文献

J-GLOBAL ID：201802218862484747   整理番号：18A1941226

原子的に薄い2次元材料複合体シナプスによる効率的学習とクロスバ演算【JST・京大機械翻訳】

Efficient learning and crossbar operations with atomically-thin 2-D material compound synapses

著者 (3件)： Sanchez Esqueda Ivan (Information Sciences Institute, University of Southern California, Marina del Rey, California 90292, USA) ,  Zhao Huan (Ming Hsieh Department of Electrical Engineering, University of Southern California, Los Angeles, California 90089, USA) ,  Wang Han (Ming Hsieh Department of Electrical Engineering, University of Southern California, Los Angeles, California 90089, USA)
資料名： Journal of Applied Physics  (Journal of Applied Physics)
巻： 124  号： 15  ページ： 152133-152133-5  発行年： 2018年 
JST資料番号： C0266A  ISSN： 0021-8979  CODEN： JAPIAU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 酸化された原子的に薄い二次元六方晶窒化ホウ素(BNO_x)フィラメント形成層を持つ超低出力二元メムリスティブ素子で構成された化合物シナプスを用いて,正確で効率的なシナプス重みプログラミングとベクトル行列乗算を実証した。BNO_xメムリスタの抵抗スイッチング電流-電圧特性の実験データを用いて,シナプス分解能(すなわち,シナプス重みプログラミングのレベル)の関数として,効率と精度の間のトレードオフを統計的に解析することを可能にする変動認識モデルを定式化した。結果を,一般的に報告されている酸化物ベースのメムリスタと比較し,パワー効率が約10~5倍改善され,精度が約2~5倍改善されることを示した。Copyright 2018 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *二次元 ,  *シナプス ,  *演算 ,  *学習 ,  電流電圧特性 ,  *複合体 ,  ベクトル ,  酸化物 ,  フィラメント ,  電力効率 ,  定式化 ,  分解能
準シソーラス用語： 抵抗スイッチング ,  メモリスタ ,  低出力 , 【Automatic Indexing@JST】

分類 (1件)： 半導体集積回路  (NC03162T)

タイトルに関連する用語 (6件)： 原子 ,  2次元 ,  複合体 ,  シナプス ,  学習 ,  クロスバ