基本信息

---

下载

文档摘要

---

自旋电子器件赋能神经形态计算：原理、进展与展望

一、引言

1.1研究背景与意义

随着信息技术的飞速发展，传统的冯?诺依曼计算架构逐渐暴露出其固有的局限性。在冯?诺依曼架构中，计算单元和存储单元相互分离，数据在两者之间的传输成为了制约计算效率和能耗的瓶颈，即所谓的“冯?诺依曼瓶颈”。例如，在人工智能领域，大规模的数据处理和复杂的算法运算需要频繁地在内存和处理器之间传输数据，这不仅消耗了大量的时间，也导致了极高的能耗，使得传统计算架构在应对这些挑战时显得力不从心。

神经形态计算作为一种新兴的计算模式，旨在模仿人脑的结构和功能，通过构建类似于神经元和突触的计算单元，实现信息的并行处理和分布式存储