Jump to content
Main menu
Main menu
move to sidebar
hide
Navigation
Main page
Recent changes
Random page
freem
Search
Search
Appearance
Create account
Log in
Personal tools
Create account
Log in
Pages for logged out editors
learn more
Contributions
Talk
Editing
Openai/690927cf-e0d8-8004-b1ed-8bee9ac272d2
(section)
Add languages
Page
Discussion
English
Read
Edit
Edit source
View history
Tools
Tools
move to sidebar
hide
Actions
Read
Edit
Edit source
View history
General
What links here
Related changes
Special pages
Page information
Appearance
move to sidebar
hide
Warning:
You are not logged in. Your IP address will be publicly visible if you make any edits. If you
log in
or
create an account
, your edits will be attributed to your username, along with other benefits.
Anti-spam check. Do
not
fill this in!
=== Assistant: Статья «Self-sensitizable neuromorphic device based on adaptive hydrogen gradient» Matter, 2024, DOI: 10.1016/j.matt.20… === Статья «Self-sensitizable neuromorphic device based on adaptive hydrogen gradient» (Matter, 2024, DOI: 10.1016/j.matt.2024.03.002) описывает создание нового нейроморфного устройства, которое может самостоятельно адаптироваться и "обучаться" за счёт управляемого распределения атомов водорода внутри материала. Ниже краткое изложение основных идей: ===== Авторы разработали нейроморфное устройство, которое имитирует работу биологических нейронов, используя градиент распределения водорода для адаптации своей проводимости. Такое устройство способно самообучаться без внешнего программирования — то есть является самочувствительным (self-sensitizable). ===== ===== - В основе — адаптивный градиент водорода в полупроводниковом материале. ===== * Перемещение атомов водорода изменяет локальную электронную структуру и проводимость. * Это изменение ведёт к пластическим эффектам, аналогичным синаптическому обучению в мозге (например, эффектам долговременной потенциации и депрессии). * Таким образом, устройство способно изменять своё состояние в зависимости от поступающих стимулов, формируя аналог памяти и обучения. ===== - Не требует внешней схемы обучения или контролирующего алгоритма. ===== * Энергоэффективно — использует минимальные токи и напряжения. * Может работать в непредсказуемых или изменяющихся условиях, что решает типичную проблему катастрофического забывания у искусственных нейронных сетей. * Потенциально пригодно для создания физических нейросетей с самоорганизацией. ===== - Показано, что устройство способно распознавать и адаптироваться к неизвестным стимулам. ===== * Авторы считают, что подобные системы могут стать основой для самообучающихся аппаратных ИИ и нейроморфных процессоров нового поколения, особенно в сочетании с водородной электроникой. Хотите, чтобы я сделал более развёрнутое изложение на русском (например, 1–2 страницы с описанием эксперимента и выводов)?
Summary:
Please note that all contributions to freem are considered to be released under the Creative Commons Attribution-ShareAlike 4.0 (see
Freem:Copyrights
for details). If you do not want your writing to be edited mercilessly and redistributed at will, then do not submit it here.
You are also promising us that you wrote this yourself, or copied it from a public domain or similar free resource.
Do not submit copyrighted work without permission!
Cancel
Editing help
(opens in new window)