Lehigh大学物理系的助理教授Chinedu E. Ekuma说，与人脑的能力相比，最强大、最先进的计算技术仍处于初级阶段。

 

Ekuma的实验室旨在了解材料的物理特性，开发计算、理论和实验界面的模型。关注的一个领域是:二维材料。这种材料也被称为低维度材料，是由单层原子组成的晶体纳米材料。它们的新特性使它们在下一代人工智能电子设备中特别有用，这些电子设备被称为神经形态或类脑设备。

 

神经形态装置试图比目前的计算方法更好地模拟人脑处理信息的方式。神经形态研究的一个关键挑战是匹配人类大脑的灵活性， 杏耀注册 ，以及从非结构化输入中学习能量效率的能力。根据Ekuma的说法，神经形态计算的早期成功主要依赖于能源效率低的传统硅基材料。

 

“神经形态材料具有计算记忆能力和类似大脑应用的能源效率的结合，”他说。

 

现在，Ekuma和他在美国陆军研究实验室传感器和电子设备理事会的同事们开发了一种新的复杂材料设计策略，该策略可能用于神经形态计算，即在二硫化铪(HfS2)中插入茂金属。该作品首次展示了利用有机分子使二维材料功能化的设计策略的有效性。它已发表在《今日材料》的一篇题为《插入式HfS2的动态可重构电子和声子特性》的文章中。其他作者:Sina Najmaei, Adam A。美国陆军研究实验室的Wilson Asher C. Leff和Madan Dubey。

 

Ekuma说:“我们知道低维材料具有新颖的性能，杏耀注册但我们没想到基于hfs2的系统具有如此高的可调性。”这个策略是实验和计算之间的协同努力和协同作用。这始于一次下午咖啡聊天，我和同事们讨论了在二维材料中，将有机分子引入范德华间隙(van der Waals gap)的可能性。随后进行了材料设计和严格的计算，以验证其可行性。基于令人鼓舞的计算数据，我们开始制作样品，描述其特性，然后用设计的材料制作了一个原型装置。”

 

寻找节能型材料的学者可能会对这项研究特别感兴趣，也会对行业，杏耀开户特别是半导体逻辑门设计等电子器件感兴趣。

 

Ekuma说:“关键是，基于2D材料的复杂材料设计是实现高性能和节能材料的一条有希望的途径。”