硅基物理 Kolmogorov-Arnold 网络实现非线性突触学习，用于锂离子电池动态预测

研究团队在绝缘体上硅器件中实现物理 Kolmogorov-Arnold 网络（KAN），通过训练突触非线性而非线性权重提升任务性能。该器件称为 Synaptic Nonlinear Elements（SYNEs），在室温、微安电流、2 MHz 速度下工作，每次非线性操作约 750 fJ，10^13 次测量及数月时间尺度内未观察到退化。