NEAT MEDIA

近期，一组最新生产下线的歼-20照片引发国内外媒体关注，这批歼-20战斗机最引人注目的地方，就是他的雷达罩为红色底色。一般而言，雷达罩的变化，就预示着战机的雷达出现了改进或者更换，毕竟不同尺寸、不同材料、不同功率、不同运行温度的雷达天线，需要不同的雷达罩来匹配。因此，这批歼-20战斗机显然更换了更为先进的雷达；而且此次雷达更换的测试明显已经完成，毕竟这批红头歼-20战斗机一口气就造了多架，光是照片里就有4架停放在机棚内。 (more…)

http://www.neatmedia.net/downloads/间谍气球走了间谍龙门吊来了-HW%20.mp4

铁电材料具有非易失的自发极化，极化的场致反转机制使铁电存储器件的功耗远低于其他类型的存储器件。并且，铁电材料的自发极化可以在外加电场的调控下进行方向上的反转。通过控制外加电场的振幅和时间，可以精确获得铁电极反转过程中的连续变化状态，并且这些中间极化态也是非易失的。以上的非易失、低功耗、易操控等特点使得铁电存储在构建高效忆阻器件和存算一体芯片上具有巨大潜力。 近期（2021-04），华东师范大学极化材料与器件教育部重点实验室段纯刚教授和田博博研究员课题组展示了铁电突触晶体管的神经网络可以实现联想学习任务。铁电聚合物中丰富的极化反转动力学赋予了有机铁电突触晶体管较为完备的Hebbian突触可塑性，可以在同一器件中实现脉冲频率依赖可塑性（SRDP）和脉冲时间依赖可塑性（STDP）。将铁电突触晶体管用于神经元的连接，可以仿生完成兴奋性神经元之间连接强度的自主性增强。基于此特性，该课题组设计了可以实现联想学习功能的突触晶体管阵列，并分别演示了巴甫洛夫的狗听铃铛分泌唾液、盘子联想到厨房和从残缺数字回想起完整数字的任务。该工作以“Ferroelectric synaptic transistor network for associative memory”为题发表于Advanced Electronic Materials （https://onlinelibrary.wiley.com/doi/10.1002/aelm.202001276）。华东师范大学闫梦阁博士生、朱秋香副教授和华中科技大学王思琪硕士生为论文共同第一作者，华东师范大学田博博研究员为通讯作者。   图文导读： 铁电材料的非易失、低功耗、易操控等特点使得铁电存储在构建高效忆阻器件和存算一体芯片上具有巨大潜力。铁电聚合物是一种性能稳定、价格低廉的有机铁电材料。铁电聚合物的铁电极化在纳米厚度的薄膜中依旧稳定存在，其极化强局域电场可以对半导体材料的费米能级进行有效的非易失调控。铁电聚合物栅的晶体管被当作忆阻器件来模拟生物突触功能，因此也被称作铁电突触晶体管。在本工作中，作者利用铁电聚合物中丰富的极化反转动力学，在有机铁电突触晶体管单一器件中同时实现SRDP和STDP等较为完备的Hebbian突触可塑性。并将铁电突触晶体管应用于神经网络，实现联想学习的任务。 图1（a）基于铁电聚合物的三端突触晶体管结构。（b）铁电聚合物在不同振幅电场下的电滞回线。（c）铁电极化畴调控的沟道电导回滞。（d）沟道电导在脉冲激励下的渐变调节。 图2铁电聚合物中存在的非晶态区域在铁电畴中引入较大的退极化场，从而丰富了铁电聚合物的极化反转动力学。（a）铁电聚合物的极化畴畴壁在脉冲电场激励和撤销时的瞬态蠕动。（b）铁电聚合物在不同频率下的电滞回线。短周期三角波电场激励下的反转极化可以被弛豫到原来状态，长周期三角波电场激励下的反转极化具有非易失性。（c）沟道电导和栅介质层中铁电极化在栅电压脉冲串激励过程中的瞬态响应。（d）栅介质层中铁电极化在单个栅电压脉冲激励和撤销时的瞬态响应，动力学过程符合KAI模型。 图3有机铁电突触晶体管中的Hebbian突触可塑性。（a-c）脉冲频率依赖可塑性（SRDP）。（d-f）脉冲时间依赖可塑性（STDP）。（g-j）不同类型突触器件性能对比。有机铁电突触晶体管显示了优异的耐疲劳（g）、可3D集成（h）、超低功耗（i）和覆盖生物脑工作频率（j）等特性。有机铁电突触晶体管的单操作能耗小于1fJ。 图4巴甫洛夫的狗听铃铛分泌唾液。（a）将铁电突触晶体管用于神经元的连接，可以仿生完成兴奋性神经元之间的权重连接和连接强度的增强。（b）具有联想学习功能的突触晶体管阵列电路图。（c-f）训练前（c）、中（e）、后（f）电路对铃铛和骨头的响应以及训练过程中器件电导的演变（d）。 图5盘子联想到厨房。（a）可以识别厨房和办公室的单层神经网络示意图。同时输入盘子、桌子和凳子的信号时判断出厨房。同时输入桌子、凳子和笔记本电脑的信号时判断出办公室。（b）在识别层前加入联想学习功能层的神经网络，通过学习后可以实现盘子联想厨房的功能。（c）基于突触晶体管阵列的联想学习功能层电路结构。（d）联想学习功能层的突触晶体管阵列在训练学习前后的沟道电导状态分布。 图6...

铁电场效应晶体管作为一种新兴电子信息器件在非易失存储和神经形态计算等方面有广泛的应用前景。在同一种器件结构中实现电学可重构的逻辑存储复合功能是实现存储—逻辑存算一体片上集成的关键技术，是目前铁电器件的前沿研究热点。目前报道的铁电器件可重构性机制主要来自极化电畴对二维材料的互补静电掺杂。 近日，Advanced Materials在线发表了中南大学物理与电子学院孙健教授课题组与粉末冶金国家重点实验室张斗教授课题组合作论文“Reconfigurable Quasi-Nonvolatile Memory/Subthermionic FET Functions in Ferroelectric–2D Semiconductor vdW Architectures”。这项工作在可重构性范德华异质结构铁电晶体管通过界面调控实现了功能可重构新机理。中南大学物理与电子学院王众望博士、刘晓迟副教授、粉末冶金国家重点实验室周学凡博士为论文共同第一作者。罗行副教授和孙健教授为论文共同通讯作者。此研究得到国家重点研发计划、国家自然科学基金、湖南省人才计划等资助支持。  图1. BiT铁电纳米片的晶体结构，铁电性能表征。  图2. MoS2—BiT范德华异质结构铁电晶体管器件。工作使用的铁电材料是熔盐法制备的Bi4Ti3O12（BiT）氧化物铁电单晶纳米片（图1）。BiT的铁电性通过PFM测量得以验证，利用铁电工作站在BiT电容器中测得BiT在垂直面内的方向有着接近5 μm/cm2的铁电剩余极化强度。氧化物中普遍存在氧空位，实验通过XPS测试验证了BiT中存在着氧空位。BiT的表面平整可以通过范德华堆叠技术与二维材料集成，进而构建MoS2—BiT范德华异质结构铁电晶体管器件（图2）。  图3. BiT氧空位在电场的迁移行为，以及造成的非易失铁电晶体管存储特性。 图4. 非易失铁电晶体管存储器的神经可塑性能。由于界面氧空位存在，铁电晶体管初始的性能受到氧空位对沟道电子捕获、释放过程的影响。阈值电压发生漂移，铁电极化对沟道的调控被掩盖，器件表现处易失的短程存储性能。文章讨论了在栅压应力下，BiT与MoS2界面处的氧空位对MoS2沟道电子的捕获/释放动力学过程的调控行为。实验发现了在大的负栅压应力作用下，界面处的带电氧空位会出现远离界面的迁移行为。文章中通过施加了-100伏特的大栅压脉冲促使带电氧空位从与二维半导体的界面迁移到与金属栅极的界面，金属栅极内的电子可以隧穿进入BiT中，中和氧空位使其失去迁移性。从而使得器件表现出非易失长程存储器性能（图3）。这种非易失铁电存储功能同时展现出了优异的神经可塑性能，可以用作神经形态计算（图4）。相较忆阻器人工突触器件，铁电晶体管具有高对称和高线性的PSC增强抑制行为。  图5. 界面带点氧空位对铁电畴壁的钉扎效应，以及重构处的负电容晶体管特性。通过施加负栅压极化BiT，铁电极化电荷会调节界面处的费米能级下移造成氧空位释放电子，使得界面处带点氧空位浓度增高。当将器件温度降至100 K可以减小氧空位的迁移率，促使其和铁电畴壁发生相互作用，进而钉扎界面处的铁电畴使其丧失铁电性。这样就在器件中重构出了“铁电—绝缘层—半导体”的近似负电容晶体管结构。实验中在降温过程中观测到了器件转移特性滞回窗口的逐渐减小直至消失。同时器件的亚阈值摆幅降至接近60 mV/dec。将器件恢复至室温，界面处的铁电畴钉扎不会被解除，器件依旧保持无滞回转移特性，同时测到的亚阈值摆幅小于热发射的极限达到46 mV/dec。这是铁电晶体管中存储—负电容晶体管功能重构性的首次实验报道，为未来可重构铁电晶体管的发展提供了崭新的研究思路。原文链接 Zhongwang Wang#, Xiaochi...

世界就是这么奇葩奇幻，厦门产的低可探测碳纤维无人机把俄罗斯炼油厂炸坏了，现在工厂已停产。 事件发生在俄罗斯罗斯托夫地区的新沙赫京斯克炼油厂，距离乌克兰卢甘斯克省边境约 10 英里。 该厂称，两架从乌克兰方向飞来的无人机击中了炼油厂，引发火灾并生产。 该工厂和俄罗斯官员将袭击归咎于乌克兰。 俄罗斯社交网络频道上发布的视频显示，一架无人机在工人的注视下接近炼油厂。 “你认为这是乌克兰人吗？” 一个人问道。 “当然不是，”另一个回答。 “去哪儿了？” 他补充说，随着无人机从视线中消失。 片刻之后，一场大爆炸震动了炼油厂。 “他妈的！” 围观的人喊道。 当炼油厂开始起火时，身份不明的摄影师用无奈的语气说：“这就是正在发生的事情，伙计们。” 那么这种无人机是何方神圣呢？是厦门产的Mugin-5 Pro 5000mm 无人机。...

最近推出的ChatGPT在与云计算和人工智能（AI）相关的行业领域引起了广泛关注。微软、谷歌和百度等科技巨头都构建了基于“生成式人工智能”技术的产品和服务。下载内容：GPU研究框架（2023）SOC芯片研究框架（2022）信创研究专题框架从软件算法生态看GPU发展与局限NVIDIA GPU架构白皮书1、A100 Tensor Core GPU技术白皮书2、Kepler GK110-GK210架构白皮书3、Kepler GK110-GK210架构白皮书4、Kepler GK110架构白皮书5、Tesla P100技术白皮书6、Tesla V100 GPU架构白皮书7、Turing GPU 架构白皮书GPU技术专题下载链接深度报告：GPU研究框架CPU和GPU研究框架合集根据TrendForce的最新报告《从AIGC AI应用程序开发的趋势和挑战》，这一新的兴趣浪潮有望为GPU和AI芯片的供应链参与者带来好处。这些参与者包括英伟达、台积电、欣兴电子和AIChip等。然而，在采用生成式AI支持的产品和服务以及与功能相关的优化方面存在挑战。此外，用户体验是人工智能技术的核心，涉及个人信息的保护和内容请求的准确响应。因此，随着生成式AI进入下一发展阶段，监管问题可能会出现。TrendForce表示，生成式AI代表了不同类型算法、预训练模型和多模式机器学习的集成。值得注意的包括生成对抗网络（GAN）、对比语言图像预训练（CLIP）、变压器和扩散。生成式AI在现有数据或批量信息中寻找规律，高效输出内容，适用于数据采集分析、社交互动、文案撰写等场景。目前市场上已经有很多基于生成式AI的应用，最常见的输出类型包括文本、图像、音乐和软件代码。数据、算力和算法是驱动生成式AI发展不可或缺的三大要素。此外，虽然基于AI的产品和服务相对容易构建，但优化它们却要困难得多。在这方面，主要的云公司处于更有利的位置，因为它们拥有大量的必要资源。在这些产品的开发者看来，现有的ChatGPT等聊天机器人，不仅可以用自然语言与用户对话，也能在一定程度上满足“理解”用户输入的需求。因此，更好地理解用户需要或期望的能力反过来可以为用户的查询和响应提供进一步的建议。而由于使用互联网搜索引擎已成为全球大多数人的习惯，各大云公司最紧迫的任务就是不断优化自己的搜索引擎。TrendForce最新调查发现，谷歌在全球互联网搜索引擎市场仍是绝对领先者，市场占有率超过90%。微软及其Bing目前的市场份额仅为3%，短期内不太可能构成重大威胁。然而，Bing正在获得更多的用户，这些用户可以为其数据反馈和模型优化周期做出贡献。因此，谷歌必须警惕微软在搜索相关服务中创造差异化的机会，并抓住在线广告领域的机会。中国台湾的AI芯片和eMemory将从GPU和AI相关芯片的需求增长中获利生成式AI需要海量数据进行训练，部署大量高性能GPU有助于缩短训练时间。就作为ChatGPT基础的生成式预训练转换器（GPT）而言，用于开发这种自回归语言模型的训练参数数量从2018年的约1.2亿增加到2020年的近1800亿。据TrendForce估计，2020年GPT模型处理训练数据所需的GPU数量达到2万左右。展望未来，ChatGPT商业化所需的GPU数量预计将达到30000个以上。以上预估使用英伟达的A100作为计算基础。因此，随着生成式AI成为一种趋势，预计对GPU的需求将大幅上升，从而使相关供应链的参与者受益。例如，英伟达可能会从生成式AI的发展中获益最多，其DGX A100是AI相关工作负载的通用系统，可提供5 PB的流量，几乎成为大数据分析和人工智能加速的首选。除了英伟达，AMD也相继推出了MI00、MI200、MI300系列服务器芯片，广泛应用于AI驱动的应用。对于相关供应链中的中国台湾公司，台积电将继续作为先进计算芯片的主要代工厂发挥关键作用。南亚PCB、景硕科技和欣兴电子是台湾ABF基板的供应商，可以利用这一波新兴的需求浪潮。ChatGPT已成为人工智能相关产品和服务的领导者，它使消费者能够以非常方便和互动的方式使用该技术。未来，TrendForce预计，处于早期开发阶段的生成式AI将主要进入语音客服、语音助手、游戏、零售等应用领域。由于该市场的主要参与者仍在优化其产品，因此体量较小的参与者在开发新产品方面也受到限制。TrendForce认为，生成式AI的持续增长取决于下一代产品和服务是否会被消费者视为既创新又实用。除了产品开发之外，涉及生成式AI的行业还将面临与机器学习法规和培训资源相关的挑战。人们已经担心，提供ChatGPT等产品和服务的公司是否能够保护用户的数据隐私，并确保新闻等特定类型的内容“准确”或“真实”。除此之外，还有遵守当地法律法规的问题。在训练资源方面，AI模型的有效优化取决于知识平台服务商是否做好了各类数据的整理、筛选、整合工作，然后将这些数据交给AI模型开发人员进行训练。