.png){kind=icon}
返回
Neuromorphic ionic computing in droplet interface synapses
.png){kind=icon}
PRE
AI
DOI：10.1126/sciadv.adv6603.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
具有记忆能力的离子器件能够模拟神经功能，实现神经形态计算和生物医学应用。本研究报道了一种基于水滴界面双分子层组装的离子脉冲突触。在阶梯三角电压下，该器件表现出耦合的忆容-忆阻行为，呈现非交叉捏合的滞回I-V曲线。这种滞回离子动力学可以通过修饰双分子层组分、重构蛋白质通道或调整水滴组装构型来调控。水滴界面突触（DIS）在经典条件反射下表现出基本的神经形态行为，如配对脉冲易化/抑制、脉冲率依赖性可塑性、赫布学习以及短期联想学习。我们还利用DIS进行 reservoir computing，实现了两种学习算法：一种用于识别手写数字的分类算法，以及一种学习玩井字棋的强化学习算法。
Keyword:
ionic spiking synapse
memcapacitive-memristive behavior
droplet interface bilayer
neuromorphic computing
reservoir computing
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:
12.5
论文数:
2.1W
被引数:
18.1W
机构
引用论文
Nanofluidic Memristive Transition and Synaptic Emulation in Atomically Thin Pores纳米流体忆阻性转变及原子级薄孔中的突触模拟.png)
NANO LETTERS
NANO LETTERSIF9.1
PREAI
分享收藏Fluid learning: Mimicking brain computing with neuromorphic nanofluidic devices流体学习: 用神经形态纳米流体设备模拟大脑计算NANO TODAY
OAAI
NANO TODAYIF10.9
OAAI分享收藏分享收藏Time-varying data processing with nonvolatile memristor-based temporal kernel基于非易失性忆阻器的时间核时变数据处理NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容