Hutson, M. 인공 지능이 연금술이 되었습니까? 과학 360, 478-478 (2018).
Christensen, DV et al. 뉴로모픽 컴퓨팅 및 엔지니어링에 대한 2022년 로드맵. 뉴로모프. 컴퓨팅 공학 2, 022501 (2022).
Mehonic, A. & Kenyon, AJ Brain에서 영감을 받은 컴퓨팅에는 마스터 플랜이 필요합니다. 자연 604, 255-260 (2022).
Salahuddin, S., Ni, K. & Datta, S. 전자 제품의 하이퍼스케일링 시대. Nat. 전자. 1, 442-450 (2018).
Kendall, JD & Kumar, S. 뇌에서 영감을 받은 컴퓨터의 빌딩 블록. Appl. Phys. 신부님. 7, 011305 (2020).
Ambrogio, S. et al. 아날로그 메모리를 사용한 등가 정확도 가속 신경망 훈련. 자연 558, 60-67 (2018).
Yu, S. 새로운 비휘발성 메모리를 사용한 Neuro-inspired 컴퓨팅. 절차 IEEE 106, 260-285 (2018).
Zhou, Z. et al. 에지 인텔리전스: 에지 컴퓨팅으로 인공 지능의 마지막 단계를 개척합니다. 절차 IEEE 107, 1738-1762 (2019).
Keshavarzi, A., Ni, K., Hoek, WVD, Datta, S. & Raychowdhury, A. Edge Intelligence를 위한 Ferroelectronics. IEEE 마이크로 40, 33-48 (2020).
Yao, P. et al. 완전히 하드웨어로 구현된 멤리스터 컨벌루션 신경망. 자연 577, 641-646 (2020).
Demasius, K.-U., Kirschen, A. & Parkin, S. 뉴로모픽 컴퓨팅을 위한 에너지 효율적인 멤커패시터 장치. Nat. 전자. 4, 748-756 (2021).
Chen, W. et al. AI 에지 프로세서를 위한 CMOS 통합 메모리스티브 비휘발성 컴퓨팅 인 메모리. Nat. 전자. 2, 420-428 (2019).
Cheng, C. et al. 새로운 비휘발성 메모리 장치를 사용한 인메모리 컴퓨팅. 과학. 차이나 인프. 과학. 64, 221402 (2021).
Li, C. et al. 대형 멤리스터 크로스바를 사용한 아날로그 신호 및 이미지 처리. Nat. 전자. 1, 52-59 (2018).
Müller, J. et al. 간단한 바이너리 ZrO의 강유전성2 및 HfO2. 나노 렛트. 12, 4318-4323 (2012).
Böscke, TS, Müller, J., Bräuhaus, D., Schröder, U. & Böttger, U. 하프늄 산화물 박막의 강유전성. Appl. 물리. 레트 사람. 99, 102903 (2011).
Cheema, SS et al. 실리콘에서 직접 성장한 초박막의 강화된 강유전성. 자연 580, 478-482 (2020).
Cheema, SS et al. 실리콘 위의 서브나노미터 이원 산화물 필름의 긴급 강유전성. 과학 376, 648-652 (2022).
Gao, Z. et al. 초박형(1.5nm) Hf 커패시터의 강유전성 규명0.5Zr0.5O2 필름. IEEE 전자 장치 Lett. 42, 1303-1306 (2021).
Khan, AI, Keshavarzi, A. & Datta, S. 강유전성 전계 효과 트랜지스터 기술의 미래. Nat. 전자. 3, 588-597 (2020).
Schroeder, U., Park, MH, Mikolajick, T. & Hwang, CS 강유전성 HfO의 기본 및 응용2. Nat. 목사. 7, 653-669 (2022).
Jerry, M. et al. 심층 신경망 훈련 가속화를 위한 강유전성 FET 아날로그 시냅스. ~ 안에 2017 IEEE 국제 전자 장치 회의 (IEDM) 6.2.1~6.2.4. (IEEE, 2017).
Ni, K. et al. 뉴로모픽 애플리케이션을 위한 SoC 로직 호환 다중 비트 FeMFET 중량 셀. ~ 안에 2018 IEEE 국제 전자 장치 회의 (IEDM) 13.2.1~13.2.4. (IEEE, 2018).
Sun, X., Wang, P., Ni, K., Datta, S. & Yu, S. 훈련 및 추론을 위한 하이브리드 정밀도 활용: 2T-1FeFET 기반 아날로그 시냅스 가중치 셀. ~ 안에 2018 IEEE 국제 전자 장치 회의 (IEDM) 3.1.1~3.1.4. (IEEE, 2018).
Tong, L. et al. 뉴로모픽 하드웨어를 위한 2D 재료 기반 동종 트랜지스터 메모리 아키텍처. 과학 373, 1353-1358 (2021).
Zhang, W. et al. 신경에서 영감을 받은 컴퓨팅 칩. Nat. 전자. 3, 371-382 (2020).
Luo, Q. et al. CMOS 호환성이 높은 하프니아 기반 강유전성 다이오드입니다. Nat. 코뮌. 11, 1391 (2020).
Radisavljevic, B. et al. 단층 MoS2 트랜지스터. Nat. 나노 테크 놀. 6, 147-150 (2011).
Akinwande, D. et al. 실리콘 기술을 위한 그래핀 및 XNUMX차원 재료. 자연 573, 507-518 (2019).
Liu, C. et al. 차세대 컴퓨팅 기술을위한 XNUMX 차원 소재. Nat. 나노 테크 놀. 15, 545-557 (2020).
Marega, M. et al. 원자적으로 얇은 반도체를 기반으로 하는 로직 인 메모리. 자연 587, 72-77 (2020).
Chung, Y.-Y. 외. 초박형 MoS로 구성된 반대측 게이팅 아날로그 시냅스를 이용한 고정확도 심층신경망2 nFET 및 비휘발성 전하 트랩 메모리. IEEE 전자 장치 Lett. 41, 1649-1652 (2020).
Chen, L., Pam, ME, Li, S. & Ang, K.-W. 뉴로모픽 컴퓨팅을 위한 XNUMX차원 재료 기반의 강유전체 메모리. 뉴로모프. 컴퓨팅 공학 2, 022001 (2022).
Meng, W. et al. 원자적으로 얇은 트랜지스터 매트릭스로 구동되는 XNUMX차원 모놀리식 마이크로 LED 디스플레이. Nat. 나노 테크 놀. 16, 1231-1236 (2021).
Schram, T., Sutar, S., Radu, I. & Asselberghs, I. 고성능 트랜지스터 회로를 위한 2D 반도체의 웨이퍼 규모 통합 문제. Adv. 교인. 34, 2109796 (2022).
Waltl, M. et al. 2D 통합 전자 회로의 관점: 과학적 몽상인가 파괴적 기술인가? Adv. 교인. 34, 2201082 (2022).
Chai, Y. 머신 비전을 위한 인센서 컴퓨팅. 자연 579, 32-33 (2020).
Mennel, L. et al. 2D 재료 신경망 이미지 센서를 사용한 초고속 머신 비전. 자연 579, 62-66 (2020).
Li, T. et al. 사파이어에서 웨이퍼 규모 이황화 몰리브덴 반도체 단결정의 에피택셜 성장. Nat. 나노 테크 놀. 16, 1201-1207 (2021).
Müller, J. et al. 강유전성 하프늄 산화물: 미래의 강유전성 메모리에 대한 CMOS 호환 및 고도로 확장 가능한 접근 방식. ~ 안에 2013 IEEE 국제 전자 장치 회의 (IEDM) 10.8.1 ~ 10.8.4 (IEEE, 2013).
Gong, N. & Ma, T.-P. HfO의 내구성 문제 연구2기반 강유전성 전계 효과 트랜지스터: 전하 트래핑 및 트랩 생성. IEEE 전자 장치 Lett. 39, 15-18 (2018).
Y. Liu et al. 4.7 적응형 데이터 보존 및 자체 쓰기 종료 비휘발성 로직을 사용하여 복원 시간이 65배 감소하고 클록 주파수가 6배 더 높은 4nm ReRAM 지원 비휘발성 프로세서. ~ 안에 2016 IEEE ISSCC (International Solid-State Circuits Conference) 84 ~ 86 (IEEE, 2016).
IRDSTM(International Roadmap for Devices and Systems) 2021 에디션(IEEE, 2021); https://irds.ieee.org/editions/2021
Krivokapic, Z. et al. 초저전력 애플리케이션을 위한 가파른 임계치 이하 기울기를 가진 14nm 강유전성 FinFET 기술. ~ 안에 2017 IEEE 국제 전자 장치 회의 (IEDM) 15.1.1 ~ 15.1.4 (IEEE, 2017).
Dünkel, S. et al. 22nm FDSOI 이상을 위한 FeFET 기반 초저전력 초고속 임베디드 NVM 기술. ~ 안에 2017 IEEE 국제 전자 장치 회의 (IEDM) 19.7.1 ~ 19.7.4 (IEEE, 2017).
Zhao, C., Sun, Q., Zhang, C., Tang, Y. & Qian, F. 심층 학습에 기반한 단안 깊이 추정: 개요. 과학. 차이나테크놀러지. 과학. 63, 1612-1627 (2020).
Alhashim, I. & Wonka, P. 전이 학습을 통한 고품질 단안 깊이 추정. 사전 인쇄 https://arxiv.org/abs/1812.11941 (2018).
Ronneberger, O., Fischer, P. & Brox, T. U-Net: 생의학 이미지 분할을 위한 컨볼루션 네트워크. ~ 안에 의료 이미지 컴퓨팅 및 컴퓨터 지원 개입 - MICCAI 234–241 (2015 년 봄).
Geiger, A., Lenz, P. & Urtasun, R. 자율주행에 대한 준비가 되었나요? KITTI 비전 벤치마크 제품군. ~ 안에 컴퓨터 비전 및 패턴 인식(CVPR)에 관한 2012 IEEE 컨퍼런스 3354 ~ 3361 (IEEE, 2012).
Huang, G., Liu, Z., Maaten, LVD & Weinberger, KQ 조밀하게 연결된 컨볼루션 네트워크. ~ 안에 컴퓨터 비전 및 패턴 인식(CVPR)에 관한 2017 IEEE 컨퍼런스 2261 ~ 2269 (IEEE, 2017).
Deng, J. et al. ImageNet: 대규모 계층적 이미지 데이터베이스입니다. ~ 안에 컴퓨터 비전 및 패턴 인식(CVPR)에 관한 2009 IEEE 컨퍼런스 248 ~ 255 (IEEE, 2009).
Wang, Z., Bovik, AC, Sheikh, HR & Simoncelli, EP 이미지 품질 평가: 오류 가시성에서 구조적 유사성까지. IEEE 트랜스. 이미지 프로세스. 13, 600-612 (2004).
Eigen, D., Puhrsch, C. & Fergus, R. 다중 스케일 딥 네트워크를 사용하여 단일 이미지에서 깊이 맵 예측. ~ 안에 제28회 신경정보처리시스템(NIPS) 학술대회 (국정원 재단, 2014).
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 출처: https://www.nature.com/articles/s41565-023-01343-0
