合输出电能。本发明基于将盐浓度差异的化学势能转化为电能的具体能量转换原理,通过对纳流体发电装置内关键的纳米沟道以及与该纳米沟道配合作用的其他结构进行改进,可实现利用盐浓度梯度驱动发电,尤其可利用海水‑淡水盐浓度实现发电。

    概率人工突触单元、1T1R阵列结构及神经网络信息识别方法

    公开(公告)号:CN114169509A

    公开(公告)日:2022-03-11

    申请号:CN202111432442.X

    申请日:2021-11-29

    Abstract: 本申请公开了一种概率人工突触单元,包括易失型忆阻器、分压电阻、晶体管和非易失型忆阻器,易失型忆阻器的一端作为突触控制端以获取控制信号、另一端通过分压电阻接地;非易失型忆阻器的一端作为突触输入端、另一端与晶体管的源/漏端的其中一端相连,晶体管的源/漏端的其中另一端作为突触输出端,晶体管的栅极连接至易失型忆阻器和分压电阻的连接端。本申请还涉及一种基于上述概率人工突触单元所搭建的1T1R阵列结构、以及基于上述1T1R阵列结构所进行的神经网络信息识别方法。本申请中的神经网络模型在传统模型的基础上考虑的模型本身的感知不确定性,因此,其所得出的识别结果的识别率以及不确定度的可靠性更高。

    一种基于强化学习的脉冲神经网络模拟电路

    公开(公告)号:CN110210613B

    公开(公告)日:2021-04-20

    申请号:CN201910433249.4

    申请日:2019-05-23

    Abstract: 本发明属于脉冲神经网络技术领域,公开一种基于强化学习的脉冲神经网络模拟电路;包括:输入层神经元,隐藏层神经元,输出神经元和突触;输入层神经元通过突触与隐藏层神经元连接,隐藏层神经元通过突触与所述输出神经元连接;突触用于根据权重值将前级神经元的第一脉冲信号进行调节后传递给后级神经元,还用于接收后级神经元输出的第二脉冲信号,并根据第一脉冲信号和第二脉冲信号之间的时间差以及奖励信号对所述权重值进行更新。本发明基于强化学习,搭建脉冲神经网络电路,实现XOR分类功能。与传统的脉冲神经网络相比,具有更快的训练速度和更高的准确率。

    一种基于纳流体的界面型忆阻器及其制备与应用

    公开(公告)号:CN110165049B

    公开(公告)日:2020-12-08

    申请号:CN201910341820.X

    申请日:2019-04-26

    Abstract: 本发明属于微纳电子技术领域,具体公开了一种基于纳流体的界面型忆阻器及其制备与应用,该界面型忆阻器包括纳米沟道,分别用于容纳第一液体、第二液体的液体沟道;第一液体与第二液体之间存在电导率上的差异,且二者互不相溶,同时,仅有第一液体能够使该纳米沟道对第一液体产生离子选择作用;通过向纳米沟道施加电压,在电场驱动下使纳米沟道内液体界面发生移动使纳米沟道电阻发生变化,或者通过读取电流对应纳米沟道的电阻值,可分别实现忆阻器的写、读功能。本发明利用第一液体、第二液体在纳米沟道中形成的纳流体,利用电场驱动两种不同电导率且互不相溶的溶液在纳米沟道移动,实现电阻变化,构建得到了基于纳流体的界面型忆阻器。

    一种盐浓度梯度驱动的纳流体发电装置及其制备与应用

    公开(公告)号:CN109995271B

    公开(公告)日:2020-08-04

    申请号:CN201910208877.2

    申请日:2019-03-19

    Abstract: 本发明公开了一种盐浓度梯度驱动的纳流体发电装置及其制备与应用,该纳流体发电装置包括纳米沟道,以及分别位于该纳米沟道两端、且与该纳米沟道相连通的第一液体沟道与第二液体沟道;其中,第一液体沟道用于容纳第一液体;第二液体沟道用于容纳第二液体;纳米沟道用于利用第一液体与第二液体两者之间的盐浓度差异将化学势能转化为电能,并通过第一电极与第二电极配合输出电能。本发明基于将盐浓度差异的化学势能转化为电能的具体能量转换原理,通过对纳流体发电装置内关键的纳米沟道以及与该纳米沟道配合作用的其他结构进行改进,可实现利用盐浓度梯度驱动发电,尤其可利用海水‑淡水盐浓度实现发电。

    一种概率神经元电路、概率神经网络拓扑结构及其应用

    公开(公告)号:CN110991610A

    公开(公告)日:2020-04-10

    申请号:CN201911191018.3

    申请日:2019-11-28

    Abstract: 本发明公开了一种概率神经元电路、概率神经网络拓扑结构及其应用,概率神经元电路包括积分电容、非固定阈值易失性器件和负载电阻;积分电容的一端外接突触电阻及连接非固定阈值易失性器件的一端,易失性器件的另一端连接负载电阻的一端。网络拓扑结构包括多个输入神经元电路、多个概率神经元电路和侧向抑制神经元电路;每个概率神经元电路用于基于其非固定激发阈值及各输入神经元电路发放的电信号进行随机激发;抑制神经元电路用于当接收到前n个概率神经元电路激发的信号时,抑制后续其它概率神经元电路的激发。本发明在神经元电路中引入非固定阈值易失性器件,极大拓展了神经元电路的应用,特别的可用于解决非确定性问题,且具有可靠的解决结果。

    概率人工突触单元、1T1R阵列结构及神经网络信息识别方法

    公开(公告)号:CN114169509B

    公开(公告)日:2024-11-19

    申请号:CN202111432442.X

    申请日:2021-11-29

    Abstract: 本申请公开了一种概率人工突触单元,包括易失型忆阻器、分压电阻、晶体管和非易失型忆阻器,易失型忆阻器的一端作为突触控制端以获取控制信号、另一端通过分压电阻接地;非易失型忆阻器的一端作为突触输入端、另一端与晶体管的源/漏端的其中一端相连,晶体管的源/漏端的其中另一端作为突触输出端,晶体管的栅极连接至易失型忆阻器和分压电阻的连接端。本申请还涉及一种基于上述概率人工突触单元所搭建的1T1R阵列结构、以及基于上述1T1R阵列结构所进行的神经网络信息识别方法。本申请中的神经网络模型在传统模型的基础上考虑的模型本身的感知不确定性,因此,其所得出的识别结果的识别率以及不确定度的可靠性更高。

    类脑智能驾驶控制模型升级方法及类脑智能驾驶方法

    公开(公告)号:CN117077753A

    公开(公告)日:2023-11-17

    申请号:CN202310884779.7

    申请日:2023-07-17

    Abstract: 本发明公开了一种类脑智能驾驶控制模型升级方法及类脑智能驾驶方法,属于自动驾驶技术领域,升级方法包括:当训练驾驶新任务时,执行:步骤S1:获取已有的类脑智能驾驶控制模型,模型包括任务决策神经网络和任务融合神经网络;步骤S2:在任务决策神经网络的隐藏层新增神经元和突触、在输出层新增新任务的决策,上一层新增的神经元在输出方向只与下一层新增的神经元连接、每一层新增的神经元在输入方向与上一层每个神经元连接;步骤S3:固定更新后的任务决策神经网络中原有的突触权重,输入训练数据进行训练。通过上述方法,尽可能的复用旧任务学习到的特征等知识,增强新任务的泛化性,减少新任务的训练代价。

    一种基于非熔融态相变器件的多级联想记忆电路

    公开(公告)号:CN113408719B

    公开(公告)日:2023-02-10

    申请号:CN202110732894.3

    申请日:2021-06-30

    Abstract: 本发明公开了一种基于非熔融态相变器件的多级联想记忆电路,属于人工神经网络领域,包括:N+1个输入节点,分别用于接收非条件刺激信号和各级条件刺激信号;N(N+1)/2个互连模块,任意两个输入节点之间连接有一互连模块,以对各输入节点接收到的信号进行两两耦合,每一互连模块包括两条反向并联的支路,每一支路包括串联的非熔融态相变器件和二极管;每一输入节点还依次连接有电阻突触和输出神经元模块,用于对该输入节点中耦合后的信号进行积分,并根据积分结果与神经元阈值电压之间的大小分别输出非条件反应信号和各级刺激反应信号。结构简单、无需复杂外围控制电路且能够模拟经典条件反射中多级条件反射的获取和消退过程。

Patent Agency Ranking