We have recently shown that mixing

We have recently shown that mixing nanoparticles (NPs) and molecules to implement computation and memory in a single synapse-like device is a powerful approach towards neuro-inspired computing [7]. The nanoparticle organic memory field-effect transistor (NOMFET), which we have demonstrated, can be programmed to work as a facilitating or depressing synapse; it exhibits short-term plasticity (STP) for dynamical processing of spikes. This behavior was obtained by virtue of the combination of two properties of the NOMFET: the transconductance gain of the transistor and the memory effect due to charges stored in the NPs. The NPs are used as nanoscale capacitance to store the electrical charges and they are embedded into an organic semiconductor (pentacene). Thus, the transconductance of the transistor can be dynamically tuned by the amount of charges in the NPs. This behavior was used here to implement the synaptic weight Wij with a possible dynamic working, a mandatory condition to obtain the training/learning capabilities of a spiking neural network. These results pave the way to the utilization of the NOMFET in neuromorphic computing circuits.

ผลลัพธ์ (ไทย) 1:

เมื่อเร็ว ๆ นี้เราได้แสดงว่า ผสมเก็บกัก (NPs) และโมเลกุลเพื่อใช้คำนวณและหน่วยความจำในเครื่องไซแนปส์เช่นเดียวเป็นวิธีที่มีประสิทธิภาพต่อแรงบันดาลใจจากประสาทคอมพิวเตอร์ [7] การ nanoparticle สูงหน่วยความจำอินทรีย์ฟิลด์–ผลทรานซิสเตอร์ (NOMFET), ซึ่งเราได้แสดงให้เห็น สามารถตั้งโปรแกรมการทำงานเป็นไซแนปส์กว่า หรือตกต่ำ มันแสดงระยะสั้นปั้น (STP) สำหรับการประมวลผล dynamical ของแหลม ลักษณะการทำงานนี้ได้รับอานิสงส์ทั้งสองคุณสมบัติของ NOMFET: กำไร transconductance ทรานซิสเตอร์และเนื่องจากค่าธรรมเนียมที่จัดเก็บใน NPs มีหน่วยความจำ ใช้ NPs เป็น nanoscale ความจุการจัดเก็บค่าไฟฟ้า และฝังลงในตัวสารกึ่งตัวนำอินทรีย์ (pentacene) ดังนั้น transconductance ของทรานซิสเตอร์สามารถเป็นแบบไดนามิกปรับ โดยจำนวนค่าธรรมเนียมใน NPs ลักษณะการทำงานนี้ถูกใช้ที่นี่จะใช้น้ำหนัก synaptic Wij ด้วยก็เป็นไปได้ที่ทำงาน เงื่อนไขการขอรับความสามารถการเรียนการฝึกอบรมของเครือข่ายประสาท spiking บังคับ ผลลัพธ์เหล่านี้ปูทางเพื่อการใช้ประโยชน์จาก NOMFET ใน neuromorphic ใช้งานวงจร

ผลลัพธ์ (ไทย) 2:

เราได้แสดงให้เห็นเร็ว ๆ นี้ว่าการผสมอนุภาคนาโน (NPS) และโมเลกุลในการดำเนินการคำนวณและหน่วยความจำในเครื่องไซแนปส์เช่นเดียวเป็นวิธีการที่มีประสิทธิภาพต่อการประมวลผลของระบบประสาทรับแรงบันดาลใจ [7] อนุภาคนาโนอินทรีย์หน่วยความจำข้อมูลผลทรานซิสเตอร์ (NOMFET) ซึ่งเราได้แสดงให้เห็นถึงสามารถตั้งโปรแกรมให้ทำงานเป็นอำนวยความสะดวกหรือไซแนปส์ตกต่ำ; จัดแสดงนิทรรศการปั้นระยะสั้น (STP) สำหรับการประมวลผลพลังแหลม ลักษณะการทำงานนี้ได้โดยอาศัยอำนาจของการรวมกันของทั้งสองคุณสมบัติของ NOMFET นี้: กำไร transconductance ของทรานซิสเตอร์และผลหน่วยความจำเนื่องจากค่าใช้จ่ายที่เก็บไว้ในกรมอุทยานฯ กรมอุทยานฯ จะใช้เป็นความจุระดับนาโนในการจัดเก็บค่าใช้จ่ายไฟฟ้าและพวกเขาจะถูกฝังลงในสารกึ่งตัวนำอินทรีย์ (pentacene) ดังนั้น transconductance ของทรานซิสเตอร์สามารถปรับแบบไดนามิกโดยจำนวนเงินค่าใช้จ่ายในการที่กรมอุทยานฯ ลักษณะการทำงานนี้ถูกนำมาใช้ที่นี่จะใช้น้ำหนัก synaptic Wij กับการทำงานแบบไดนามิกเป็นไปได้สภาพบังคับที่จะได้รับความสามารถในการฝึกอบรม / การเรียนรู้ของเครือข่ายประสาทองศา ผลลัพธ์เหล่านี้ปูทางให้กับการใช้ประโยชน์จาก NOMFET ในวงจรคอมพิวเตอร์ neuromorphic

ผลลัพธ์ (ไทย) 3:

เราได้รับเมื่อเร็ว ๆนี้แสดงให้เห็นว่าการผสมอนุภาคนาโน ( NPS ) และโมเลกุลที่ใช้ในการคำนวณและหน่วยความจำในแนป เดียว เช่น อุปกรณ์ที่มีประสิทธิภาพเป็นวิธีการต่อระบบประสาทแรงบันดาลใจจากคอมพิวเตอร์ [ 7 ] สำหรับหน่วยความจำที่อินทรีย์ field-effect ทรานซิสเตอร์ ( nomfet ) ซึ่งเราได้แสดงให้เห็น สามารถตั้งโปรแกรมให้ทำงานเป็น สกรีน หรือ แนป หดหู่ มันแสดงถึงพลาสติกระยะสั้น ( STP ) สำหรับกระบวนการพลวัตของแหลม พฤติกรรมนี้ได้ โดยอาศัยอำนาจของการรวมกันของทั้งสองคุณสมบัติของ nomfet : ทราน คอนดักแตนซ์ได้รับของทรานซิสเตอร์และหน่วยความจำผลเนื่องจากการจัดเก็บค่าธรรมเนียมในแนว . ส่วนเชื้อเพลิงที่ใช้เป็น nanoscale ความจุเก็บค่าธรรมเนียมไฟฟ้าและพวกเขาจะฝังตัวลงในสารกึ่งตัวนำอินทรีย์ ( เพนทาซีน ) ดังนั้น ทราน คอนดักแตนซ์ของทรานซิสเตอร์สามารถปรับแบบไดนามิกโดยจํานวนของค่าใช้จ่ายในแนว . พฤติกรรมนี้ถูกใช้มาใช้ synaptic - น้ำหนักกับความเป็นไปได้แบบไดนามิกทำงาน เงื่อนไขข้อบังคับเพื่อขอรับการฝึกอบรม / การเรียนรู้ความสามารถของ spiking เครือข่ายประสาท . ผลลัพธ์เหล่านี้ปูทางเพื่อการใช้ประโยชน์จาก nomfet วงจรคอมพิวเตอร์ neuromorphic .