인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
The convergence of in‐memory computing (IMC) and neuromorphic architectures offers a promising path toward energy‐efficient, scalable artificial intelligence, particularly for edge and real‐time applications. Memristors, resistive devices with nonvolatile, analog switching, uniquely enable this convergence by serving both as computational memory units for matrix‐vector multiplication and as synaptic elements for spike‐based learning. This review comprehensively explores the physical mechanisms, material classes, and integration strategies of memristors tailored for IMC and spiking neural networks, with emphasis on their implementation in crossbar arrays, synapse‐neuron emulation, and hybrid CMOS circuits. It discusses how memristors facilitate key biological learning rules like STDP and LTP/LTD and examine their deployment in edge artificial intelligence, adaptive robotics, and neuromorphic sensors. Despite their potential, device variability, noise, relaxation, scalability limits, and standardization remain pressing challenges. By synthesizing device‐level insights with architectural innovation and emerging applications, this work outlines a roadmap toward fully integrated, low‐power, and brain‐inspired computing systems.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
