基于离子液体的储层计算
日本的研究人员设计了一种基于电极-离子液体界面处的介电弛豫的可调谐物理储层装置。
物理储层计算 （prc） 依赖于物理系统的瞬态响应。它是一个吸引人的机器学习框架，能够以低功耗对时间序列信号进行高速处理。
prc 系统的可调性极小，限制了它可以处理的信号。来自日本的研究人员表明，离子液体作为一种易于调节的物理储存装置，可以通过改变粘度来增强其在广泛的时间尺度上处理信号的能力。
在涉及传感器和物联网设备的应用程序中，标准通常是边缘人工智能。边缘人工智能具有低功耗要求以及高速数据处理能力。这两个特征在实时处理时间序列数据方面都很有吸引力。
物理储层计算 （prc） 可以极大地简化边缘 ai 的计算范式。prc 可用于将模拟信号存储和处理到边缘 ai 设备中。固体prc系统的特点是特定的时间尺度不容易调整，而且对于大多数物理信号来说通常太快。时间尺度的不匹配和低可控性使得prc在很大程度上不适合在生活环境中实时处理信号。
来自日本的研究团队，包括来自东京理科大学的 kentaro kinoshita 教授和博士生 sang-gyu koh，以及来自国立科学技术研究所的高级研究员 hiroyuki akinaga 博士、hisashi shima 博士和 yasuhisa naitoh 博士advanced industrial science and technology 在《科学报告》上发表的一项新研究中建议使用液体 prc 系统。“用液体储层取代传统的固体储层应该会导致 ai 设备可以直接实时学习环境产生的信号的时间尺度，例如语音和振动，”kinoshita 教授解释说。“离子液体是稳定的熔盐，完全由自由漫游的电荷组成。离子液体的介电弛豫，或者它的电荷如何重新排列作为对电信号的响应，
该团队设计了一个带有有机盐离子液体 （il） 的 prc 系统，即 1-烷基-3-甲基咪唑双（三氟甲磺酰基）亚胺 （［rmim+］ ［tfsi-］ r = 乙基 （e）、丁基 （b） 、己基 （h） 和辛基 （o）），其阳离子部分（带正电荷的离子）可以很容易地随所选烷基链的长度而变化。
该团队制造了金间隙电极，并用 il 填充间隙。“我们发现储层的时间尺度虽然本质上很复杂，但可以直接由 il 的粘度控制，这取决于阳离子烷基链的长度。改变有机盐中的烷基很容易，它为我们提供了一个可控制、可设计的系统，可用于一系列信号寿命，从而在未来实现广泛的计算应用，”kinoshita 教授说。通过在 2 到 8 个单位之间调整烷基链长度，研究人员实现了 1 到 20 毫秒之间的特征响应时间，更长的烷基侧链导致更长的响应时间和设备的可调 ai 学习性能。
使用 ai 图像识别任务揭示了系统的可调性。人工智能被呈现一个手写图像作为输入，它由 1 ms 宽度的矩形脉冲电压表示。通过增加侧链长度，该团队使瞬态动力学接近目标信号的动态，识别率随着链长的增加而提高。这是因为，与 ［emim+］ ［tfsi-］（其中电流在大约 1 ms 内放松到其值）相比，具有更长侧链和更长弛豫时间的 il 保留了时间序列数据的历史更好，提高识别准确率。当使用8个单元的最长侧链时，识别率达到峰值90.2%。
这些发现很有希望，因为演示表明，所提出的基于电极-离子液体界面处的介电弛豫的 prc 系统可以通过简单地改变 il 的粘度来根据输入信号进行适当调整，从而为边缘 ai 设备铺平了道路。实时准确学习生活环境中产生的各种信号。
5G对电容器选择和新器件开发的影响
拆解世界上第一颗FPGA芯片！
火热的人工智能造成了巨大的人才缺口，行业人才的薪酬水涨船高
Remote红外遥控器
Intel“第9代CPU”又曝光，i7将不再支持超线程？
基于离子液体的储层计算
三星显示任命崔周善为新CEO
什么是SPI？SPI设备选择
直流电机的优点与缺点
六一儿童节就要到了 介绍几款儿童智能手表
一款快速充电器的输出过流保护方案
CentOS7如何搭建Nextcloud私有云
仿生处理器是什么_a11仿生处理器能干嘛
谈及德诺迈斯未来的发展规划
老旧普通路灯杆改造成智慧太阳能路灯系统解决方案
智慧工地管理系统解决方案应用价值
DocumentAI的模型、任务和基准数据集
Neocis正在推进牙科手术机器人Yomi的研发
JavaScript与物联网
工业互联网可以和互联网采取一样的模式吗
物理储层计算 （prc） 依赖于物理系统的瞬态响应。它是一个吸引人的机器学习框架，能够以低功耗对时间序列信号进行高速处理。
prc 系统的可调性极小，限制了它可以处理的信号。来自日本的研究人员表明，离子液体作为一种易于调节的物理储存装置，可以通过改变粘度来增强其在广泛的时间尺度上处理信号的能力。
在涉及传感器和物联网设备的应用程序中，标准通常是边缘人工智能。边缘人工智能具有低功耗要求以及高速数据处理能力。这两个特征在实时处理时间序列数据方面都很有吸引力。
物理储层计算 （prc） 可以极大地简化边缘 ai 的计算范式。prc 可用于将模拟信号存储和处理到边缘 ai 设备中。固体prc系统的特点是特定的时间尺度不容易调整，而且对于大多数物理信号来说通常太快。时间尺度的不匹配和低可控性使得prc在很大程度上不适合在生活环境中实时处理信号。
来自日本的研究团队，包括来自东京理科大学的 kentaro kinoshita 教授和博士生 sang-gyu koh，以及来自国立科学技术研究所的高级研究员 hiroyuki akinaga 博士、hisashi shima 博士和 yasuhisa naitoh 博士advanced industrial science and technology 在《科学报告》上发表的一项新研究中建议使用液体 prc 系统。“用液体储层取代传统的固体储层应该会导致 ai 设备可以直接实时学习环境产生的信号的时间尺度，例如语音和振动，”kinoshita 教授解释说。“离子液体是稳定的熔盐，完全由自由漫游的电荷组成。离子液体的介电弛豫，或者它的电荷如何重新排列作为对电信号的响应，
该团队设计了一个带有有机盐离子液体 （il） 的 prc 系统，即 1-烷基-3-甲基咪唑双（三氟甲磺酰基）亚胺 （［rmim+］ ［tfsi-］ r = 乙基 （e）、丁基 （b） 、己基 （h） 和辛基 （o）），其阳离子部分（带正电荷的离子）可以很容易地随所选烷基链的长度而变化。
该团队制造了金间隙电极，并用 il 填充间隙。“我们发现储层的时间尺度虽然本质上很复杂，但可以直接由 il 的粘度控制，这取决于阳离子烷基链的长度。改变有机盐中的烷基很容易，它为我们提供了一个可控制、可设计的系统，可用于一系列信号寿命，从而在未来实现广泛的计算应用，”kinoshita 教授说。通过在 2 到 8 个单位之间调整烷基链长度，研究人员实现了 1 到 20 毫秒之间的特征响应时间，更长的烷基侧链导致更长的响应时间和设备的可调 ai 学习性能。
使用 ai 图像识别任务揭示了系统的可调性。人工智能被呈现一个手写图像作为输入，它由 1 ms 宽度的矩形脉冲电压表示。通过增加侧链长度，该团队使瞬态动力学接近目标信号的动态，识别率随着链长的增加而提高。这是因为，与 ［emim+］ ［tfsi-］（其中电流在大约 1 ms 内放松到其值）相比，具有更长侧链和更长弛豫时间的 il 保留了时间序列数据的历史更好，提高识别准确率。当使用8个单元的最长侧链时，识别率达到峰值90.2%。
这些发现很有希望，因为演示表明，所提出的基于电极-离子液体界面处的介电弛豫的 prc 系统可以通过简单地改变 il 的粘度来根据输入信号进行适当调整，从而为边缘 ai 设备铺平了道路。实时准确学习生活环境中产生的各种信号。
5G对电容器选择和新器件开发的影响
拆解世界上第一颗FPGA芯片！
火热的人工智能造成了巨大的人才缺口，行业人才的薪酬水涨船高
Remote红外遥控器
Intel“第9代CPU”又曝光，i7将不再支持超线程？
基于离子液体的储层计算
三星显示任命崔周善为新CEO
什么是SPI？SPI设备选择
直流电机的优点与缺点
六一儿童节就要到了 介绍几款儿童智能手表
一款快速充电器的输出过流保护方案
CentOS7如何搭建Nextcloud私有云
仿生处理器是什么_a11仿生处理器能干嘛
谈及德诺迈斯未来的发展规划
老旧普通路灯杆改造成智慧太阳能路灯系统解决方案
智慧工地管理系统解决方案应用价值
DocumentAI的模型、任务和基准数据集
Neocis正在推进牙科手术机器人Yomi的研发
JavaScript与物联网
工业互联网可以和互联网采取一样的模式吗