Hutson, M. 人工智能變成煉金術了嗎？ 科學 360，478-478（2018）。

文章  CAS  Google Scholar 

克里斯滕森，DV 等。 2022 年神經形態計算和工程路線圖。 神經形態。 電腦。 工程。 2，022501（2022）。

文章  Google Scholar 

Mehonic, A. 和 Kenyon, AJ 受大腦啟發的計算需要一個總體規劃。 性質 604，255-260（2022）。

文章  CAS  Google Scholar 

Salahuddin, S.、Ni, K. 和 Datta, S. 電子產品的超大規模時代。 納特 電子。 1，442-450（2018）。

文章  Google Scholar 

Kendall, JD 和 Kumar, S. 類腦計算機的構建模塊。 應用物理版本號 7，011305（2020）。

文章  CAS  Google Scholar 

Ambrogio，S。等。 使用模擬記憶的等效精度加速神經網絡訓練。 性質 558，60-67（2018）。

文章  CAS  Google Scholar 

Yu, S. 具有新興非易失性存儲器的神經啟發計算。 程序 電氣工程師學會 106，260-285（2018）。

文章  CAS  Google Scholar 

Zhou, Z. 等人。 邊緣智能：用邊緣計算鋪平人工智能的最後一公里。 程序 電氣工程師學會 107，1738-1762（2019）。

文章  Google Scholar 

Keshavarzi, A.、Ni, K.、Hoek, WVD、Datta, S. 和 Raychowdhury, A. 用於邊緣智能的鐵電子學。 IEEE微電子 40，33-48（2020）。

文章  Google Scholar 

Yao, P. 等人。 完全硬件實現的憶阻器卷積神經網絡。 性質 577，641-646（2020）。

文章  CAS  Google Scholar 

Demasius, K.-U., Kirschen, A. & Parkin, S. 用於神經形態計算的節能記憶電容器設備。 納特 電子。 4，748-756（2021）。

文章  Google Scholar 

Chen, W. 等人。 用於 AI 邊緣處理器的 CMOS 集成憶阻非易失性內存計算。 納特 電子。 2，420-428（2019）。

文章  CAS  Google Scholar 

Cheng, C. 等人。 使用新興的非易失性存儲設備進行內存計算。 科學。 中國信息網科學。 64，221402（2021）。

文章  Google Scholar 

李，C.等。 使用大型憶阻器交叉開關進行模擬信號和圖像處理。 納特 電子。 1，52-59（2018）。

文章  Google Scholar 

Müller, J. 等人。 簡單二元 ZrO 中的鐵電性₂ 和氧化氫₂. 納米萊特。 12，4318-4323（2012）。

文章  Google Scholar 

Böscke, TS, Müller, J., Bräuhaus, D., Schröder, U. & Böttger, U. 氧化鉿薄膜中的鐵電性。 應用 物理 來吧 99，102903（2011）。

文章  Google Scholar 

Cheema, SS 等人。 直接在矽上生長的超薄膜中增強的鐵電性。 性質 580，478-482（2020）。

文章  CAS  Google Scholar 

Cheema, SS 等人。 矽上亞納米二元氧化物薄膜中的緊急鐵電性。 科學 376，648-652（2022）。

文章  CAS  Google Scholar 

高 Z. 等人。 超薄（1.5 納米）Hf 電容器中鐵電性的鑑定_0.5Zr_0.5O₂ 薄膜。 IEEE電子設備通訊。 42，1303-1306（2021）。

文章  CAS  Google Scholar 

Khan, AI, Keshavarzi, A. & Datta, S. 鐵電場效應晶體管技術的未來。 納特 電子。 3，588-597（2020）。

文章  Google Scholar 

Schroeder, U., Park, MH, Mikolajick, T. 和 Hwang, CS 鐵電 HfOXNUMX 的基本原理和應用₂. 納特馬特牧師. 7，653-669（2022）。

傑里，M.等。 用於加速深度神經網絡訓練的鐵電 FET 模擬突觸。 在 2017 IEEE國際電子設備會議（IEDM） 6.2.1–6.2.4。 （IEEE，2017 年）。

Ni, K. 等人。 用於神經形態應用的 SoC 邏輯兼容多位 FeMFET 重量單元。 在 2018 IEEE國際電子設備會議（IEDM） 13.2.1–13.2.4。 （IEEE，2018 年）。

Sun, X., Wang, P., Ni, K., Datta, S. & Yu, S. 利用混合精度進行訓練和推理：基於 2T-1FeFET 的模擬突觸權重單元。 在 2018 IEEE國際電子設備會議（IEDM） 3.1.1–3.1.4。 （IEEE，2018 年）。

童，L. 等人。 用於神經形態硬件的基於二維材料的同質晶體管存儲器架構。 科學 373，1353-1358（2021）。

文章  CAS  Google Scholar 

張，W.等。 受神經啟發的計算芯片。 納特 電子。 3，371-382（2020）。

文章  Google Scholar 

Luo, Q. 等人。 高度兼容 CMOS 的氧化鉿基鐵電二極管。 納特。 COMMUN。 11，1391（2020）。

文章  CAS  Google Scholar 

Radisavljevic, B. 等人。 單層二硫化鉬₂ 晶體管。 納特 納米技術。 6，147-150（2011）。

文章  CAS  Google Scholar 

Akinwande，D。等。 石墨烯和用於矽技術的二維材料。 性質 573，507-518（2019）。

文章  CAS  Google Scholar 

Liu, C. 等。 用於下一代計算技術的二維材料。 納特 納米技術。 15，545-557（2020）。

文章  CAS  Google Scholar 

Marega, M. 等人。 基於原子級薄半導體的內存邏輯。 性質 587，72-77（2020）。

文章  Google Scholar 

鐘，Y.-Y。 等。 使用由超薄 MoSXNUMX 組成的對側門控模擬突觸的高精度深度神經網絡₂ nFET 和非易失性電荷陷阱存儲器。 IEEE 電子器件快報. 41，1649-1652（2020）。

Chen, L.、Pam, ME、Li, S. 和 Ang, K.-W。 基於二維材料的鐵電存儲器用於神經形態計算。 神經形態。 電腦。 工程。 2，022001（2022）。

文章  Google Scholar 

Meng, W. 等人。 由原子級薄晶體管矩陣驅動的三維單片微型 LED 顯示器。 納特 納米技術。 16，1231-1236（2021）。

文章  CAS  Google Scholar 

Schram, T.、Sutar, S.、Radu, I. 和 Asselberghs, I. 用於高性能晶體管電路的二維半導體晶圓級集成的挑戰。 進階 母校 34，2109796（2022）。

文章  CAS  Google Scholar 

Waltl, M. 等人。 二維集成電路透視：科學白日夢還是顛覆性技術？ 進階 母校 34，2201082（2022）。

文章  CAS  Google Scholar 

Chai, Y. 用於機器視覺的傳感器內計算。 性質 579，32-33（2020）。

文章  CAS  Google Scholar 

Mennel，L。等。 帶有2D材料神經網絡圖像傳感器的超快機器視覺。 性質 579，62-66（2020）。

文章  CAS  Google Scholar 

李，T.等。 藍寶石上晶圓級二硫化鉬半導體單晶的外延生長。 納特 納米技術。 16，1201-1207（2021）。

文章  CAS  Google Scholar 

Müller, J. 等人。 鐵電氧化鉿：一種與 CMOS 兼容且高度可擴展的未來鐵電存儲器方法。 在 2013 IEEE國際電子設備會議（IEDM） 10.8.1-10.8.4（IEEE，2013年）。

Gong, N. & Ma, T.-P. HfO 耐力問題的研究₂基於鐵電場效應晶體管：電荷捕獲和陷阱生成。 IEEE電子設備通訊。 39，15-18（2018）。

文章  CAS  Google Scholar 

Y.劉等人。 4.7 支持 65 納米 ReRAM 的非易失性處理器，使用自適應數據保留和自寫終止非易失性邏輯，恢復時間減少 6 倍，時鐘頻率提高 4 倍。 在 2016 IEEE 國際固態電路會議 (ISSCC) 84-86（IEEE，2016年）。

國際設備和系統路線圖 (IRDSTM) 2021 版（IEEE，2021）； https://irds.ieee.org/editions/2021

Krivokapic, Z. 等人。 14nm 鐵電 FinFET 技術，具有陡峭的亞閾值斜率，適用於超低功率應用。 在 2017 IEEE國際電子設備會議（IEDM） 15.1.1-15.1.4（IEEE，2017年）。

Dünkel, S. 等人。 基於 FeFET 的超低功耗超快速嵌入式 NVM 技術，適用於 22nm FDSOI 及更高工藝。 在 2017 IEEE國際電子設備會議（IEDM） 19.7.1-19.7.4（IEEE，2017年）。

Zhao, C., Sun, Q., Zhang, C., Tang, Y. & Qian, F. 基於深度學習的單目深度估計：概述。 科學。 中國科技科學。 63，1612-1627（2020）。

文章  Google Scholar 

Alhashim, I. & Wonka, P. 通過遷移學習進行高質量單眼深度估計。 預印本於 https://arxiv.org/abs/1812.11941 （2018）。

Ronneberger, O., Fischer, P. & Brox, T. U-Net：用於生物醫學圖像分割的捲積網絡。 在 醫學影像計算與計算機輔助干預—MICCAI 234-241（斯普林格，2015 年）。

Geiger, A.、Lenz, P. 和 Urtasun, R. 我們準備好迎接自動駕駛了嗎？ KITTI 視覺基準套件。 在 2012 年 IEEE 計算機視覺與模式識別會議 (CVPR) 3354-3361（IEEE，2012年）。

Huang, G., Liu, Z., Maaten, LVD & Weinberger, KQ 密集連接的捲積網絡。 在 2017 年 IEEE 計算機視覺與模式識別會議 (CVPR) 2261-2269（IEEE，2017年）。

鄧，J.等。 ImageNet：一個大規模的分層圖像數據庫。 在 2009 年 IEEE 計算機視覺與模式識別會議 (CVPR) 248-255（IEEE，2009年）。

Wang, Z., Bovik, AC, Sheikh, HR & Simoncelli, EP 圖像質量評估：從錯誤可見性到結構相似性。 IEEE 跨。 圖像處理。 13，600-612（2004）。

文章  Google Scholar 

Eigen, D., Puhrsch, C. & Fergus, R. 使用多尺度深度網絡從單個圖像預測深度圖。 在 第 28 屆神經信息處理系統會議 (NIPS) （NIPS 基金會，2014 年）。