Aller au contenu principal
Accès ouvert déclaré 2026 article

Sub-picojoule-per-bit volitional neuromorphic devices for precise targeting and tracking

6Citations signalées, ce qui n’est pas une note de qualité
5Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : cn, gb. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

The technological revolution driven by artificial intelligence has significantly improved the hardware performance, but energy consumption remains a critical bottleneck. The state-of-the-art retinomorphic devices, as core components of artificial intelligence hardware, excel in feature extraction but are constrained by passive attention mechanisms that lack flexibility of actively extracting additional features. Inspired by the human visual system, this work introduces a volitional neuromorphic device with active volitional attention regulation. By leveraging gate-voltage-tunable photoconductance to generate adjustable differential spectral response and employing neural networks to evaluate spectral reconstruction accuracy, the device achieves selective task perception. Experimental results demonstrate a data compression ratio of 1.17% and an extreme information energy efficiency of 0.625 pJ/bit. This advancement not only advances retinomorphic hardware design but also provides a sustainable pathway for energy-efficient hyperspectral imaging and next-generation neuromorphic computing systems. Energy consumption is a challenge in AI hardware. The authors introduce a volitional neuromorphic device that mimics human visual attention, achieving high energy efficiency and precise object tracking with minimal data redundancy.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Sub-picojoule-per-bit volitional neuromorphic devices for precise targeting and tracking
Date Crossref
09/01/2026
Éditeur
Springer Science and Business Media LLC
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • University of Electronic Science and Technology of China Institute of Fundamental and Frontier Sciences pays non établi dans la notice
    Université ou école supérieure
  • Shanghai Institute of Technical Physics pays non établi dans la notice
    Structure de recherche
  • University of Manchester Department of Physics and Astronomy pays non établi dans la notice
    Université ou école supérieure
  • Henry Royce Institute pays non établi dans la notice
    Université ou école supérieure
  • National Engineering Research Center of Electromagnetic Radiation Control Materials pays non établi dans la notice
    Structure de recherche
  • State Key Laboratory of Infrared Physics pays non établi dans la notice
    Structure de recherche
  • School of Automation Engineering pays non établi dans la notice
    Université ou école supérieure
  • Mozi Laboratory pays non établi dans la notice
    Structure de recherche

Institute of Fundamental and Frontier Sciences — University of Electronic Science and Technology of China, Shanghai Institute of Technical Physics et Department of Physics and Astronomy — University of Manchester, avec 5 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Advanced Memory and Neural ComputingNeural Networks and Reservoir ComputingCCD and CMOS Imaging Sensors

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.