.png){kind=icon}
返回
Probabilistic computing utilizing HfO2-based stochastic ferroelectric tunnel junctions
.png){kind=icon}
OA
AI
DOI：10.1038/s41467-026-72742-9.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
概率神经网络擅长解决复杂优化任务，但需要随机、节能的概率位（p-位）神经元和可靠的人工突触。本文通过调节Hf0.5Zr0.5O2铁电薄膜中的氧空位浓度，展示了随机铁电隧穿结（s-FTJ）和可靠-FTJ（r-FTJ），分别用于构建p-位神经元和突触。s-FTJ基p-位以可调概率输出0或1，且在概率为0.5时可作为真随机数发生器运行。每个p-位的写入功耗约为76 nW，显著低于其他报道的p-位实现方案。为概率计算实验构建了一个四神经元玻尔兹曼机硬件原型，成功解决了最大独立集问题。模拟显示，655神经元玻尔兹曼机可以准确预测64核苷酸RNA的二级结构。该工作提供了一种低能耗、高工艺兼容性的高性能概率计算解决方案。概率计算在复杂任务中表现出色，但现有硬件需要独立的组件处理冲突的确定性和随机操作。Guan等人利用氧空位调控的FTJ实现双模功能，并通过原型和RNA结构预测模拟验证了其卓越的能效。
Keyword:
probabilistic computing
stochastic ferroelectric tunnel junctions
p-bit neurons
Boltzmann machine
energy-efficient hardware
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:
15.7
论文数:
9.4W
被引数:
91.2W
机构
引用论文
暂无论文信息