Электронный мозг: «Электронный мозг» от швейцарских ученых — Naked Science

Российские учёные предложили новый вариант искусственных нейронов — электронный мозг на них будет на порядки лучше существующих

3DNews Технологии и рынок IT. Новости на острие науки Российские учёные предложили новый вариа…

Самое интересное в обзорах


25.05.2022 [15:30], 

Геннадий Детинич

Современные нейроморфные процессоры, производимые на основе классических КМОП-техпроцессов, сильно ограничены в возможностях имитировать мозг биологических существ. Проблема в том, что для работы каждого искусственного нейрона необходимо примерно 20 транзисторов, что ведёт к высокому потреблению энергии искусственными мозгами и к серьёзному тепловыделению. Российские учёные придумали, как решить эту проблему.

Источник изображения: Nanomaterials

«Лучшие на сегодня нейроморфные системы имитируют сети, состоящие примерно из одного миллиона нейронов и четверти миллиарда синапсов. Однако самые амбициозные биологические проекты ставят цели достичь 10 миллиардов нейронов и 100 триллионов синапсов. Стремление к такой высокой сложности требует решений на основе новых физических принципов передачи и обработки сигналов. Мы исследовали двух- и трёхпереходные сверхпроводящие квантовые интерферометры с джозефсоновскими контактами на основе золотых нанопроволок», — рассказал директор Центра перспективных методов мезофизики и нанотехнологий МФТИ Василий Столяров.

Учёные из МФТИ и МГУ им. М. В. Ломоносова предложили для реализации сверхпроводящих аналогов нейронов решение с использованием нанопроводов из золота. Работа выполнена при поддержке Российского научного фонда, и завершилась она публикацией в журнале Nanomaterials.

Учёные реализовали искусственный нейрон с помощью только двух джозефсоновских контактов. Это на порядок меньше, чем при использовании транзисторов в нейроморфных процессорах. К примеру, нейроморфный процессор Intel Loihi II представляет собой 1 млн искусственных нейронов и при этом содержит 2,3 млрд транзисторов (далеко не все из них идут на имитацию нейронов, но всё же).

Джозефсоновский переход — это контакт двух сверхпроводников через слой диэлектрика. При переключении перехода происходит строго дозированный всплеск напряжения, форма которого близка к форме импульса в нейросети живого мозга. Пара таких переходов и нанопроволока из золота успешно имитируют работу одного нейрона и довольно экономично с точки зрения потребления энергии. Всё что необходимо для достижения нужного эффекта — это охладить массивы до криогенных температур вблизи абсолютного нуля.

На основе подобных нейронов можно будет создавать массивы из нескольких миллиардов искусственных нейронов и удержаться в рамках разумного бюджета потребления. Тем самым искусственный мозг может вырасти в возможностях до мозга медведя (9,5 млрд нейронов) и жирафа (10,75 млрд нейронов), тогда как возможности процессора Intel Loihi II — это мозг насекомых.

Более того, российские учёные разработали вариант искусственных нейронов, имитирующих работу в особых биологических условиях — под воздействием медикаментов или с повреждениями. Это придаст исследованиям новое направление, связанное с изучением деятельности мозга в нестандартных условиях.

Николай Клёнов, доцент МГУ им. М. В. Ломоносова, добавляет: «Предлагаемый нейрон способен имитировать биологическую активность, соответствующую типичной реакции нейрона на обычную внешнюю стимуляцию, а также на допороговое раздражение. Кроме того, он имитирует режим травмы — биофизическую аномалию, вызванную различными нервными заболеваниями и повреждениями нейронов, и взрывной режим».

Источник:


Если вы заметили ошибку — выделите ее мышью и нажмите CTRL+ENTER.

Материалы по теме

Постоянный URL: https://3dnews.ru/1066643/rossiyskie-uchyonie-predlagayut-dergat-iskusstvenniy-mozg-v-holode-inache-slognee-mozga-tarakana-nichego-ne-sdelat

Рубрики:
Новости Hardware, на острие науки, российская наука и промышленность,

Теги:
нейроморфный, нейронная сеть, мфти

← В
прошлое
В будущее →

«Ростех» создал «электронный мозг» для транспорта и робототехники

Бизнес
Цифровизация
ИТ в госсекторе

|

Поделиться

    Дочернее подразделение «Ростеха» выпустило микроконтроллер,
    позиционируемый как мозг современных российских автомобилей, кораблей,
    электрического транспорта и роботехнических комплексов.

    Новый микроконтроллер
    на кристалле

    Объединенная приборостроительная корпорация (ОПК, входит в госкорпорацию
    «Ростех») запустила в серийное производство 32-разрядный микроконтроллер для управления техникой. Данная микросхема позиционируется как «мозг современных
    российских автомобилей, кораблей, электрического транспорта и роботехнических
    комплексов».

    В ОПК сообщили CNews, что микроконтроллер сконструирован на кристалле. Он может быть применен в управлении силового тракта, двигателях на постоянном и переменном токе, в электронном управлении техники. Его непосредственный
    выпуск осуществляет ростеховское предприятие НИИЭТ, ориентируясь на тираж до 100
    тыс. штук в год, в зависимости от конкретных потребности.

    Производитель сообщает, что изделие оснащено функциями
    цифрового сигнального процессора и функцией Motor Control, которая позволяет
    координировать работу двигателя, электрической трансмиссии, генератора и каналов связи. В режиме реального времени микроконтроллер ведет обработку
    цифровой информации и выдает необходимые команды отдельным блокам для правильного функционирования всего технического комплекса.

    Перспективы
    использования

    Как заверяет заместитель гендиректора ОПК Андрей Чендаров, микроконтроллер
    является, по сути, «мозговым центром» всех современных машин. К примеру, в роботизированных комплексах микроконтроллер будет отвечать за взаимодействие
    двигателя и навигационных систем, в автомобильной технике — за корректную
    работу всей электроники: от осветительных приборов до бортового компьютера.
    Микросхема позволяет также обеспечить взаимодействие разнородных технических
    устройств, как управляемых человеком, так и полностью автоматизированных.

    Предприятие «Ростеха» запустило в серийное производство микроконтроллер для управления техникой

    «Контролер обладает производительностью, которая соответствует
    уровню самых современных зарубежных моделей и значительно превосходит большинство
    отечественных аналогов», — поясняет генеральный директор НИИЭТ Дмитрий Кожанов.

    Андрей Рыбинцев, «Авито»: За два года безопасность на платформе выросла в 20 раз

    Безопасность

    Микроконтроллер планируется использовать в областях
    управления электрическими двигателями и оборудованием электрических трансмиссий
    транспортных средств, в перспективных системах электродвижения судов,
    магистрального и городского электрического транспорта, в станкостроении,
    робототехнике и медицине.

    Несколько фактов об
    ОПК

    Напомним, что ОПК — это холдинговая компания в составе «Ростеха».
    Она объединяет более 60 предприятий и научных организаций радиоэлектронной
    отрасли с общей численностью сотрудников свыше 40 тыс. человек. Ее основная
    специализация — разработка и производство систем связи, управления и РЭБ для Вооруженных сил России, а также робототехники, беспилотников, медицинского
    оборудования, телекоммуникационной и вычислительной техники.

    Продукция корпорации поставляется более чем в 30
    государств мира, в том числе страны Африки, Азии, Латинской Америки, Ближнего
    Востока. Годовая совокупная выручка предприятий холдинга — свыше 100 млрд.

    • Лучший российский софт для видеосвязи: ищем замену Teams и Zoom

    Денис Воейков

    Электронный мозг Определение и значение

    • Основные определения
    • Викторина
    • Сопутствующее содержимое
    • Примеры

    Показывает уровень оценки в зависимости от сложности слова.

    Сохрани это слово!

    См. синонимы слова «электронный мозг» на сайте Thesaurus.com

    Показывает уровень обучения в зависимости от сложности слова.

    сущ.

    электронный компьютер.

    ВИКТОРИНА

    ВЫ ПРОЙДЕТЕ ЭТИ ГРАММАТИЧЕСКИЕ ВОПРОСЫ ИЛИ НАТЯНУТСЯ?

    Плавно переходите к этим распространенным грамматическим ошибкам, которые ставят многих людей в тупик. Удачи!

    Вопрос 1 из 7

    Заполните пропуск: Я не могу понять, что _____ подарил мне этот подарок.

    Происхождение электронного мозга

    Впервые записано в 1940–45 гг. , электронная преступность

    Dictionary.com Полный текст
    На основе Random House Unabridged Dictionary, © Random House, Inc., 2022

    Слова, относящиеся к электронному мозгу

    счеты, аналоговый, мозг, калькулятор, клон, ноутбук, mac, мэйнфрейм, микрокомпьютер, мини, миникомпьютер, арифмометр, искусственный интеллект, процессор данных, цифровой, микро, вычислительная машина, персональный компьютер

    Как использовать электронный мозг в предложении

    • Затем датчики будут посылать электрические сигналы в электронный мозг — сеть Deep Nose, которая будет интерпретировать то, что имеют молекулы был обнаружен.

      Доктор сейчас тебя обнюхает — Выпуск 95: Побег|Лина Зельдович|3 февраля 2021|Наутилус

    • После того, как капитан приказал покинуть корабль, 150 человек смогли спастись на спасательных шлюпках, спущенных электронными руками.

      «Мы собираемся умереть»: выжившие рассказывают об ужасе пожара на греческом пароме|Барби Лаца Надо|29 декабря 2014 г.|DAILY BEAST

    • Защитники конфиденциальности, такие как Electronic Frontier Foundation, говорят, что каждый должен использовать его.

      Атака на скрытый Интернет|Марк Роджерс|29 декабря 2014 г.|DAILY BEAST

    • Мы должны руководствоваться здравым смыслом, потому что мы быстро добираемся до места, где наш мозг отказывается работать.

      Полевой генерал в войне под Рождество|Дэвид Фридлендер|24 декабря 2014|DAILY BEAST

    • Мой отец перенес два инсульта и рак мозга с тех пор, как меня арестовали и посадили в тюрьму.

      Американский морской пехотинец в иранских тюрьмах объявляет голодовку|IranWire|18 декабря 2014 г.|DAILY BEAST

    • Связано: 10 лучших приложений для вашего мозга С возрастом ваш мозг меняется.

      Бег по 15 миль в неделю может снизить риск болезни Альцгеймера|DailyBurn|12 декабря 2014|DAILY BEAST

    • Все операции ее мозга так или иначе связаны с завтрашним днем.

      Hilda Lessways|Arnold Bennett

    • Стойкая глюкозурия отмечается при повреждениях головного мозга, затрагивающих дно четвертого желудочка.

      Руководство по клинической диагностике|Джеймс Кэмпбелл Тодд

    • Его ухо, его мозг, его мускулы начинают новую радостную деятельность, и поток жизни поднимается выше.

      Children’s Ways|Джеймс Салли

    • Нервы жутко ныли, мышцы были дряблыми и расслабленными; онемение было в его мозгу также.

      Волна|Алджернон Блэквуд

    • В эти годы свободы гнев и восстание были коматозными, но более зрелый мозг был более беспокойным, временами потрясенным.

      Предки|Гертруда Атертон

    Нейроморфная электроника, основанная на копировании и вставке мозга

  • Мид, К. Нейроморфные электронные системы. Проц. IEEE 78 , 1629–1636 (1990).

    Артикул

    Google ученый

  • «>

    Мид, К. Аналоговые СБИС и нейронные системы (Addison-Wesley, 1989).

  • Лю, С.-К. и Дельбрюк Т. Нейроморфные сенсорные системы. Курс. мнение Нейробиол. 20 , 288–295 (2010).

    Артикул

    Google ученый

  • Lichtsteiner, P., Posch, C. & Delbruck, T. Асинхронный временной контрастный датчик зрения с задержкой 15 мкс, 128 × 128, 120 дБ, 15 мкс. IEEE J. Твердотельные схемы 43 , 566–576 (2008).

    Артикул

    Google ученый

  • Сон, Б. и др. Датчик динамического зрения 640 × 480 с 9Пиксель мкм и представление адреса-события 300  Meps. В 2017 IEEE International Solid-State Circuits Conference (ISSCC) 66–67 (IEEE, 2017).

  • Меролла, П. и др. Интегральная схема с миллионом импульсных нейронов с масштабируемой коммуникационной сетью и интерфейсом. Наука 345 , 668–673 (2014).

    Артикул

    Google ученый

  • Зидан, М. А., Страчан, Дж. П. и Лу, В. Д. Будущее электроники на основе мемристивных систем. Нац. Электрон. 1 , 22–29 (2018).

    Артикул

    Google ученый

  • Шеридан, П. М. и др. Разреженное кодирование с помощью мемристорных сетей. Нац. нанотехнологии. 12 , 784–790 (2017).

    Артикул

    Google ученый

  • Прециозо, М. и др. Обучение и работа интегрированной нейроморфной сети на основе металлооксидных мемристоров. Природа 521 , 61–64 (2015).

    Артикул

    Google ученый

  • Алибарт Ф., Заманидуст Э. и Струков Д. Б. Классификация паттернов с помощью мемристивных перекрестных схем с использованием обучения ex situ и in situ. Нац. коммун. 4 , 2072 (2013).

    Артикул

    Google ученый

  • Ambrogio, S. et al. Ускоренное обучение нейронной сети эквивалентной точности с использованием аналоговой памяти. Природа 558 , 60–67 (2018).

    Артикул

    Google ученый

  • Чой, С., Шин, Дж. Х., Ли, Дж., Шеридан, П. и Лу, В. Д. Экспериментальная демонстрация извлечения признаков и уменьшения размерности с использованием мемристорных сетей. Нано Летт. 17 , 3113–3118 (2017).

    Артикул

    Google ученый

  • Wang, Z. et al. Резистивные коммутационные материалы для обработки информации. Нац. Преподобный Матер. 5 , 173–195 (2020).

    Артикул

    Google ученый

  • «>

    Лин, П. и др. Трехмерные мемристорные схемы как сложные нейронные сети. Нац. Электрон. 3 , 225–232 (2020).

    Артикул

    Google ученый

  • Wang, Z. et al. Обучение с подкреплением на аналоговых массивах мемристоров. Нац. Электрон. 2 , 115–124 (2019).

    Артикул

    Google ученый

  • Li, C. et al. Аналоговая обработка сигналов и изображений с большими мемристорными поперечинами. Нац. Электрон. 1 , 52–59 (2018).

    Артикул

    Google ученый

  • Jang, H. et al. Атомарно тонкий оптоэлектронный процессор машинного зрения. Доп. Матер. 32 , 2002431 (2020).

    Артикул

    Google ученый

  • Маховальд М. и Дуглас Р. Кремниевый нейрон. Природа 354 , 515–518 (1991).

    Артикул

    Google ученый

  • Индивери Г. и др. Цепи нейроморфных кремниевых нейронов. Перед. Неврологи. 5 , 73 (2011).

    Google ученый

  • Рикебуш, С., Бауэр, Дж. М. и Мид, К. Моделирование малых колеблющихся биологических сетей в аналоговых СБИС. Доп. Нейронная инф. Процесс. Сист. 1 , 384–393 (1989).

    Google ученый

  • Ханлозер, Р. Х. Р., Сарпешкар, Р., Маховальд, М., Дуглас, Р. и Сын, Х. С. Цифровая селекция и аналоговое усиление сосуществуют в кремниевой схеме, вдохновленной корой головного мозга. Природа 405 , 947–951 (2000).

    Артикул

    Google ученый

  • «>

    Маховальд, М. и Мид, К. Силиконовая сетчатка. науч. Являюсь. 264 , 76–82 (1991).

    Артикул

    Google ученый

  • Abbott, J. et al. Массив наноэлектродов для получения внутриклеточных записей от тысяч связанных нейронов. Нац. Биомед. англ. 4 , 232–241 (2020).

    Артикул

    Google ученый

  • Ким, К. Кремниевые технологии и решения для мира, управляемого данными. В 2015 IEEE International Solid-State Circuits Conference (ISSCC) 8–14 (IEEE, 2015).

  • ЛеКун Ю., Бенжио Ю. и Хинтон Г. Глубокое обучение. Природа 521 , 436–444 (2015).

    Артикул

    Google ученый

  • Song, J. et al. Двухъядерный нейронный процессор 1024-MAC со структурой бабочки 11,5 TOPS/Вт, поддерживающий разреженность, в флагманской мобильной SoC, изготовленной по 8-нм техпроцессу. В 2019 IEEE International Solid-State Circuits Conference (ISSCC) 130–131 (IEEE, 2019).

  • Wang, Z. et al. Полностью мемристивные нейронные сети для классификации образов с неконтролируемым обучением. Нац. Электрон. 1 , 137–145 (2018).

    Артикул

    Google ученый

  • Ambrogio, S. et al. Неконтролируемое обучение за счет пластичности, зависящей от времени всплеска, в синапсах памяти фазового перехода (PCM). Перед. Неврологи. 10 , 56 (2016).

    Артикул

    Google ученый

  • Аливисатос, П. и др. Наноинструменты для нейронауки и картирования активности мозга. ACS Nano 7 , 1850–1866 (2013 г.).

    Артикул

    Google ученый

  • Лин, М. З. и Шнитцер, М. Дж. Генетически закодированные индикаторы активности нейронов. Нац. Неврологи. 19 , 1142–1153 (2016).

    Артикул

    Google ученый

  • Каземьер, Дж. Л., Класка, Ф. и Тисинга, П. Х. Э. Коннектомный анализ сетей мозга: новые методы и будущие направления. Перед. Нейроанат. 10 , 110 (2016).

    Артикул

    Google ученый

  • Уайт Дж. Г., Саутгейт Э., Томсон Дж. Н. и Бреннер С. Структура нервной системы нематоды Caenorhabditis elegans . Фил. Транс. Р. Соц. B 314 , 1–340 (1986).

    Google ученый

  • Scheffer, L.K. et al. Коннектом и анализ центрального мозга дрозофилы взрослого человека. eLife 9 , e57443 (2020).

    Артикул

    Google ученый

  • Сасаки Т., Минамисава Г. , Такахаши Н., Мацуки Н. и Икегая Ю. Обратное оптическое траление синаптических связей in situ. Дж. Нейрофизиол. 102 , 636–643 (2009).

    Артикул

    Google ученый

  • Петряну, Л., Хубер, Д., Собчик, А. и Свобода, К. Схематическое картирование дальних мозолистых проекций с помощью Channelrhodopsin-2. Нац. Неврологи. 10 , 663–668 (2007).

    Артикул

    Google ученый

  • Шемеш О.А. и др. Временно точная оптогенетика с одноклеточным разрешением. Нац. Неврологи. 20 , 1796–1806 (2017).

    Артикул

    Google ученый

  • Jäckel, D. et al. Сочетание массива микроэлектродов высокой плотности и записей патч-клеммы для изучения мультисинаптической интеграции. Науч. Респ. 7 , 978 (2017).

    Артикул

    Google ученый

  • «>

    Перин, Р., Бергер, Т.К. и Маркрам, Х. Синаптический принцип организации групп корковых нейронов. Проц. Натл акад. науч. США 108 , 5419–5424 (2011).

    Артикул

    Google ученый

  • Frey, U. et al. Массив микроэлектродов высокой плотности на основе переключающей матрицы в КМОП-технологии. IEEE J. Твердотельные схемы 45 , 467–482 (2010).

    Артикул

    Google ученый

  • Цай, Д., Сойер, Д., Брэдд, А., Юсте, Р. и Шепард, К. Л. Очень крупномасштабная матрица микроэлектродов для электрофизиологии клеточного разрешения. Нац. коммун. 8 , 1802 (2017).

    Артикул

    Google ученый

  • Abbott, J. et al. Конструкция массива наноэлектродов CMOS с 4096 усилителей фиксации тока/напряжения для внутриклеточной записи/стимуляции нейронов млекопитающих. IEEE J. Твердотельные схемы 55 , 2567–2582 (2020).

    Артикул

    Google ученый

  • Abbott, J. et al. Матрица наноэлектродов CMOS для полностью электрической внутриклеточной электрофизиологической визуализации. Нац. нанотехнологии. 12 , 460–466 (2017).

    Артикул

    Google ученый

  • Robinson, J. T. et al. Вертикальные массивы электродов из нанопроволоки как масштабируемая платформа для внутриклеточного взаимодействия с нейронными цепями. Нац. нанотехнологии. 7 , 180–184 (2012).

    Артикул

    Google ученый

  • Джун, Дж. Дж. и др. Полностью интегрированные кремниевые зонды для записи нейронной активности с высокой плотностью. Природа 551 , 232–236 (2017).

    Артикул

    Google ученый

  • «>

    Санес, Дж. Р. и Зипурски, С. Л. Принципы проектирования зрительных систем насекомых и позвоночных. Нейрон 66 , 15–36 (2010).

    Артикул

    Google ученый

  • Уилсон, Д. А. и Салливан, Р. М. Корковая обработка объектов запаха. Нейрон 72 , 506–519 (2011).

    Артикул

    Google ученый

  • Lee, Y.K. et al. Встроенная STT-MRAM в 28-нм логическом процессе FDSOI для промышленных приложений MCU/IoT. На симпозиуме IEEE 2018 по технологии СБИС 181–182 (IEEE, 2018).

  • Chung, H. et al. 58-нм 1,8-В 1-Гбит PRAM с программной полосой пропускания 6,4 МБ/с. В 2011 IEEE International Solid-State Circuits Conference (ISSCC) 500–501 (IEEE, 2011).

  • Fackenthal, R. et al. 16-гигабайтная память ReRAM со скоростью записи 200 МБ/с и чтением 1 ГБ/с по технологии 27 нм. В 2014 Международная конференция IEEE по твердотельным схемам (ISSCC) 338–339 (IEEE, 2014).

  • Ли, М.-Дж. и другие. Быстрое, долговечное и масштабируемое энергонезависимое запоминающее устройство, изготовленное из асимметричных двухслойных структур Ta 2 O 5–x /TaO 2–x . Нац. Матер. 10 , 625–630 (2011).

    Артикул

    Google ученый

  • Сюй, Р. и др. Вертикальный MoS 2 двухслойный мемристор с электрохимической металлизацией в виде синапса атомного масштаба с порогом переключения, приближающимся к 100  мВ. Нано Летт. 19 , 2411–2417 (2019).

    Артикул

    Google ученый

  • Джо, С. Х. и др. Наноразмерное мемристорное устройство как синапс в нейроморфных системах. Нано Летт. 10 , 1297–1301 (2010).

    Артикул

    Google ученый

  • Парк, К.-Т. и другие. Трехмерная 128-Гбит вертикальная флэш-память MLC NAND с 24-слойными слоями WL и высокоскоростным программированием 50 МБ/с. В 2014 IEEE International Solid-State Circuits Conference (ISSCC) 334–335 (IEEE, 2014).

  • Du, C., Ma, W., Chang, T., Sheridan, P. & Lu, WD. Биореалистичное выполнение синаптических функций с помощью оксидных мемристоров посредством внутренней ионной динамики. Доп. Функц. Матер. 25 , 4290–4299 (2015).

    Артикул

    Google ученый

  • Ким, С. и др. Экспериментальная демонстрация мемристора второго порядка и его способности биореалистично реализовать синаптическую пластичность. Нано Летт. 15 , 2203–2211 (2015).

    Артикул

    Google ученый

  • «>

    Wang, Z. et al. Мемристоры с диффузионной динамикой как эмуляторы синапсов для нейроморфных вычислений. Нац. Матер. 16 , 101–108 (2017).

    Артикул

    Google ученый

  • Кузум Д., Джеясингх Р. Г. Д., Ли Б. и Вонг Х.-С. P. Наноэлектронные программируемые синапсы на основе материалов с фазовым переходом для вычислений, вдохновленных мозгом. Нано Летт. 12 , 2179–2186 (2012).

    Артикул

    Google ученый

  • Маркс, В. Неврология машет толпе. Нац. Методы 10 , 1069–1074 (2013).

    Артикул

    Google ученый

  • Ким, Д.-В. и Хван Т. Будущее передовых пакетных решений. На симпозиуме IEEE 2019 по технологии СБИС 48–49 (IEEE, 2019).

  • Кандел, Э. Р., Шварц, Дж. Х., Джесселл, Т. М., Сигельбаум, С. А. и Хадспет, А. Дж. Принципы неврологии , 5-е изд. (McGraw-Hill, 2012).

  • Бок, Д. Д. и др. Сетевая анатомия и физиология нейронов зрительной коры in vivo. Природа 471 , 177–182 (2011).

    Артикул

    Google ученый

  • Бриггман К.Л. и Бок Д.Д. Объемная электронная микроскопия для реконструкции нейронных цепей. Курс. мнение Нейробиол. 22 , 154–161 (2012).

    Артикул

    Google ученый

  • Бриггман, К.Л., Хелмштедтер, М. и Денк, В. Специфика проводки в схеме избирательности направления сетчатки. Природа 471 , 183–188 (2011).

    Артикул

    Google ученый

  • Кляйнфельд, Д. и др. Крупномасштабная автоматизированная гистология в поисках коннектомов. J. Neurosci. 31 , 16125–16138 (2011).

    Артикул

    Google ученый

  • Lichtman, J. W. & Sanes, J. R. Добрый день: что геном может рассказать нам о коннектоме? Курс. мнение Нейробиол. 18 , 346–353 (2008).

    Артикул

    Google ученый

  • Морган, Дж. Л. и Лихтман, Дж. В. Почему не коннектомика? Нац. Методы 10 , 494–500 (2013).

    Артикул

    Google ученый

  • Бердан Р. и др. Эмуляция краткосрочной синаптической динамики с помощью мемристивных устройств. науч. Респ. 6 , 18639 (2016).

    Артикул

    Google ученый

  • Ким М.-К. и Ли, Дж.-С. Кратковременная пластичность и долговременная потенциация в искусственных биосинапсах с диффузионной динамикой.