Hutson, M. 人工知能は錬金術になりましたか? 科学 360、478 –478（2018）
クリステンセン、DV等。 ニューロモーフィック コンピューティングとエンジニアリングに関する 2022 年のロードマップ。 ニューロモーフ。 計算します。 英文 2、022501（2022）
Mehonic, A. & Kenyon, AJ 脳にヒントを得たコンピューティングにはマスタープランが必要です。 自然 604、255 –260（2022）
Salahuddin, S., Ni, K. & Datta, S. エレクトロニクスにおけるハイパースケーリングの時代。 Nat。 電子。 1、442 –450（2018）
Kendall, JD & Kumar, S. 脳にヒントを得たコンピューターの構成要素。 Appl。 物理学牧師 7、011305（2020）
Ambrogio、S. et al。 アナログメモリを使用した同等精度の加速ニューラルネットワークトレーニング。 自然 558、60 –67（2018）
Yu, S. 新しい不揮発性メモリを使用したニューロに着想を得たコンピューティング。 手続き IEEE 106、260 –285（2018）
周、Z.ら。 エッジ インテリジェンス: 人工知能のラスト マイルをエッジ コンピューティングで舗装します。 手続き IEEE 107、1738 –1762（2019）
Keshavarzi, A., Ni, K., Hoek, WVD, Datta, S. & Raychowdhury, A. エッジ インテリジェンスのためのフェロエレクトロニクス。 IEEE マイクロ 40、33 –48（2020）
Yao、P.ら。 完全にハードウェア実装された memristor 畳み込みニューラル ネットワーク。 自然 577、641 –646（2020）
Demasius, K.-U., Kirschen, A. & Parkin, S. ニューロモーフィック コンピューティング用のエネルギー効率の高いメモリ キャパシタ デバイス。 Nat。 電子。 4、748 –756（2021）
陳、W.ら。 AI エッジ プロセッサ向けの CMOS 統合メムリスティブ不揮発性コンピューティング インメモリ。 Nat。 電子。 2、420 –428（2019）
Cheng、C.ら。 新しい不揮発性メモリ デバイスを使用したインメモリ コンピューティング。 科学。 中国情報科学。 64、221402（2021）
Li、C.ら。 大きなメモリスタ クロスバーを使用したアナログ信号および画像処理。 Nat。 電子。 1、52 –59（2018）
ミュラー、J.ら。 単純なバイナリ ZrO の強誘電性2 とHfO2. ナノレット。 12、4318 –4323（2012）
Böscke、TS、Müller、J.、Bräuhaus、D.、Schröder、U.およびBöttger、U.酸化ハフニウム薄膜の強誘電性。 アプリケーション Phys。 Lett。 99、102903（2011）
Cheema、SS等。 シリコン上に直接成長させた超薄膜の強化された強誘電性。 自然 580、478 –482（2020）
Cheema、SS等。 シリコン上のサブナノメートル二元酸化膜における強誘電性。 科学 376、648 –652（2022）
Gao、Z. et al。 極薄（1.5 nm）Hf を用いたコンデンサの強誘電性の同定0.5Zr0.5O2 フィルム。 IEEE Electron Device Lett。 42、1303 –1306（2021）
Khan, AI, Keshavarzi, A. & Datta, S. 強誘電体電界効果トランジスタ技術の未来。 Nat。 電子。 3、588 –597（2020）
Schroeder, U., Park, MH, Mikolajick, T. & Hwang, CS 強誘電体 HfO の基礎と応用2. ナットマーター牧師. 7、653 –669（2022）
ジェリー、M.ら。 ディープ ニューラル ネットワーク トレーニングの高速化のための強誘電体 FET アナログ シナプス。 の 2017 IEEE International Electron Devices Meeting（IEDM） 6.2.1–6.2.4。 (IEEE、2017)。
Ni、K.ら。 ニューロモーフィック アプリケーション向けの SoC ロジック互換のマルチビット FeMFET ウェイト セル。 の 2018 IEEE International Electron Devices Meeting（IEDM） 13.2.1–13.2.4。 (IEEE、2018)。
Sun, X., Wang, P., Ni, K., Datta, S. & Yu, S. トレーニングと推論のためのハイブリッド精度の活用: 2T-1FeFET ベースのアナログ シナプス重みセル。 の 2018 IEEE International Electron Devices Meeting（IEDM） 3.1.1–3.1.4。 (IEEE、2018)。
Tong、L.ら。 ニューロモルフィック ハードウェア用の 2D マテリアル ベースの同種トランジスタ メモリ アーキテクチャ。 科学 373、1353 –1358（2021）
張、W.ら。 ニューロに着想を得たコンピューティング チップ。 Nat。 電子。 3、371 –382（2020）
ルオ、Q.ら。 CMOS互換性の高いハフニアベースの強誘電体ダイオードです。 Nat。 コミュニ 11、1391（2020）
Radisavljevic、B.ら。 単層MoS2 トランジスタ。 Nat。 ナノテク。 6、147 –150（2011）
Akinwande、D。etal。 シリコン技術のためのグラフェンと二次元材料。 自然 573、507 –518（2019）
リュウ、C. 等。 次世代コンピューティング技術のための二次元材料。 Nat。 ナノテク。 15、545 –557（2020）
マレガ、M.ら。 原子レベルで薄い半導体に基づくロジックインメモリ。 自然 587、72 –77（2020）
チョン Y.-Y. ら。 極薄MoSで構成された対側ゲートアナログシナプスを用いた高精度深層ニューラルネットワーク2 nFET および不揮発性チャージ トラップ メモリ。 IEEE エレクトロン デバイス レット. 41、1649 –1652（2020）
Chen, L., Pam, ME, Li, S. & Ang, K.-W. ニューロモルフィック コンピューティング用の XNUMX 次元材料に基づく強誘電体メモリ。 ニューロモーフ。 計算します。 英文 2、022001（2022）
Meng、W.ら。 原子レベルで薄いトランジスタ マトリックスによって駆動される XNUMX 次元モノリシック マイクロ LED ディスプレイ。 Nat。 ナノテク。 16、1231 –1236（2021）
Schram, T.、Sutar, S.、Radu, I. & Asselberghs, I. 高性能トランジスタ回路用の 2D 半導体のウェーハ スケール統合の課題。 前売 母校。 34、2109796（2022）
Waltl、M.ら。 2D 集積電子回路の展望: 科学的な夢物語か、それとも破壊的技術か? 前売 母校。 34、2201082（2022）
Chai, Y. マシン ビジョン用のインセンサー コンピューティング。 自然 579、32 –33（2020）
Mennel、L. et al。 2Dマテリアルニューラルネットワークイメージセンサーを備えた超高速マシンビジョン。 自然 579、62 –66（2020）
Li、T.ら。 サファイア上でのウェーハスケールの二硫化モリブデン半導体単結晶のエピタキシャル成長。 Nat。 ナノテク。 16、1201 –1207（2021）
ミュラー、J.ら。 強誘電性ハフニウム酸化物: 将来の強誘電性メモリへの CMOS 互換性と高度にスケーラブルなアプローチ。 の 2013 IEEE International Electron Devices Meeting（IEDM） 10.8.1–10.8.4（IEEE、2013）。
Gong, N. & Ma, T.-P. HfO の耐久性の問題に関する研究2ベースの強誘電性電界効果トランジスタ: 電荷のトラップとトラップの生成。 IEEE Electron Device Lett。 39、15 –18（2018）
Y.リウら。 4.7 適応型データ保持と自己書き込み終了不揮発性ロジックを使用して、復元時間を 65 分の 6 に短縮し、クロック周波数を 4 分の XNUMX に高めた XNUMXnm ReRAM 対応の不揮発性プロセッサ。 の 2016 IEEE 国際固体素子回路会議 (ISSCC) 84–86（IEEE、2016）。
デバイスとシステムの国際ロードマップ (IRDSTM) 2021 年版 (IEEE、2021 年)。 https://irds.ieee.org/editions/2021
Krivokapic、Z.ら。 超低電力アプリケーション向けの急峻なサブスレッショルド スロープを備えた 14nm 強誘電体 FinFET テクノロジ。 の 2017 IEEE International Electron Devices Meeting（IEDM） 15.1.1–15.1.4（IEEE、2017）。
Dünkel、S.ら。 22nm FDSOI 以降向けの FeFET ベースの超低電力超高速組み込み NVM テクノロジ。 の 2017 IEEE International Electron Devices Meeting（IEDM） 19.7.1–19.7.4（IEEE、2017）。
Zhao, C.、Sun, Q.、Zhang, C.、Tang, Y. & Qian, F. ディープラーニングに基づく単眼深度推定: 概要。 科学。 中国技術。 科学。 63、1612 –1627（2020）
Alhashim, I. & Wonka, P. 転移学習による高品質の単眼深度推定。 プレプリント https://arxiv.org/abs/1812.11941 とします。
Ronneberger, O.、Fischer, P. & Brox, T. U-Net: 生物医学画像セグメンテーションのための畳み込みネットワーク。 の 医用画像コンピューティングとコンピュータ支援介入—MICCAI 234–241（Springer、2015）。
Geiger, A., Lenz, P. & Urtasun, R. 自動運転の準備はできていますか? KITTI ビジョン ベンチマーク スイート。 の 2012 IEEE Conference on Computer Vision and Pattern Recognition（CVPR） 3354–3361（IEEE、2012）。
Huang, G.、Liu, Z.、Maaten、LVD & Weinberger、KQ 密に接続された畳み込みネットワーク。 の 2017 IEEE Conference on Computer Vision and Pattern Recognition（CVPR） 2261–2269（IEEE、2017）。
Deng、J.ら。 ImageNet: 大規模な階層画像データベース。 の 2009 IEEE Conference on Computer Vision and Pattern Recognition（CVPR） 248–255（IEEE、2009）。
Wang, Z., Bovik, AC, Sheikh, HR & Simoncelli, EP 画質評価: エラーの可視性から構造的類似性まで。 IEEE トランス。 画像処理。 13、600 –612（2004）
Eigen, D.、Puhrsch, C. & Fergus, R. マルチスケール ディープ ネットワークを使用した単一画像からの深度マップ予測。 の 第28回神経情報処理システム会議 (NIPS) (NIPS 財団、2014 年)。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- Platoblockchain。 Web3メタバースインテリジェンス。 知識の増幅。 こちらからアクセスしてください。
- 情報源： https://www.nature.com/articles/s41565-023-01343-0
