基本介紹
- 中文名：納流體
- 內容：包含納米顆粒的流體
- 實質：金屬、氧化物、碳化物等
納流體器件,基於納流體的生物分子檢測,套用,
納流體器件
神經形態計算：在大數據時代，數據信息呈爆炸式增長，信息系統追求越來越快、同時也越來越智慧型的信息處理與存儲。然而傳統的計算機是依據馮·諾依曼計算架構與圖靈機兩大概念建立的。在馮·諾依曼計算架構中計算和存儲功能是分離的，兩者速度的不匹配形成了馮·諾依曼瓶頸，且這一差距被越拉越大，限制了信息處理速度和效率的進一步提高。另一方面，圖靈機的狀態跳變是預先確定好的控制規則進行，即它不具有自主學習能力。
神經形態計算借鑑人腦的認知信息處理模式，信息的處理與存儲依靠神經元與突觸均在神經網路中完成，這就實現了存儲計算融合（In-memory computing），克服了馮·諾依曼瓶頸問題。並且，神經形態計算模仿大腦中突觸的可塑性，具有自主學習的能力，即現在炙手可熱的人工智慧（Artificial Intelligence）。因此，神經形態計算被近年來的國際半導體技術路線圖欽定為下一代信息技術的兩大候選之一。
基於納流體的生物分子檢測
基於納米孔的基因測序：在薄膜上製備納米尺度的穿孔（nanopore），然後通過電學或力學、熱學等手段，驅動DNA分子穿過納米孔。由於納米孔的尺寸限制，DNA分子必須以展開的鏈狀形式泳動通過。我們再在納米孔中製備電極或其它檢測手段，測量每一個通過的鹼基物理特性，由此確定鹼基種類，達到測序目的。
基於納米孔的基因測序生物晶片，有望實現1000美元成本的全基因組測序目標，是當前科技研究的熱點之一。然而，該研究也面臨著若干重大挑戰，例如如何有效操控DNA分子通過納米孔的運動，以實現鹼基的測量。再例如，DNA鏈上相鄰鹼基的間距是0.34納米左右，這就要求檢測的電極具有極高的空間解析度，考慮到良率的要求，這對微納加工技術是非常高的挑戰。
一方面，本課題組採用電學、熱學、力學等多種手段嘗試操控DNA分子運動，並採用分子動力學、多尺度物理建模等理論模型模擬納米尺度溝槽中的流體運動、離子以及生物大分子運動。另一方面，積極嘗試新的二維材料實現電學檢測的單鹼基解析度。
套用
1、神經形態計算。當前，神經形態計算研究大體可以分為頂層的算法設計（Algorithms）與底層的器件開發（Devices）。我們研究組致力於開發基於脈衝神經網路（Spiking Neural Network）的底層神經形態器件與頂層人工智慧。
2、基於脈衝神經網路的運動模式識別。底層神經形態器件是指能夠模擬突觸與神經元功能的人工器件。突觸仿真一項最重要的功能是基於脈衝時序的可塑性（Spike-timing dependent plasticity，縮寫STDP），根據頂層算法的不同，STDP具體表現形式也不同，並不拘泥於生物學突觸的表現形式。
3、基於脈衝時序的（突觸）可塑性的多種表現形式。針對某項具體的人工智慧（如運動模式識別、語音識別等），設計基於脈衝神經網路的算法，並採用軟硬體結合的手段最佳化神經網路設計，並據此指導底層人工突觸與神經元器件的研發、組網。
