【研究聚焦】上海理工大学陈希：基于超级电容器突触可塑性的神经形态计算

背景：传统的冯·诺依曼计算架构存在存算分离导致的高能耗问题，神经形态计算因其模拟生物神经网络的集成架构成为高效计算的研究热点，但现有方法在信号转换过程中仍面临高能耗挑战。研究目的：上海理工大学陈希教授课题组旨在探索基于MXene Ti₃C₂Tₓ超级电容器的神经形态计算新方法，利用其独特的电流-电压响应特性模拟突触可塑性，以实现低能耗、高性能的类脑计算硬件。结论：研究通过调控超级电容器的充放电电流，成功模拟了短时记忆、长时记忆和配对脉冲易化等突触行为，并将其应用于盲文数字识别，在人工神经网络和衍射深度神经网络中均达到100%的分类准确率；与石墨烯器件相比，MXene超级电容器展现出更高的学习效率和识别准确率，为神经形态计算与能量存储器件的结合提供了重要范例。