-
公开(公告)号：CN115469469A
公开(公告)日：2022-12-13
申请号：CN202211078145.4
申请日：2022-09-05
Applicant: 清华大学
Abstract: 本申请涉及半导体光学芯片技术领域，特别涉及一种半导体光学非线性运算器件、调制方法及运算器，其中，包括：波导、P型半导体与N型半导体，其中，P型半导体与N型半导体分别掺杂在波导的两侧，形成PN结，其中，当施加在PN结上的反偏电压值大于预设阈值时，使得波导处于雪崩临界状态，波导吸收入射光产生光电流触发雪崩，在波导中产生等离子体，并基于等离子体色散效应或热效应等非线性效应改变波导的折射率，实现光强度的非线性调制。由此，解决了相关技术中非线性系数不高、可扩展性不强、功耗高、应用范围小以及弱光非线性不强等问题。
-
公开(公告)号：CN102709466A
公开(公告)日：2012-10-03
申请号：CN201210181003.0
申请日：2012-06-04
Applicant: 清华大学
Abstract: 本发明公开了一种室温隧道各向异性磁电阻器件及其制备方法。该器件结构依次包括：基片、底电极、铁磁层（FM）、反铁磁层、隧穿层和顶电极；其中，铁磁层为由垂直磁化膜构成，包括垂直磁化的[Co/Pt]n、[Co/Pd]n、[Co/Ni]n多层膜（n=1~10），铁磁层中Co的厚度为0.3nm~0.8nm，Pt、Pd、Ni的厚度为0.8nm~1.5nm；反铁磁层由Mn系合金构成，厚度为2nm~6nm；隧穿层为MgO或Al2O3，厚度为1.5nm~2.5nm。本发明利用隧穿层一侧的垂直磁化的铁磁层与反铁磁层的交换耦合作用制备磁电阻器件，实现室温TAMR效应。
-
公开(公告)号：CN102360710A
公开(公告)日：2012-02-22
申请号：CN201110166520.6
申请日：2011-06-20
Applicant: 清华大学
Abstract: 本发明公开了一种ZnO基稀磁薄膜及其制备方法。该ZnO基稀磁薄膜，包括基片、位于基片上的稀磁薄膜和反铁磁薄膜；其中，构成稀磁薄膜的材料为Zn1-xTMxO，所述Zn1-xTMxO中，x为0.2％-10.0％，优选3％-5％，TM为过渡金属元素；构成反铁磁薄膜的材料选自过渡金属氧化物中的至少一种。本发明通过在ZnO基稀磁薄膜上沉积一薄层反铁磁薄膜或在反铁磁薄膜上沉积一层稀磁薄膜来提高ZnO基稀磁薄膜的室温铁磁性，利用室温铁磁性TM:ZnO薄膜和反铁磁薄膜的界面近邻效应，使双层膜结构的室温饱和平均原子磁矩(μB/Co)相对单层稀磁薄膜结构的平均原子磁矩明显增大。
-
公开(公告)号：CN115358389B
公开(公告)日：2024-08-20
申请号：CN202211063580.X
申请日：2022-09-01
Applicant: 清华大学
Abstract: 本申请涉及神经网络技术领域，特别涉及一种神经网络的训练误差降低方法、装置、电子设备及介质，其中，方法包括：确定目标神经网络的每个输出端口的优先级；根据优先级匹配目标神经网络的每个输出端口的误差权重系数，其中，优先级高的输出端口的误差权重系数大于优先级低的输出端口的误差权重系数；根据每个输出端口的误差权重系数计算目标神经网络的训练误差，以进行训练，直至在训练误差满足预设精度条件时，完成目标神经网络的训练。由此，解决了相关技术采用各个输出端口均一权重定义误差函数的训练方法，会导致训练输出结果从低位到高位精度依次递减，无法使所有端口都满足精度要求，且训练时间长，效率低等问题。
-
公开(公告)号：CN116883713A
公开(公告)日：2023-10-13
申请号：CN202310603292.7
申请日：2023-05-25
Applicant: 清华大学
IPC: G06V10/764 , G06V10/774 , G06V40/20 , G06N3/08
Abstract: 本申请涉及人工智能技术领域，特别涉及一种基于全光电忆阻器的储备池系统的动作分类方法，该方法包括：获取目标人体至少一个部位的变化信号，将每个部位的变化信号转换为对应的光脉冲序列输入到处于动态光电模式的全光电忆阻器，得到至少一个高维信号，将至少一个高维信号通过全光电忆阻器的非易失性的线性输出层进行权重训练，得到不同输出节点对应的权重值，根据不同输出节点对应的权重值进行分类，得到目标人体的当前动作。由此，解决了储备池计算中需要配置两种不同硬件带来的架构与集成复杂度较高等问题，设计了一种具有多功能多模态的光电器件，不仅在同一硬件上实现储备池“感存算一体”任务，而且可以实现对视频动作的高精度分类。
-
Patent Agency Ranking
公开(公告)号：CN116744775A
公开(公告)日：2023-09-12
申请号：CN202310603538.0
申请日：2023-05-25
Applicant: 清华大学
Abstract: 本申请涉及一种多功能光电忆阻器件及光电忆阻器件阵列的制备方法。多功能光电忆阻器件包括：由预设的涂层材料制成的底电极；设置于底电极上方的阻变层，用于形成导电细丝；设置于阻变层上方的过渡层，用于构建阻变层与过渡层之间的表面缺陷态，并提供满足预设计量条件的氧离子；设置于过渡层上方的上电极，对阻变层、过渡层和底电极进行保护。由此，通过将多功能光电忆阻器件制备到CMOS晶体管的源端，晶体管通过外围电路以及底部译码电路和互连线将128×8个光电忆阻器进行集成，解决了现阶段人工视觉系统所研究的光电器件层面功能单一，缺少大规模集成的问题，实现器件多功能多模态的融合，为感存算一体的实现提供硬件基础。
-
公开(公告)号：CN116027608A
公开(公告)日：2023-04-28
申请号：CN202310309887.1
申请日：2023-03-27
Applicant: 清华大学
Abstract: 本发明提供全光非线性调制的超表面衍射光计算器件及其制备方法，全光非线性调制的超表面衍射光计算器件包括层叠设置的光学衍射超表面、金属层、第一绝缘层、非线性二维材料层、第二绝缘层、等离子体激元和保护层，由此，本申请将光学衍射超表面与等离子体激元、非线性二维材料层进行复合，可以实现低功耗和低光学阈值的非线性光学吸收，应用于低功耗衍射光计算器件，可满足目前人工智能光计算芯片中非线性调制器件的需求。
-
公开(公告)号：CN115358391A
公开(公告)日：2022-11-18
申请号：CN202211078157.7
申请日：2022-09-05
Applicant: 清华大学
Abstract: 本申请涉及神经网络技术领域，特别涉及一种神经网络的规模拓展方法、装置、电子设备及存储介质，其中，方法包括：确定目标神经网络的实际运算位宽；利用算术逻辑运算训练策略训练目标神经网络运算位宽中小于实际运算位宽的第一规模子网络，得到的权重参数作为运算位宽大于第一规模子网络的第二规模子网络的初始权重参数，训练第二规模子网络，并按照运算位宽由低位至高位的顺序逐级拓展网络规模，直到网络规模的运算位宽达到实际运算位宽，得到目标神经网络的初始权重参数，实现对目标神经网络的训练。由此，解决了相关技术利用整体网络参数初始化的方法，无法充分挖掘算术逻辑运算任务本身的可复用性，训练复杂度高，训练时间长，效率低等问题。
-
公开(公告)号：CN115358390A
公开(公告)日：2022-11-18
申请号：CN202211078131.2
申请日：2022-09-05
Applicant: 清华大学
Abstract: 本申请涉及神经网络技术领域，特别涉及一种神经网络的训练方法、装置、电子设备及存储介质，其中，方法包括：确定待训练的目标神经网络；按照预设拆分策略将目标神经网络拆分成多个结构相同的子网络，并对任意一个子网络进行逻辑运算训练，得到该子网络的权重参数；利用预设拼接策略将每个子网络拼接成整体网络，利用整体网络实现相应的逻辑运算，和/或者，将整体网络的权重参数作为初始权重参数训练目标神经网络，并利用训练完成的目标神经网络实现相应的逻辑运算。由此，解决了相关技术利用整体网络参数初始化的方法，无法充分挖掘逻辑运算任务本身的可复用性，训练复杂度高，训练时间长，效率低等问题。
-
公开(公告)号：CN104752604B
公开(公告)日：2017-10-03
申请号：CN201510102442.1
申请日：2015-03-09
Applicant: 清华大学
Abstract: 本发明公开了一种电场调控的反铁磁基霍尔器件及其制备方法。它包括依次沉积在导电基片上的底层、反铁磁耦合层和顶层，在顶层上依次设有侧电极和门电极；底层为磁性绝缘体层或无磁性绝缘体层；底层为磁性绝缘体层或无磁性绝缘体层组成的复合层；反铁磁耦合层为反铁磁层或反铁磁层和铁磁层；顶层为二氧化铪层、三氧化二铝层或二氧化硅层；侧电极为Ti层和Au层的双层膜或Ti层和Pt层的双层膜，在顶层上依次是Ti层、Au层或Ti层、Pt层；门电极为离子液体。本发明结构和制备方法简单、成本低，具有良好的磁化特性，可作为一种磁场探测器；对外磁场和热扰动不敏感，测量的霍尔电阻更加准确；是低能耗的自旋器件，对于反铁磁自旋电子学器件的发展具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.019 seconds)
