Extração de características de imagem de movimento através da dinâmica de memória modulada por tensão em um transistor de filme fino Igzo

O reconhecimento de imagem de movimento é um componente crítico dos aplicativos da Web das Coisas (IoT), necessitando de técnicas avançadas de processamento para dados espaço -temporais. As redes neurais convencionais de feedforward (FNNs) geralmente deixam de capturar efetivamente dependências temporais. Neste trabalho, propomos um transistor de filmes finos de Óxido de zinco de gálio (Igzo) (TFT), fechado por um óxido de hafnium (HFO_x) Camada dielétrica, exibindo dinâmica de memória de desbotamento modulada por voltagem. O dispositivo exibe respostas de corrente transitória induzidas pela migração de vaga de oxigênio, modulando dinamicamente a condutância do canal e permitindo a transformação de sequências de séries temporais de 4 bits em 16 estados distintos. Essa abordagem aprimora o processo de extração de recursos para imagens do histórico de movimento, equilibrando o decaimento transitório das contribuições individuais do quadro com o efeito cumulativo da sequência de movimento. A avaliação sistemática identifica uma altura supreme de pulso de 2,5 V, alcançando uma precisão de classificação de direção de movimento de 93,9%. Por outro lado, simulações sob condições de memória não volátil exibem retenção estática, levando a trajetórias simétricas e precisão de classificação significativamente baixa (49,6%). Para melhorar ainda mais o processamento de dados temporais, introduzimos o grau de separação de estado (DS) como uma métrica para quantificar a uniformidade da distribuição de estado e identificar condições ideais de pulso. Este trabalho avança o desenvolvimento de dispositivos neuromórficos para o processamento eficiente de dados da série temporal, fornecendo informações valiosas sobre a interação entre a dinâmica da memória desbotada e o desempenho da rede neural.