DOI: https://doi.org/10.1038/s41467-024-44942-8
PMID: https://pubmed.ncbi.nlm.nih.gov/38272878
تاريخ النشر: 2024-01-25
المؤلف: Changsong Gao وآخرون
الموضوع الرئيسي: الشبكات العصبية وحوسبة الخزانات
نظرة عامة
تقدم البحث نهجًا مبتكرًا في الحوسبة الاحتياطية من خلال تقديم ترانزستور عمودي عصبي عضوي بقناة فائقة القصر يتميز بحالات احتياطية موزعة. يتناول هذا الجهاز قيود الأجهزة الحالية للحوسبة ذات الخزانات الضحلة، التي تكافح لتوفير المقاييس المكانية والزمانية اللازمة للحساب الفعال. من خلال استخدام آليات فيزيائية متعددة المتغيرات مرتبطة لتعزيز ديناميات الحاملات واستخدام بنية عمودية لتكبير شدة التغذية الراجعة، يقوم الجهاز بنجاح بتعيين الإشارات المتسلسلة إلى فضاء حالة يتكون من 1152 حالة احتياطية.
من الجدير بالذكر أن الجهاز يحقق مقاييس مثيرة للإعجاب، حيث تصل نسبة المدى لمميزات الزمن والمكان إلى 2640 و650، على التوالي. يسمح تنفيذ الحوسبة ذات الخزانات المجمعة بالتكيف عبر مهام زمانية مكانية متنوعة، مما يؤدي إلى دقة التعرف تتجاوز 94% وارتباط التنبؤ فوق 95%. تقدم هذه الدراسة استراتيجية واعدة لتطوير شبكات الحوسبة الاحتياطية عالية الأداء، مما قد يوسع من قدرات أنظمة الحوسبة العصبية.
طرق
في هذه الدراسة، تم تخليق أشباه الموصلات العضوية P0FDIID وفقًا للبروتوكولات المعمول بها، بينما تم الحصول على مادة N2200 من شركة ديرثون للمواد العلمية والتكنولوجيا الضوئية واستخدمت دون تنقية إضافية. تم إذابة كل من P0FDIID وN2200 في الكلوروبنزين بتركيز 5 ملغ/ml، حيث يتكون محلول N2200 من 25 wt% مختلطة في محلول P0FDIID لتشكيل الطبقة النشطة للجهاز.
بالإضافة إلى ذلك، تم الحصول على مواد الإلكتروليت بولي فينيل الكحول (PVA) بوزن جزيئي 67 كيلودالتون وحمض DL-ماليك (وزن جزيئي 134.09) من شركة علاء الدين للتكنولوجيا الكيميائية الحيوية. بالنسبة للقطب المصدر، تم الحصول على MXene من شركة XFnano للمواد التقنية بتركيز 5 ملغ/ml في ماء منزوع الأيونات ثم تم تخفيفه إلى 3 ملغ/ml. تم اختيار هذه المواد وتحضيرها بعناية لتحسين أداء الجهاز قيد الدراسة.
نقاش
في هذا القسم، يناقش المؤلفون تطوير ترانزستور عمودي عصبي عضوي جديد مع حالات احتياطية موزعة (VOFET-DR) يهدف إلى تعزيز أنظمة الحوسبة الاحتياطية (RC) من خلال تقليد معالجة الذاكرة الموزعة التي لوحظت في أدمغة الرئيسيات. يستخدم الجهاز المقترح تقاطعًا ضخمًا من أشباه الموصلات العضوية لتحقيق نطاق ديناميكي واسع لشدة التغذية الراجعة وخصائص الذاكرة قصيرة المدى، الضرورية لمعالجة الإشارات الزمانية المكانية المعقدة. تسمح البنية بمعالجة متوازية للإشارات المدخلة من خلال ديناميات حاملات مختلفة، مما يؤدي إلى فضاء حالة احتياطي غني يمكنه التقاط ورسم خصائص زمنية متنوعة للإشارات المدخلة بشكل فعال.
يظهر VOFET-DR تحسينات كبيرة مقارنة بأنظمة RC الضحلة التقليدية من خلال تمكين رسم إشارات تسلسل الضوء متعددة البتات إلى حالات احتياطية متميزة، مما يعزز القدرة الحسابية للنظام. يُعزى قدرة الجهاز على توليد ديناميات ذاكرة قصيرة المدى متنوعة إلى قدرته على تعديل حاجز شوتكي من خلال انحياز البوابة، مما يسمح بتعديل حقن الشحنة وإخراج التيار. يقدم المؤلفون بيانات تجريبية تظهر أن VOFET-DR يمكن أن يحقق مجموعة واسعة من الخصائص الزمنية، مع قوى تغذية راجعة تختلف بشكل كبير بناءً على وضع الإدخال (الجهد مقابل نبضات الضوء)، مما يؤكد إمكاناته لتطبيقات RC المجمعة المتقدمة. بشكل عام، تشير النتائج إلى أن VOFET-DR يمكن أن يحاكي بشكل فعال قدرات المعالجة المعقدة للأنظمة البيولوجية، مما يمهد الطريق لتقنيات الحوسبة العصبية الأكثر تطورًا.
DOI: https://doi.org/10.1038/s41467-024-44942-8
PMID: https://pubmed.ncbi.nlm.nih.gov/38272878
Publication Date: 2024-01-25
Author(s): Changsong Gao et al.
Primary Topic: Neural Networks and Reservoir Computing
Overview
The research presents an innovative approach to reservoir computing by introducing an ultra-short channel organic neuromorphic vertical transistor that features distributed reservoir states. This device addresses the limitations of existing shallow-reservoir computing hardware, which struggles to provide the necessary spatial and temporal scales for effective computation. By employing coupled multivariate physics mechanisms to enhance carrier dynamics and utilizing a vertical architecture to amplify feedback intensity, the device successfully maps sequential signals into a state space comprising 1152 reservoir states.
Notably, the device achieves impressive metrics, with a range ratio of temporal and spatial characteristics reaching 2640 and 650, respectively. The implementation of grouped-reservoir computing allows for adaptability across various spatiotemporal tasks, resulting in recognition accuracy exceeding 94% and prediction correlation above 95%. This work offers a promising strategy for advancing high-performance reservoir computing networks, potentially expanding the capabilities of neuromorphic computing systems.
Methods
In this study, the organic semiconductor P0FDIID was synthesized following established protocols, while the N2200 material was procured from Derthon Optoelectric Materials Science Technology Co. Ltd. and utilized without additional purification. Both P0FDIID and N2200 were dissolved in chlorobenzene at a concentration of 5 mg/ml, with the N2200 solution comprising 25 wt% mixed into the P0FDIID solution to form the active layer of the device.
Additionally, the electrolyte materials polyvinyl alcohol (PVA) with a molecular weight of 67 kDa and DL-malic acid (molecular weight 134.09) were sourced from Aladdin Biochemical Technology Co., Ltd. For the source electrode, MXene was obtained from XFnano Materials Tech Co., Ltd. at a concentration of 5 mg/ml in deionized water and subsequently diluted to 3 mg/ml. These materials were carefully selected and prepared to optimize the performance of the device under investigation.
Discussion
In this section, the authors discuss the development of a novel organic neuromorphic vertical field effect transistor with distributed reservoir states (VOFET-DR) aimed at enhancing reservoir computing (RC) systems by mimicking the distributed memory processing observed in primate brains. The proposed device utilizes a bulk heterojunction of organic semiconductors to achieve a wide dynamic range of feedback intensity and short-term memory characteristics, essential for processing complex spatiotemporal signals. The architecture allows for parallel processing of input signals through different carrier dynamics, resulting in a rich reservoir state space that can effectively capture and map various temporal characteristics of input signals.
The VOFET-DR demonstrates significant improvements over traditional shallow-RC systems by enabling the mapping of multi-bit light sequence signals into distinct reservoir states, thereby enhancing the system’s computational capacity. The device’s ability to generate diverse short-term memory dynamics is attributed to its capacity to manipulate the Schottky barrier through gate bias, allowing for the adjustment of charge injection and current output. The authors present empirical data showing that the VOFET-DR can achieve a wide range of temporal characteristics, with feedback strengths that vary significantly based on the input mode (voltage vs. light pulses), thus confirming its potential for advanced grouped-RC applications. Overall, the findings suggest that the VOFET-DR can effectively emulate the complex processing capabilities of biological systems, paving the way for more sophisticated neuromorphic computing technologies.