Estructuras memristivas sensibles a la luz de capas de baja dimensión para visión artificial energéticamente eficiente
Autores: Panin, Gennady N.
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Estructuras memristivas sensibles a la luz de capas de baja dimensión para visión artificial energéticamente eficiente
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Materiales estratificados
Bidimensionales
Cuasi-zero-dimensionales
Estructuras fotomemristivas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
Los materiales bidimensionales (2D) y cuasi-cero-dimensionales (0D) en capas absorben eficazmente la radiación en un amplio rango ultravioleta, visible, infrarrojo y terahercios. Las estructuras fotomemristivas hechas de estos materiales de baja dimensionalidad son de gran interés para la creación de plataformas optoelectrónicas para el almacenamiento y procesamiento energéticamente eficiente de datos y señales ópticas en tiempo real. Aquí se revisan las estructuras de fotosensores y memristores basadas en grafeno, óxido de grafeno, oxiseleniuro de bismuto y dicalcogeniuros de metales de transición desde el punto de vista de su aplicación en el reconocimiento de imágenes de banda ancha en sistemas de inteligencia artificial para vehículos no tripulados autónomos, así como la compatibilidad de la formación de estructuras neuromórficas en capas con la tecnología CMOS.
Descripción
Los materiales bidimensionales (2D) y cuasi-cero-dimensionales (0D) en capas absorben eficazmente la radiación en un amplio rango ultravioleta, visible, infrarrojo y terahercios. Las estructuras fotomemristivas hechas de estos materiales de baja dimensionalidad son de gran interés para la creación de plataformas optoelectrónicas para el almacenamiento y procesamiento energéticamente eficiente de datos y señales ópticas en tiempo real. Aquí se revisan las estructuras de fotosensores y memristores basadas en grafeno, óxido de grafeno, oxiseleniuro de bismuto y dicalcogeniuros de metales de transición desde el punto de vista de su aplicación en el reconocimiento de imágenes de banda ancha en sistemas de inteligencia artificial para vehículos no tripulados autónomos, así como la compatibilidad de la formación de estructuras neuromórficas en capas con la tecnología CMOS.