文献翻译(四)

本研究介绍了一种基于SrCoO(_x)的拓扑相变随机存取存储器（TPT-RAM），用于神经形态计算和神经网络剪枝。TPT-RAM具备独特的扩散性非易失双模式特性，通过氧离子迁移精确控制相变，实现模拟开关特性，减少变异性。研究通过密度泛函理论和动力学蒙特卡罗模拟揭示了方向依赖型开关机制。双模式TPT-RAM在模拟突触选择性稳定过程和神经网络剪枝中表现出色，减少了84.2%的冗余突触，同时将图像分类精度提升至99%。与传统RRAM相比，SCO(110)pc原子级空间均匀性显著提高，表现出高性能模拟切换特性。TPT-RAM在深度学习算法下实现神经网络自动剪枝，节省63%功耗，提高MNIST识别任务准确率至约99%，展现了其在神经形态计算中的优势。