研究前沿：香港科技大学(广州)，发光忆阻器-3D神经形态计算 | Nature Electronics

背景：随着人工智能的持续发展，传统硅基晶体管受限于尺寸缩放与电路布线，难以实现大规模神经元连接，需要更强大的计算架构。研究目的：香港科技大学（广州）的研究团队旨在开发一种基于忆阻闪烁神经元的光子互联三维神经网络，以克服传统电学外围电路和布线限制，实现高密度、低功耗的神经形态计算。结论：团队成功制备了尺寸仅为170纳米×240纳米的银/聚甲基丙烯酸甲酯/银忆阻平面开关结构，该器件在累积临界输入电脉冲后直接发射光子信号，构建了光子链接的三维脉冲神经网络。实验表明，该网络在Google Speech数据集四类分类任务中准确率达到91.51%，在MNIST手写数字识别任务中准确率达到92.27%，为神经形态计算硬件提供了全新路径。