論文の概要: Accelerate & Actualize: Can 2D Materials Bridge the Gap Between Neuromorphic Hardware and the Human Brain?

• arxiv url: http://arxiv.org/abs/2301.10277v1
• Date: Tue, 24 Jan 2023 19:21:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-26 16:32:52.844265
• Title: Accelerate & Actualize: Can 2D Materials Bridge the Gap Between Neuromorphic Hardware and the Human Brain?
• Title（参考訳）: 加速と現実化:2D材料はニューロモルフィック・ハードウェアと人間の脳のギャップを橋渡しできるか?
• Authors: Xiwen Liu, Keshava Katti, and Deep Jariwala
• Abstract要約: 二次元(2D)材料は、フォン・ノイマンの計算アーキテクチャパラダイムを超えたデバイスやシステムにとってエキサイティングな機会となる。 非揮発性メモリ(NVM)デバイスの主要クラスは2D材料で実証されている。
• 参考スコア（独自算出の注目度）: 0.6423239719448168
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Two-dimensional (2D) materials present an exciting opportunity for devices and systems beyond the von Neumann computing architecture paradigm due to their diversity of electronic structure, physical properties, and atomically-thin, van der Waals structures that enable ease of integration with conventional electronic materials and silicon-based hardware. All major classes of non-volatile memory (NVM) devices have been demonstrated using 2D materials, including their operation as synaptic devices for applications in neuromorphic computing hardware. Their atomically-thin structure, superior physical properties, i.e., mechanical strength, electrical and thermal conductivity, as well as gate-tunable electronic properties provide performance advantages and novel functionality in NVM devices and systems. However, device performance and variability as compared to incumbent materials and technology remain major concerns for real applications. Ultimately, the progress of 2D materials as a novel class of electronic materials and specifically their application in the area of neuromorphic electronics will depend on their scalable synthesis in thin-film form with desired crystal quality, defect density, and phase purity.
• Abstract（参考訳）: 二次元(2D)材料は、従来の電子材料やシリコンベースのハードウェアとの統合を容易にするための電子構造、物理的性質、原子の薄いファンデルワールス構造の多様性のために、フォン・ノイマン計算アーキテクチャのパラダイムを超えてデバイスやシステムにエキサイティングな機会を与える。 非揮発性メモリ(NVM)デバイスの主要クラスは、ニューロモルフィックコンピューティングハードウェアへの応用のためのシナプスデバイスとしての動作を含む2D材料を用いて実証されている。 原子的に薄い構造、優れた物理的特性、すなわち機械的強度、電気的および熱的伝導度、およびゲート可変電子特性は、NVMデバイスやシステムにおいて性能上の利点と新規な機能をもたらす。 しかし、既存の材料や技術と比較してデバイスの性能と変動性は、実際のアプリケーションにとって大きな関心事である。 最終的に、新しい種類の電子材料としての2d材料の進歩、特にニューロモルフィックエレクトロニクスの分野でのそれらの応用は、所望の結晶品質、欠陥密度、位相純度を持つ薄膜形式のスケーラブルな合成に依存している。

関連論文リスト

• Nonlinear Inverse Design of Mechanical Multi-Material Metamaterials Enabled by Video Denoising Diffusion and Structure Identifier [2.624762732763203]
  本稿では非線形応力-ひずみ応答に基づく逆多材料設計のための新しい枠組みを提案する。 複数の材料, 塑性, 大変形を組み込むことで, メタマテリアルの高非線形力学的挙動の制御を高度化することができる。
  論文  参考訳（メタデータ） (2024-09-20T21:26:15Z)
• AI-accelerated Discovery of Altermagnetic Materials [48.261668305411845]
  新たな磁気相であるオルテルマグネティズムは、強磁性と反強磁性とを区別して理論的に提案され、実験的に検証されている。 本稿では,AI検索エンジンによる自動発見手法を提案する。 金属、半導体、絶縁体をカバーする新しい50の磁気材料を発見しました。
  論文  参考訳（メタデータ） (2023-11-08T01:06:48Z)
• Reliable machine learning potentials based on artificial neural network for graphene [2.115174610040722]
  グラフェンの特別な2次元構造は、幅広い特異な材料特性を示すことができる。 分子動力学(MD)シミュレーションは、その特異な性質の微視的起源を理解するために広く採用されている。 人工ニューラルネットワークに基づく原子間ポテンシャルは、ポテンシャルエネルギー表面を表すためにグラフェンのために開発された。
  論文  参考訳（メタデータ） (2023-06-12T17:12:08Z)
• Universal Mechanical Polycomputation in Granular Matter [0.5627346969563954]
  2つの異なる周波数で1つの粒が2つの異なるNANDゲートとして同時に作用する材料の発展を示す。 南門は論理的な操作をそれらから構築できるので興味がある。 これは汎用的で計算量の多い機械計算機への一歩である。
  論文  参考訳（メタデータ） (2023-05-29T03:39:10Z)
• Discovery of 2D materials using Transformer Network based Generative Design [0.0]
  トランスフォーマーをベースとした自己学習型ニューラルネットワークモデルを用いて,2つの2次元材料合成ジェネレータを訓練する。 その後、モデルは多数の候補となる2D合成を生成するために使用され、結晶構造予測のために既知の2D材料テンプレートに供給される。 我々は,NiCl$_4$,IrSBr,CuBr$_3$,CoBrClの4つの新しいDFT認定安定2D材料について報告する。
  論文  参考訳（メタデータ） (2023-01-14T05:59:38Z)
• Simulating challenging correlated molecules and materials on the Sycamore quantum processor [0.0]
  複雑な分子や物質をシミュレーションすることは、量子デバイスに期待される応用である。 超伝導量子プロセッサ上での静的および動的電子構造をシミュレートする。 我々の研究は、量子優位性の人工的な測度を物理的に関連する設定に変換するのに役立ちます。
  論文  参考訳（メタデータ） (2022-03-29T07:11:40Z)
• Electromagnetically induced transparency in inhomogeneously broadened divacancy defect ensembles in SiC [52.74159341260462]
  電磁誘導透過 (EIT) は、光信号と電子スピンの量子コヒーレンスの間に強く堅牢な相互作用を与える現象である。 この材料プラットフォームにおいても,計測幾何学の慎重に設計した上で,EITを高視認性で確立できることが示される。 本研究は,多層システムにおけるEITの非均一性に対する理解を提供し,半導体の幅広い欠陥に対する考察である。
  論文  参考訳（メタデータ） (2022-03-18T11:22:09Z)
• How to See Hidden Patterns in Metamaterials with Interpretable Machine Learning [82.67551367327634]
  我々は,材料単位セルのパターンを見つけるための,解釈可能な多分解能機械学習フレームワークを開発した。 具体的には、形状周波数特徴と単位セルテンプレートと呼ばれるメタマテリアルの2つの新しい解釈可能な表現を提案する。
  論文  参考訳（メタデータ） (2021-11-10T21:19:02Z)
• BIGDML: Towards Exact Machine Learning Force Fields for Materials [55.944221055171276]
  機械学習力場(MLFF)は正確で、計算的で、データ効率が良く、分子、材料、およびそれらのインターフェースに適用できなければならない。 ここでは、Bravais-Inspired Gradient-Domain Machine Learningアプローチを導入し、わずか10-200原子のトレーニングセットを用いて、信頼性の高い力場を構築する能力を実証する。
  論文  参考訳（メタデータ） (2021-06-08T10:14:57Z)
• Graph Neural Network for Hamiltonian-Based Material Property Prediction [56.94118357003096]
  無機材料のバンドギャップを予測できるいくつかの異なるグラフ畳み込みネットワークを提示し、比較する。 モデルは、それぞれの軌道自体の情報と相互の相互作用の2つの異なる特徴を組み込むように開発されている。 その結果,クロスバリデーションにより予測精度が期待できることがわかった。
  論文  参考訳（メタデータ） (2020-05-27T13:32:10Z)
• Entanglement generation via power-of-SWAP operations between dynamic electron-spin qubits [62.997667081978825]
  表面音響波(SAW)は、圧電材料内で動く量子ドットを生成することができる。 動的量子ドット上の電子スピン量子ビットがどのように絡み合うかを示す。
  論文  参考訳（メタデータ） (2020-01-15T19:00:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。