Sayani Majumdar

利用高极化铁电Hf0.5Zr0.5O2电容器实现存储内计算的高精度超维计算

基于忆阻器联想学习的时序感知容错传感器融合的实验演示

低热预算铁电器件在存储和类脑计算应用中的均匀性挑战与缓解策略

无处不在的智能神经形态电子学: 新兴设备，灵活的平台和可扩展的系统架构

在2 V下实现记录高的极化以及通过适当调节铁电性和反铁电性实现无 imprint 运作的超晶格HfO2-ZrO2

自然老化氧化铪铁电晶体管在节能嵌入式存储器中的长期可靠性

一种用于自动驾驶车辆容错多传感器融合的忆阻器联想学习电路

一种基于物理的针对铁电电容器的紧凑模型，适用于工作在深低温条件下的模拟存储和神经形态架构应用

利用薄膜器件中的铁质排序，用于模拟存储器和神经形态计算应用，低至深冷温度

后端和柔性基板兼容模拟铁电场效应晶体管，用于深度神经网络加速器中的精确在线训练

通过可商业扩展的原子层沉积工艺大面积合成高电性能MoS2

忆阻器件中的量子电导: 基本原理、发展和应用

用于神经形态计算和自适应传感的后端CMOS兼容和灵活的铁电存储器

具有生物启发的光电尖峰传入神经的触觉感觉编码和学习