据TechXplore网10月27日消息，马克斯-普朗克微结构物理研究所和德国初创公司SEMRON GmbH的研究人员设计了可用于实现机器学习算法的新型节能记忆电容设备（即带有存储器的电容器）。现有的记忆电容设备都难以按比例放大，并且动态范围很差。研究人员通过屏蔽层控制顶部栅电极和底部读出电极之间的电场耦合，屏蔽层依次由模拟存储器进行调整，模拟存储器可以存储人工神经网络的不同权重值，类似于大脑中的神经递质存储和传递信息的方式。经过评估，新设备在8位精度下达到了超过3500TOPS/W的能效，比现有的记忆电阻方法高35-300倍。未来，研究人员计划开发更多基于神经网络的模型，同时还试图通过提高效率和设备密度来扩大基于记忆电容器的系统。相关研究结果发表在《自然·电子学》期刊上。

消息来源：https://techxplore.com/news/2021-10-memcapacitor-devices-neuromorphic-applications.html