Key points are not available for this paper at this time.
Zusammenfassung Konventionelle Schaltelemente sind durch Einschränkungen in Fläche und Energieeffizienz bei der Verarbeitung physikalischer Signale begrenzt. Kürzlich haben Forscher hochgradige Dynamiken und gekoppelte Oszillationsdynamiken unter Verwendung von Mott-Geräten untersucht, die leistungsstarke nichtlineare Rechenfähigkeiten offenbaren. Die komplexen, aber handhabbaren Populationsdynamiken mehrerer künstlicher sensorischer Neuronen mit raum-zeitlicher Kopplung bleiben jedoch unerforscht. Hier präsentieren wir eine experimentelle Hardware-Demonstration mit einem kapazitätskopplten VO2-Phasenwechsel-Oszillationsnetzwerk. Dieses Netzwerk dient als kontinuierliches dynamisches System zur sensorischen Vorverarbeitung und kodiert Informationen in Phasendifferenzen. Darüber hinaus wurde ein Entscheidungsmodul für spezielle Nachbearbeitung durch Softwaresimulation entworfen, um ein bioinspiriertes dynamisches Sensorsystem zu vervollständigen. Unsere Experimente liefern überzeugende Beweise dafür, dass dieses transistorfreie Kopplungsnetzwerk in sensorischen Verarbeitungsaufgaben wie der Berührungserkennung und der Gestenerkennung überlegen ist und signifikante Vorteile in Bezug auf die Anzahl der Geräte und das Produkt aus Energie und Verzögerung im Vergleich zu konventionellen Methoden bietet. Diese Arbeit ebnet den Weg für ein effizientes und kompaktes neuromorphes Sensorsystem basierend auf nichtlinearen Dynamiken im Nanomaßstab.
Ke et al. (Sa.) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: