博士. 维诺德·K·桑万, 西北大学, 伊利诺伊州埃文斯顿，美国
新兴纳米材料用于生物真实神经形态计算
受大脑启发的计算硬件正成为硅互补金属氧化物半导体芯片的替代方案，以应对快速增长的数字数据生成和处理所带来的能源危机。传统的非易失性存储器可以在神经网络中实现高度并行化的内存计算，但它们缺乏低能耗生物系统的关键属性——适应性和可重构性。为此，基于低维纳米材料的神经形态器件体现了突触的生物学上可调谐的学习、耦合状态变量、非线性响应和多终端架构。在这篇杰出演讲中，Sangwan 通过类比人工突触、神经元和网络架构的基本特性、尺寸规格和所需功能，为神经形态硬件中的二维（2D）纳米材料进行了论证。举几个例子，MoS2基于可扩展交叉阵列的忆阻器展示了生物逼真突触学习，可用于更高维度的动态神经网络。双层石墨烯莫尔相突触忆阻器的异常铁电性实现了前所未有的自适应学习。双栅、自对准、混合维度高斯异质结晶体管不仅实现了复杂的脉冲行为，而且能够为边缘计算中的机器学习算法提供低功耗硬件。.
