上海理工大学陈希AS：基于超级电容器突触可塑性的神经形态计算

本文探讨了神经形态计算在解决传统冯·诺依曼架构高能耗问题中的应用。研究背景指出，现有的神经形态计算在信号转换过程中仍存在高能耗挑战。研究目的是通过利用MXene Ti₃C₂Tₓ超级电容器的充放电电流调控电压响应，模拟生物突触可塑性行为，以实现低能耗、高性能的类脑计算。研究结论表明，该方法成功实现了短时记忆、长时记忆和配对脉冲易化等突触行为，并在盲文数字识别中达到100%的分类准确率。此外，与石墨烯超级电容器相比，MXene器件表现出更高的学习效率和识别准确率。