Physical Realization of a Supervised Learning System Built with Organic Memristive Synapses.
Physical Realization of a Supervised Learning System Built with Organic Memristive Synapses.
复制标题
DOI：
10.1038/srep31932
复制
发表时间：
2016-09-07
影响因子：
4.6
通讯作者：
Klein JO
中科院分区：
文献类型：
--
作者：
Lin YP;Bennett CH;Cabaret T;Vodenicarevic D;Chabi D;Querlioz D;Jousselme B;Derycke V;Klein JO
电子产品的多种现代应用需要廉价的芯片，可以在有限的能量下对自然数据进行复杂的操作。实现这一目标的一个愿景是实现硬件神经网络，它融合了计算和存储，以及低成本的有机电子产品。然而，一个挑战是如何实现由这种材料组成的突触（模拟记忆）。在这项工作中，我们引入了基于电接枝氧化还原复合物的鲁棒、快速可编程、非易失性有机忆阻纳米器件，由于广泛的可访问的中间电导率状态，该器件实现了突触。我们通过实验证明了一个能够学习功能的初级神经网络，它将四对有机忆阻器作为突触，将传统电子作为神经元。我们的架构对于不完美的设备造成的问题具有高度的弹性。它可以容忍设备间的可变性，并且自适应学习规则提供了对设备切换不对称的免疫力。该系统高度符合传统的制造工艺，可以扩展到能够执行复杂认知任务的更大的计算系统，如补充模拟所示。
Multiple modern applications of electronics call for inexpensive chips that can perform complex operations on natural data with limited energy. A vision for accomplishing this is implementing hardware neural networks, which fuse computation and memory, with low cost organic electronics. A challenge, however, is the implementation of synapses (analog memories) composed of such materials. In this work, we introduce robust, fastly programmable, nonvolatile organic memristive nanodevices based on electrografted redox complexes that implement synapses thanks to a wide range of accessible intermediate conductivity states. We demonstrate experimentally an elementary neural network, capable of learning functions, which combines four pairs of organic memristors as synapses and conventional electronics as neurons. Our architecture is highly resilient to issues caused by imperfect devices. It tolerates inter-device variability and an adaptable learning rule offers immunity against asymmetries in device switching. Highly compliant with conventional fabrication processes, the system can be extended to larger computing systems capable of complex cognitive tasks, as demonstrated in complementary simulations.
登录
查看更多内容
影响因子：
10.8
作者：
Jo, Sung Hyun;Chang, Ting;Lu, Wei
通讯作者：
Lu, Wei
影响因子：
2.4
作者：
Chabi, Djaafar;Wang, Zhaohao;Zhao, Weisheng
通讯作者：
Zhao, Weisheng
影响因子：
7.7
作者：
Chu, Myonglae;Kim, Byoungho;Lee, Byung-Geun
通讯作者：
Lee, Byung-Geun
影响因子：
2.2
作者：
Chabi, Djaafar;Zhao, Weisheng;Klein, Jacques-Olivier
通讯作者：
Klein, Jacques-Olivier
影响因子：
3.2
作者：
Demin, V. A.;Erokhin, V. V.;Kovalchuk, M. V.
通讯作者：
Kovalchuk, M. V.