.png){kind=icon}
返回
Emerging applications: Neuromorphic computing and reservoir computing
.png){kind=icon}
PRE
AI
DOI：10.1557/s43577-025-00990-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
掺杂氧化铪（HfO2）基铁电薄膜的出现，使得可高度缩放且与硅兼容的铁电器件得以实现，为神经形态计算和储层计算开辟了新的前沿。其中，铁电场效应晶体管（FeFETs）因其模拟存储特性和独特的极化动力学而备受关注。这些特性使FeFETs成为神经形态架构中人工突触的理想候选者，支持基于漏积分-放电（LIF）机制的深度神经网络和脉冲神经网络。除神经形态计算外，FeFETs在物理储层计算中也发挥着关键作用，利用其固有的非线性及历史依赖行为实现高效实时学习。该方法在时间序列处理和边缘人工智能（AI）应用中具有显著优势，满足了日益增长的能效计算需求。本文探讨了基于FeFET的神经形态和储层计算的基本原理、关键演示及其未来潜力，突显了它们对下一代AI硬件的影响。
Keyword:
Electronic material
Ferroelectric
Ferroelectricity
Neuromorphic
Memory
Devices
Computation/computing
期刊
IF:
4.9
论文数:
5.3K
被引数:
9.5K
机构
引用论文
分享收藏The Electrode-Ferroelectric Interface as the Primary Constraint on Endurance and Retention in HZO-Based Ferroelectric Capacitors电极-铁电界面是HZO基铁电电容器中耐久性和保持性的主要限制
OAAI
OAAI分享收藏citation_journal_title=Jpn. J. Appl. Phys.; citation_author=S-Y Min, K Toprasertpong, E Nako, R Nakane, M Takenaka, S Takagi; citation_volume=63; citation_issue=3; citation_publication_date=2024; citation_doi=10.35848/1347-4065/ad2133; citation_id=CR40期刊名称: Jpn. J. Appl. Phys.; 作者: S-Y Min, K Toprasertpong, E Nako, R Nakane, M Takenaka, S Takagi; 卷号: 63; 期号: 3; 出版日期: 2024; DOI: 10.35848/1347-4065/ad2133; 引用ID: CR40.png)
IF0
PREAI
分享收藏Fully Ferroelectric-FETs Reservoir Computing Network for Temporal and Random Signal Processing用于时间和随机信号处理的全铁电fet储层计算网络
PREAI
分享收藏Switching Dynamics in Anti-Ferroelectric Transistor for Multimodal Reservoir Computing用于多模态储层计算的反铁电晶体管中的开关动力学
PREAI
分享收藏分享收藏citation_journal_title=IEEE Electron Device Lett.; citation_author=J Luo, B Fu, Y Du, X Wei, C Su, M Yang, Q Huang, R Huang; citation_volume=45; citation_issue=2; citation_publication_date=2024; citation_pages=264; citation_doi=10.1109/LED.2023.3345359; citation_id=CR31期刊名称：IEEE Electron Device Lett.；作者：J Luo, B Fu, Y Du, X Wei, C Su, M Yang, Q Huang, R Huang；卷：45；期：2；出版日期：2024；页码：264；DOI：10.1109/LED.2023.3345359；引用ID：CR31
IF0
PREAI
分享收藏
查看更多内容