[ad_1]
Los científicos de Forschungszentrum Jülich han publicado una guía para el diseño de hardware memristor comprender los diferentes efectos físicos y químicos en los memristores y predecir la influencia de estos efectos en las propiedades de conmutación de las células memristivas y su confiabilidad
El funcionamiento de las celdas de memristor es único, la resistencia eléctrica varía y se puede configurar y restablecer aplicando un voltaje externo. El valor de la resistencia varía con el movimiento de los iones de oxígeno y, a medida que estos iones salen de la capa de óxido metálico, la resistencia eléctrica cae drásticamente, lo que hace que el material sea más conductor. Por lo tanto, este cambio en la resistencia se puede utilizar para el almacenamiento de datos. Los científicos han estado trabajando durante más de 15 años para desarrollar una memoria de datos especial que tenga propiedades similares a las sinapsis en el cerebro humano.
Los procesos que tienen lugar en las células son muy difíciles de analizar y varían según el sistema material. Por lo tanto, los tres investigadores del Instituto Jülich Peter Grünberg Prof. Regina Dittmann, Dr. Stephan Menzel y el profesor Rainer Waser presentan los resultados de su investigación en un artículo de revisión detallado «Fenómenos memristivos nanoiónicos en óxidos metálicos: el mecanismo de cambio de valencia».
«Si observa las actividades de investigación actuales en el campo de los circuitos de memristores neuromórficos, a menudo se basan en enfoques empíricos para la optimización de materiales», dice Rainer Waser, director del Instituto Peter Grünberg. «Nuestro objetivo con nuestro artículo de revisión es brindarles a los investigadores algo con lo que trabajar para permitir la optimización de materiales basada en evidencia».
Que La «Hoja de ruta de la computación e ingeniería neuromórficas», publicada en mayo de 2022, muestra cómo el uso de la computación neuromórfica puede reducir el enorme consumo de energía en la industria de TI. La integración de circuitos neuromórficos en el campo de la inteligencia artificial, como el reconocimiento de patrones o el reconocimiento de voz, puede ser especialmente útil. Los memristores pueden procesar grandes cantidades de datos sin transportarlos entre el procesador y la memoria. Esto podría salvar la eficiencia energética de las redes neuronales artificiales. Las células memristor también se pueden conectar entre sí para permitir que las redes neuronales aprendan localmente. Los procesos de seguimiento y control se pueden llevar a cabo sin enviar datos a través de la nube.
[ad_2]