अविकृत MoS2 मेमट्रांजिस्टर निरंतर सीखने के लिए स्पाइकिंग न्यूरल नेटवर्क्स में

कृत्रिम बुद्धिमत्ता और मशीन लर्निंग बढ़ते हुए कंप्यूटिंग प्रारूप हैं, लेकिन वर्तमान एल्गोरिदम पारंपरिक हार्डवेयर प्लेटफार्मों पर अवांछनीय ऊर्जा लागत लगाते हैं, जिससे अधिक कुशल न्यूरोमोर्फिक आर्किटेक्चर की खोज करने की प्रेरणा मिलती है। इस दिशा में, हम यहाँ एक मेमट्रांजिस्टर प्रस्तुत करते हैं जिसमें गेट-ट्यून करने योग्य डायनामिक सीखने की विशेषताएँ हैं। सैप्फायर पर उगाए गए मोनोलayer MoS2 से मेमट्रांजिस्टर बनाने के द्वारा, गेट से ऊर्ध्वाधर फील्ड प्रभाव का सापेक्ष महत्व बढ़ाया जाता है, जिससे डिवाइस प्रतिक्रिया की पुनर्विकृति में वृद्धि होती है। जैविक प्रणालियों से प्रेरित होकर, गेट पल्सों का उपयोग पोटेंशिएशन और डिप्रेशन को मापने के लिए किया जाता है, जो विविध सीखने की वक्रों और सरल स्पाइक-टाइमिंग-आधारित प्लास्टिसिटी का परिणाम है जो अनुशासित सीखने को सक्षम करता है। यह क्षमता निरंतर सीखने को भी सक्षम करती है, जो न्यूरोमोर्फिक कंप्यूटिंग में एक पूर्व में कम खोजा गया संज्ञानात्मक अवधारणा है। कुल मिलाकर, यह कार्य प्रदर्शित करता है कि मेमट्रांजिस्टर की पुनर्विकृति ऊर्जा-कुशल कृत्रिम बुद्धिमत्ता और मशीन लर्निंग के लिए अद्वितीय हार्डवेयर त्वरक के अवसर प्रदान करती है।