项目名称: 面向人工神经网络的新型相变忆阻器的模型研究

项目编号: No.61201439

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 王磊

作者单位: 南昌航空大学

项目金额: 22万元

中文摘要: 目前的人工神经网络科学主要是以冯o诺依曼计算机体系结构为依托,而冯o诺依曼数字计算机所遵循的数据处理和数据存储相分离的模式正是阻碍人工神经网络实现完全模拟人脑功能的最大症结所在。而忆阻器的出现是目前解决这一难题的最佳方案。 但是现已面世的忆阻器存在着严重的性能及成本缺陷,从而阻碍了其在人工神经网络方面的应用。本项目针对现有忆阻器的缺陷,提出了一款基于相变材料(Ge2Sb2Te5)的新型忆阻器概念。主要研究内容包括 (1) 利用参数化设计方法和原子成核电热模型,研究和提出了该忆阻器的模型结构和理论算法;(2)对该忆阻器的忆阻特性进行仿真并评估其参数指标,从而证实该忆阻器与其他忆阻器相比具有转换速率快,能量损耗少,稳定性强和造价低等优点;(3)仿真模拟该忆阻器的联想记忆功能。 预期成果将给出克服现有忆阻器缺陷的方法,为人工神经网络硬件实现方式找到新的出路,从而推动人工神经网络技术的发展。

中文关键词: 人工神经网络;忆阻器;相变材料;模型;新型

英文摘要: The current neuroscience is mainly built in the classic Von Neumann computer architecture,while the mode that Von Neumann digital computer follows to separate data processing from data storage utmostly forbids the current artificial neural network technology to entirely mimic the full function of human brain. However, the presence of memristor provides the best solution to this problem. Nevertheless, there are some severe drawbacks for current memristors on the aspects of performance and cost, which thus handicaps the application of memristor on artificial neural network. In order to overcome the drawbacks of current memristors, a concept using a novel phase-change (Ge2Sb2Te5) based memristor is proposed in this project.The main research contents include (1) model structure and theoretical algorithm of this memristor are proposed by means of parametric designed method and electro-thermal model based on classical nucleation theory; (2) simulate the memristive property of this memristor and evaluate its parameters in order to prove that compared with other memristors, this memristor exhibits several merits, e.g.fast transitional speed, low power consumption,great stability and low cost etc; (3) simulate the associative memory performance of this memristor. The expected outcomes will give a solution to overcomi

英文关键词: Artificial Neural Network;Memristor;Phase-Change Material;Model;Novel

成为VIP会员查看完整内容
0

相关内容

人工神经网络(Artificial Neural Network,即ANN),它从信息处理角度对人脑神经元网络进行抽象,建立某种简单模型,按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。
《面向制造业的数字化仿真分类》国家标准意见稿
专知会员服务
65+阅读 · 2022年4月13日
深度神经网络 FPGA 设计进展、实现与展望
专知会员服务
57+阅读 · 2022年3月26日
神经网络的基础数学
专知会员服务
201+阅读 · 2022年1月23日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
专知会员服务
34+阅读 · 2021年10月19日
专知会员服务
41+阅读 · 2021年6月2日
专知会员服务
31+阅读 · 2021年5月7日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
【南京大学冯雯博士论文】新型深度学习模型的研究
专知会员服务
67+阅读 · 2020年12月5日
数据分片架构的下一次进化
InfoQ
0+阅读 · 2022年2月20日
人工神经网络在材料科学中的研究进展
专知
0+阅读 · 2021年5月7日
独家 | 一文读懂人工神经网络
数据派THU
12+阅读 · 2018年2月1日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
15+阅读 · 2021年2月19日
小贴士
相关VIP内容
《面向制造业的数字化仿真分类》国家标准意见稿
专知会员服务
65+阅读 · 2022年4月13日
深度神经网络 FPGA 设计进展、实现与展望
专知会员服务
57+阅读 · 2022年3月26日
神经网络的基础数学
专知会员服务
201+阅读 · 2022年1月23日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
专知会员服务
34+阅读 · 2021年10月19日
专知会员服务
41+阅读 · 2021年6月2日
专知会员服务
31+阅读 · 2021年5月7日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
【南京大学冯雯博士论文】新型深度学习模型的研究
专知会员服务
67+阅读 · 2020年12月5日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员