發(fā)布時(shí)間：2024-04-20 01:35

　　現(xiàn)代信息技術(shù)的發(fā)展緊密依賴半導(dǎo)體制造、大規(guī)模集成電路和計(jì)算機(jī)架構(gòu)的進(jìn)步。然而,隨著大數(shù)據(jù)時(shí)代的到來(lái),與人工神經(jīng)網(wǎng)絡(luò)的興起,原有的半導(dǎo)體器件、電路設(shè)計(jì)和計(jì)算架構(gòu)均受到了巨大的沖擊。從向人腦學(xué)習(xí)出發(fā),神經(jīng)形態(tài)計(jì)算領(lǐng)域孕育著嶄新的可能,催生了一大批基于新材料、新結(jié)構(gòu)的仿生電子器件。這些仿生電子器件需要應(yīng)用于各種場(chǎng)合,從而對(duì)材料的性能調(diào)控提出了更高的要求。而二維材料作為目前材料領(lǐng)域的研究重點(diǎn),具有原子級(jí)別的厚度與表面平整度,以及豐富的電學(xué)性質(zhì)和光學(xué)性質(zhì)。其范德瓦爾異質(zhì)結(jié)構(gòu)可以將不同的二維材料進(jìn)行組裝,實(shí)現(xiàn)不同材料間的性能的結(jié)合。同時(shí),巨大的比表面積使得二維材料及其異質(zhì)結(jié)構(gòu)更容易受到外界環(huán)境的影響,有利于實(shí)現(xiàn)材料各類性質(zhì)的調(diào)控。因此,豐富的物性與調(diào)控手段令二維材料及其異質(zhì)結(jié)構(gòu)成為仿生電子器件理想選擇。本文首先從單個(gè)器件的研究入手,模仿神經(jīng)細(xì)胞神經(jīng)膜上基于受體的特異性吸附,研究了基于石墨烯(graphene)的重金屬離子探測(cè)器。通過(guò)與特定適配體的結(jié)合,石墨烯器件具備了對(duì)金屬鉛離子(Pb2+)高靈敏度定量特異性的探測(cè)能力。進(jìn)一步,我們還利用石墨烯器件實(shí)現(xiàn)對(duì)人體血液中Pb2+濃度的定量測(cè)量,其結(jié)果展現(xiàn)...

【文章頁(yè)數(shù)】：127 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１．１ａ，馮諾依曼架構(gòu)，將計(jì)算機(jī)分為存儲(chǔ)器（Ｍｅｍｏｒｙｕｎｉｔ）、控制器（Ｃｏｎｔｒｏｌ??ｕｎｉｔ）、運(yùn)算器（Ａｒｉｔｈｍｅｔｉｃ?ｌｏｇｉｃａｌ?ｕｎｉｔ，ＡＬＵ）、輸入（Ｉｎｐｕｔ）和輸出設(shè)備（Ｏｕｔｐｕｔ）

ｉ?ｉ?ｌｌ?■?｜????ＡＬＵ?—Ｊ?ｉｎｓｔｒｕｃｔｉｏｎ?Ｃｏｎｔｒｏｌ?Ｄａｔａ??Ｉｎｐｕｔ?ｉ?Ｅ??Ｍｅｍｏｒｙ?Ｕｎｉｔ?＾?Ｍｅｍｏｒｙ???＿ｘｍＪ???????．■．Ｉ－！?Ｉｔ??Ｍｅｍｏｒｙ?Ｕｎｉｔ?以〇??ｃ???ｄ??ＣＰＵ??Ｆｅｔｃｈ?Ｄｅｃ....

圖１．２ａ，?Ｍ－Ｐ神經(jīng)元模型，包含輸入（Ｉｎｐｕｔ）、權(quán)重（Ｗｅｉｇｈｔ）、激活函數(shù)（Ａｃｔｉｖａｔｉｏｎ??ｆｕｎｃｔｉｏｎ）、閾值（Ｔｈｒｅｓｈｏｌｄ）等基本要素

ｏｎ?：??Ｘｊ＿ＬＬＪ??＊?ｔｒａｎｓｆｅｒ??：?：?＼?ｆｕｎｃｔｉｏｎ?｜?？??ｉ?°＞?ｉ??：?ｔｈｒｅｓｈｏｌｄ：??ｂ?Ｓｉｇｍｏｉｄ?廠?Ｌｅａｋｙ?ＲｅＬＵ?／??＜Ｔ（ｘ）＝Ｔ＿ｉ＝Ｔ?ｍａｘ（０．１ｚ，ｚ）??ｔａｎｈ?（￣?Ｍａｘｏｕｔ??ｔａｎｈ（....

圖１．３多層人工神經(jīng)網(wǎng)絡(luò)，包括輸入層（Ｉｎｐｕｔｌａｙｅｒ）、隱層（Ｈｉｄｄｅｎｌａｙｅｒ）、輸??５??

多層神經(jīng)網(wǎng)絡(luò)和配套的誤差逆?zhèn)鞑ニ惴ǎǎ牛颍颍铮?ｂａｃｋ－ｐｒｏｐｏｇａｔｉｏｎ??ａｒｉｔｈｍｅｔｉｃ）的出現(xiàn)，極大提升了信息處理能力和網(wǎng)絡(luò)訓(xùn)練速度。１９８６年，結(jié)合前??人的研宄成果，ＤａｖｉｄＲｕｍｅｌｈａｒｔ，Ｇｅｏｆｆｒｅｙ?Ｈｉｎｔｏｎ?和?ＲｏｎａｌｄＷｉｌｌｉａｍ....

圖１．４神經(jīng)�；窘Y(jié)構(gòu)

圖１．４神經(jīng)兀基本結(jié)構(gòu)。本圖摘自ｈｔｔｐ：／／ｅｄｕｃａｒｅｒ．ｏｒｇ／。??具體來(lái)說(shuō)，祌經(jīng)元膜由磷脂雙分子層構(gòu)成，上面鑲嵌了種類繁多的蛋白質(zhì)分??子作為受體（Ｒｅｃｅｐｔｏｒ）和離子通道（Ｉｏｎｃｈａｎｎｅｌ）。膜兩邊的電勢(shì)并不相等，存??在一定的電勢(shì)差，也被稱為膜電位（Ｍｅｍ....

本文編號(hào)：3958679