-
公开(公告)号：CN119907390A
公开(公告)日：2025-04-29
申请号：CN202510054596.1
申请日：2025-01-14
Applicant: 安徽大学
Abstract: 本发明公开一种基于MoS2的双极性离子门控晶体管及其制备方法，属于半导体设计领域；晶体管包括导电衬底、设置在导电衬底上的绝缘介质层、设置在绝缘介质层上的栅电极、源电极和漏电极、设置在源电极和漏电极上的二维材料层、以及设置在二维材料层、源电极、漏电极以及栅电极上的离子液体；其中，二维材料层材料采用MoS2。采用二硫化钼作为半导体通道层，采用离子液体作为电介质层，离子液体上层通常起到顶栅的作用，在低外加电压下可以方便地形成纳米级厚度的双电层，可以表现出极大的栅极电容，因此可以显着降低工作栅极电压。
-
公开(公告)号：CN119004557A
公开(公告)日：2024-11-22
申请号：CN202411022438.X
申请日：2024-07-29
Applicant: 安徽大学
Abstract: 本发明公开一种基于可重构忆阻器的加密电路及图像加密方法，属于集成电路设计领域；加密电路包括可重构单元和真随机数生成电路；可重构单元包括第一可重构忆阻器、第二可重构忆阻器和N型晶体管，第一可重构忆阻器、第二可重构忆阻器反向并联后再与N型晶体管串联；可以实现异或逻辑操作；真随机数生成电路采用可重构单元作为随机源，包括相互串联的比较器和1比特计数器；本发明简化了加密电路的设计、减小了占用空间、提高了系统的利用率。
-
公开(公告)号：CN118313421A
公开(公告)日：2024-07-09
申请号：CN202410273336.9
申请日：2024-03-11
Applicant: 安徽大学
IPC: G06N3/047 , G06N3/063 , G06N3/049 , G06N3/0495
Abstract: 本发明公开了一种基于忆阻器的表示Sigmoid概率分布方法及系统，涉及忆阻器技术领域，包括以下步骤：接收从忆阻器单元内提取的sigmoid曲线，将sigmoid曲线标记为概率存储S型曲线；接收输入数据，将输入数据量化为概率值，并标记为先验概率；将先验概率通过概率存储S型曲线映射为相应的栅端电压值，将栅端电压值存储至节点忆阻器阵列，并标记为存储概率值；对存储概率值进行量化得到电压信号，将电压信号输入至权重忆阻器阵列，得到输出电流，将输出电流输入下一个节点，从而实现Sigmoid信念网络，本发明能利用1T1R单元晶体管的限流作用直接表示sigmoid概率分布，同时用栅端存储概率值。
-
公开(公告)号：CN118232849A
公开(公告)日：2024-06-21
申请号：CN202410493295.4
申请日：2024-04-23
Applicant: 安徽大学
Abstract: 本发明公开了一种基于协同融合的高线性度限幅滤波低噪放芯片，包括两级限幅电路、三级级联低噪声放大器，两级限幅电路包括第一级限幅电路、第二级限幅电路以及两级限幅电路之间的U型传输线，三级级联低噪声放大器包括第一级放大电路、第二级放大电路与第三级放大电路，第一级限幅电路、第二级限幅电路均并联在U型传输线的两侧，U型传输线、第一级放大电路、第二级放大电路及第三级放大电路顺序排列；当芯片处于瞬态限幅状态时，两级限幅电路用于反射高功率入射信号和降低限幅输出电平，当芯片处于稳态时，两级限幅电路作为后续三级级联低噪声放大器的π型输入匹配网络；本发明的优点在于：实现功率防护与信号放大功能的协同融合。
-
公开(公告)号：CN117852662A
公开(公告)日：2024-04-09
申请号：CN202410036885.4
申请日：2024-01-10
Applicant: 安徽大学
IPC: G06N10/20 , G06N3/0464 , G06N3/08 , G06N5/04 , G06N3/063
Abstract: 本发明公开一种基于变分量子电路的忆阻器神经形态计算优化方法，属于量子计算技术领域；计算优化方法包括：收集分类好的图像数据；对图像数据进行预处理；基于Alexnet模型，将Alexnet模型的最后两层全连接层换成量子变分模块，并在量子电路的前后各添加一个忆阻器全连接层，得到量子经典混合模型；将Alexnet的权重参数导入量子经典混合模型，处理好的图像数据导入量子经典混合模型进行训练，提取得到前、后忆阻器全连接层的权重参数、偏置参数以及输入信号；将提取权重参数、偏置参数以及输入信号映射到忆阻器阵列之中，用忆阻器阵列进对神经网络进行推理，得到最终结果；不仅提高了计算效率，也降低了能耗，为未来的智能计算设备提供了新的可能性。
-
Patent Agency Ranking
公开(公告)号：CN117437481A
公开(公告)日：2024-01-23
申请号：CN202311495995.9
申请日：2023-11-10
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/80 , G06V10/44 , G06N3/049 , G06N10/20
Abstract: 本发明公开了一种脉冲神经网络与量子电路协同图像分类方法及系统，涉及计算机视觉和量子机器学习技术领域，通过将脉冲神经网络和量子电路各自生成的特征向量合并，实现了更全面和准确的特征信息提取，从而显著提高了图像分类的准确性。此方法的另一个关键优势在于其能够更好地捕捉图像中的动态特征，从而提高了对复杂图像的分类能力。此外，结合脉冲神经网络和量子电路的优势，一方面使得特征数据更接近生物大脑的信息处理方式，同时也获得了更高维度的特征信息。这种综合方法还增强了对噪声和变形等干扰的抵抗能力，提高了在复杂环境下的图像分类性能。
-
-
公开(公告)号：CN115759239A
公开(公告)日：2023-03-07
申请号：CN202211225039.4
申请日：2022-10-09
Applicant: 安徽大学
IPC: G06N3/084 , G06N3/006 , G06V10/774 , G06V10/82 , G11C13/00
Abstract: 本发明公开一种解决反向传播的神经网络训练方法，属于神经网络训练领域；训练方法步骤包括：S1，搭建忆阻器阵列；S2，将图片预处理为相应电压，并可作为输入信号向忆阻器阵列输入；S3，将图片预处理信号输入忆阻器阵列，先对单个图片进行训练，再对相同数字多个图片进行训练，得到数字对应的最有权重；S4，将不同数字的图片进行S2中的预处理操作，再按照S3，得到不同数字对应的最优权重；S5，将S3、S4训练所得到的不同数字所对应的最优权重组成最优忆阻器阵列，再将数字图片输入到最优忆阻器阵列中，输出值与目标值差的绝对值最小的列作为最终数字判断。
-
公开(公告)号：CN114021712A
公开(公告)日：2022-02-08
申请号：CN202111367056.7
申请日：2021-11-18
Applicant: 安徽大学
Abstract: 本发明公开了一种实现彩色图像识别的ConvGRU神经网络电路及训练方法，该电路包括卷积神经网络模块、GRUCell电路模块和全连接层电路模块；所述卷积神经网络模块的输出与所述GRUCell电路模块的输入连接，并且所述GRUCell电路模块的输出与所述全连接层电路模块连接。本发明解决了现有GRU硬件电路无法对图像进行有效特征提取的问题，大幅提升了GRU电路在图像识别方面的准确率，以软件3层卷积神经网络和1层硬件GRUCell电路模块可以达到18层卷积神经网络的水平，而且避免了硬件18层卷积神经网络占用硬件空间过大的问题，具有极高的可实用性。
-
公开(公告)号：CN113642723A
公开(公告)日：2021-11-12
申请号：CN202110863399.6
申请日：2021-07-29
Applicant: 安徽大学
Abstract: 本发明公开了一种实现原‑异位训练的GRU神经网络电路，所述电路包括3个M+N+1行M列个忆阻器构成的阵列，以及多个模拟乘法器和加法器，其中每个忆阻器阵列的下方均连接有由电阻和运放构成的反向比例电路，每个阵列都形成下方的运算结构；对于左边的忆阻器阵列，每列输出电压经过反向比例电路后输出电压与前一时刻的输出电压经过模拟乘法器后得到结果，该结果再输入至右边忆阻器阵列的横向输入端；前一时刻电压与中间忆阻器阵列每列输出电压经过模拟乘法器运算后，结果输出至加法器；最终加法器输出的电压，用于下一时刻的输入。该电路能够解决GRU神经网络电路异位训练映射误差大，原位训练结构复杂且抗噪能力弱的问题。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.023 seconds)
