-
题名纳电子学与神经形态芯片的新进展
被引量：3
- 1
-
-
作者
赵正平
-
机构
中国电子科技集团公司
专用集成电路重点实验室
-
出处
《微纳电子技术》
北大核心
2018年第1期1-5,共5页
-
文摘
综述了纳电子学和神经形态芯片进入新世纪后所处发展阶段以及近两年的最新进展。在纳电子领域,综述并分析了当今集成电路的发展现状,包括鳍式场效应晶体管（Fin FET）的发展、10 nm节点的技术突破、7 nm和5 nm节点的前瞻性技术研究以及三类后互补金属氧化物半导体（CMOS）器件（自旋电子器件、隧穿FET和碳纳米管栅的二维半导体Mo S2晶体管）的探索性研究,指出摩尔定律将沿着加强栅对沟道电子的控制（三栅和环栅）、更换高迁移率材料和采用新机理等技术路线继续前行。在神经形态芯片领域,综述并分析了神经形态芯片的发展历程、＂真北＂类脑芯片的技术创新和应用、当今嵌入式神经处理器的四个发展特点和采用新器件提高能量效率的探索。采用纳电子技术的神经形态芯片的发展将成为未来智能时代发展的基础。
-
关键词
纳电子学
鳍式场效应晶体管(FinFET)
10
nm互补金属氧化物半导体(CMOS)
纳米线晶体管
自旋电子学
碳纳米管栅
神经形态芯片
类脑芯片
神经形态处理器
忆阻器
-
Keywords
nanoelectronics
Fin field-effect transistor（FinFET）
10 nm complementary metal-oxide-semiconductor（CMOS）
nanowire transistor
spintronics
carbon nanotube gate
neuromorphic chip
class brain chip
neuromorphic processor
memristor
-
分类号
TN3
[电子电信—物理电子学]
TN4
[电子电信—微电子学与固体电子学]
-
-
题名长短期记忆LSTM神经形态芯片设计的两步映射方法
- 2
-
-
作者
何峰
王冠睿
裴京
-
机构
清华大学精密仪器系
-
出处
《集成电路应用》
2018年第7期14-17,共4页
-
基金
国家自然科学基金项目(NSFC 61327902)
清华大学自主科研项目(2016SZ0102)
-
文摘
长短期记忆(LSTM,Long Short-Term Memory)网络广泛应用于各个领域,天机系列芯片是的神经形态芯片。天机芯Ⅱ是最新版本,两步映射方法是研究LSTM网络到天机芯Ⅱ的映射工具链。LSTM网络计算比一般神经网络复杂,一般四步运算,映射到神经形态芯片也是四步,四步运算耗时很高,对于很多要求高速度的运算要求满足不了,如军工、金融等领域。为了提高速度满足高速度的人工智能中LSTM网络的需求,提出了一种两步LSTM网络的映射解决方案,进行了相关的计算推导,并在实验仿真平台进行了仿真验证。虽然Core资源开销是四步映射的几十、几百倍,但两步映射方法使得速度提高了一倍,在对速度要求高对硬件开销不高的领域,益处极大。
-
关键词
集成电路设计
神经形态芯片
长短期记忆
两步映射
-
Keywords
integrated circuit design
neuromorphic chip
long and short term memory
twostep mapping
-
分类号
TN402
[电子电信—微电子学与固体电子学]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名神经形态芯片测试方法研究
- 3
-
-
作者
陶梦蝶
宋博伟
李玉亮
-
机构
中国电子技术标准化研究院
-
出处
《信息技术与标准化》
2023年第1期31-36,共6页
-
文摘
介绍了神经形态芯片的发展现状和测试难点,重点研究了神经形态芯片关键指标的测试原理和测试方法,包含集成规模、功能和性能等,通过所研究的测试前置条件和测试方法,为制定通用的基准测试套件提供参考。
-
关键词
类脑计算
神经形态芯片
神经形态计算
脉冲神经网络
功能测试
性能测试
-
Keywords
brain-inspired computing
neuromorphic chip
neuromorphic computing
spiking neural network
functional testing
performance testing
-
分类号
TN407
[电子电信—微电子学与固体电子学]
-
-
题名基于低维材料的神经形态器件研究进展
- 4
-
-
作者
刘依婷
万军
邱晨光
赵建文
王华
-
机构
中国计量大学计量测试工程学院
北京大学电子学院
中国科学院苏州纳米技术与纳米仿生研究所器件部
太原理工大学新材料界面科学与工程教育部重点实验室
-
出处
《发光学报》
EI
CAS
CSCD
北大核心
2023年第6期1085-1111,共27页
-
基金
国家自然科学基金(61971009,62122006)。
-
文摘
大数据和物联网时代的到来使得传统冯·诺依曼架构的计算机在数据处理过程中面临极大的挑战,存算分离的架构从根本上限制着计算机的计算速度和能效,迫切地需要开发一种新的计算范式来应对当前面临的问题和挑战。近年来,神经形态计算以高度的并行处理、极低功耗和存算一体的特征受到广泛关注。其中,具有独特物理机制的新型神经形态器件是构建神经形态芯片的基本底层单元。在构建神经形态器件的众多候选电子材料中,低维材料相比传统三维材料具有优异的物理特性和电学特性,并且弱的层间范德华力使其易于堆叠,有利于异质整合集成。本文详述了基于低维材料的人工突触器件和人工神经元器件的研究进展,总结了不同类型神经形态器件的工作机制、性能指标和技术优势。在此基础上,介绍了低维材料的神经形态器件在视觉、听觉、运动控制和规模集成芯片等领域的应用,并对神经形态器件未来发展趋势进行了展望。
-
关键词
低维材料
人工突触器件
人工神经元器件
神经形态芯片
-
Keywords
low dimensional materials
artificial synaptic devices
artificial neural devices
neuromorphic chips
-
分类号
O47
[理学—半导体物理]
-
-
题名智能芯片,开启智慧大脑
- 5
-
-
作者
王握文
于冬阳
扈啸
-
出处
《集成电路应用》
2015年第1期41-42,共2页
-
文摘
芯片又叫集成电路,它是通过微细加工技术,把半导体器件制造在硅晶圆表面上获得的一种电子产品。2014年美国高通神经形态芯片入选全球10大技术突破,IBM推出能够模拟人脑神经元、突触功能及其他脑功能的微芯片,标志该技术取得重大进展。芯片虽小,但在信息化世界里无处不在。
-
关键词
集成电路
神经形态芯片
突触
-
分类号
TN492
[电子电信—微电子学与固体电子学]
-
