纳米电子设备模拟硬件

无线通信的依赖Si,计算和消费应用程序和自动化等行业正受到威胁。如果是关键材料在数字硬件用于计算今天和传感应用。然而,全球需求Si-based传感器技术正在经历一个指数增长与预测在2032年~ 45万亿年传感器,将生成> 100万字节(1027字节)的数据。缓解这种需求,跨学科和跨职能的方法实现根本性突破使用模拟硬件连接,代替Si-based传统的数字硬件,应该追求。
这种模拟硬件的一个新兴应用神经形态计算或内存中计算。传统的计算,特别是当涉及到实现数据分类任务的机器学习和神经网络算法,患有冯诺依曼瓶颈(内存和计算物理上独立的传统计算机(CPU或GPU),导致时间和能耗之间移动数据的这两个单元)。因此,正在努力实现神经网络在模拟硬件内存和计算物理相互交织在一起的。这样的硬件通常被称为神经形态(brain-inspired),或在存储计算的硬件,并利用不同的材料在传统Si-based CMOS技术,如记忆性材料、相变材料、自旋电子学的基础材料等。
其他相关的应用模拟硬件,这引起了很多的注意力,有:oscillator-based计算和随机概率计算。提出了这些计算策略,有时证明是替代传统的数字计算,甚至量子计算,为解决不同的优化问题和数据分类问题。Oscillator-based计算和概率计算也利用新兴设备auto-oscillators,随机数发生器等。
这个研究课题旨在促进艺术的状态在先进材料,新型纳米电子设备,需要新系统设计和制造策略,将导致模拟硬件研究的突破。贡献希望会导致新的基于内存计算模拟技术,神经形态(brain-inspired)计算,oscillator-based计算概率计算和智能机器的接口操作从兆赫到太赫兹政权。
研究课题欢迎文章新颖材料和设备开发、新电路和结构设计,和设备建模,对(但不限于)以下方面:
——神经形态/内存计算新兴材料和设备
——新颖的电路设计、系统和算法使用新兴设备神经形态/内存计算
——Oscillator-based计算和概率/随机计算使用新兴的材料和设备