DGIST电气工程与计算机科学系的Kwon Hyuk jun教授领导的一个研究小组开发了一种新一代人工智能半导体技术，该技术模拟了人脑在人工智能和神经形态系统中的效率
人工智能的进步刺激了对具有快速运行速度的节能半导体技术的快速增长的需求。然而，具有冯·诺依曼架构和独立计算和存储单元的传统计算设备具有与数据处理瓶颈相关的速度和能效缺点。因此，对模拟生物神经元同时计算和记忆功能的神经形态设备的研究越来越受到关注
在这种背景下，Hyuk Jun Kwon教授的团队使用具有强电学性质的氧化铪和薄的二硫化锡层开发了突触场效应晶体管。这产生了一种三端神经形态设备，能够以类似于神经元的方式存储多个级别的数据
这项研究成功地复制了生物特性，如短期和长期特性，产生了一种高效的设备，其响应速度是人类突触的10000倍，消耗的能量非常少。
电气工程与计算机科学系的Hyuk Jun Kwon教授说：“这项研究标志着朝着需要低功耗和高速计算的下一代计算架构迈出了重要一步。我们已经使用二维通道和铁电氧化铪开发了高性能神经形态硬件，预计这项创新将在未来具有各种人工智能和机器学习相关的应用。”
这项研究发表在《高级科学》杂志上
想要了解更多关于脑机接口技术的内容，请关注脑机网，我们将定期发布最新的研究成果和应用案例，让您第一时间了解脑机接口技术的最新进展。
