.png){kind=icon}
返回
1 Transistor-Dynamic Random Access Memory as Synaptic Element for Online Learning
.png){kind=icon}
OA
AI
DOI：10.1002/aisy.202400912.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自主系统领域的快速发展，导致了对具有持续/在线学习能力的人工智能物联网（AIoT）边缘兼容神经形态训练加速器的显著需求。这些加速器需要具有高可塑性、高耐久性、高集成密度和超低编程能量的突触元件网络。尽管新兴的非易失性存储器显示出作为突触器件的巨大潜力，但由于其低耐久性和不成熟的制造技术，其在训练加速器中的广泛应用受到限制。相比之下，无电容的1晶体管-动态随机存取存储器（1T-DRAMs）因其高可扩展性和低占位面积，最近已成为传统（1T/1C）DRAM的有前景的替代品。考虑到1T-DRAMs的高耐久性、高集成密度和超低写入能量，在本工作中，首次探索了其作为在线学习突触元件的潜力。所提出的基于1T-DRAM的突触元件具有多级能力（最高6位）、大的动态范围（3.91×10³）、超低能量以及明显的长时程增强/抑制线性度。基于1T-DRAM的突触元件还表现出类似生物突触的指数衰减的成对脉冲易化。此外，利用所提出的1T-DRAM突触的多层感知器在MNIST数据集上实现了87.10%的准确率。
Keyword:
1 transistor(1 T)-dynamic random access memories (1T-DRAMs)
gate-induced drain leakages (GIDLs)
lateral band-to-band-tunneling (L-BTBTs)
nanowire FETs
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.1
论文数:
2.0K
被引数:
8.4K
机构
暂无机构信息
引用论文
.png){kind=icon}
Doping Dependent Assessment of Accumulation Mode and Junctionless FET for 1T DRAM掺杂依赖性评估：累积模式与结型场效应晶体管在1T DRAM中的应用
PREAI
分享收藏Performance Improvement of 1T DRAM by Raised Source and Drain Engineering通过抬高源极和漏极工程改进1T DRAM的性能
PREAI
分享收藏Recent Progress in Transistor-Based Optoelectronic Synapses: From Neuromorphic Computing to Artificial Sensory System基于晶体管的光电突触的最新进展: 从神经形态计算到人工感觉系统OAAI
OAAI分享收藏
查看更多内容