認知神經網絡新進展 自旋電子神經元的節能調節

人腦可以高效地執行高度復雜的任務，例如圖像和語音識別，而其能量預算卻比當今的計算機低得多。因此，幾十年來，開發能效仿腦啟發性過程的高能效且可調的人工神經元一直是主要的研究目標。

哥德堡大學和東北大學的研究人員共同報告了這一方向上的重要實驗進展，展示了一種新型的電壓控制自旋電子微波振蕩器，該振蕩器能夠模仿人類大腦的非線性振蕩神經網絡。

該研究小組開發了一種電壓控制自旋電子振蕩器，其性能可以大大降低，而能耗卻可以忽略不計。“這是一項重要的突破，因為這些所謂的自旋霍爾納米振蕩器（SHNO）可以充當相互作用的基于振蕩器的神經元，但迄今為止卻缺乏節能的調整方案，這是訓練認知神經網絡的必不可少的先決條件該研究的合著者深谷俊輔宣布。“發達技術的擴展還可以驅動大型復雜振蕩神經網絡中每對自旋電子神經元之間突觸相互作用的調節。”

今年早些時候，哥德堡大學的JohanÅkerman研究小組首次展示了可容納100個SHNO的2D相互同步陣列，同時占用的面積小于平方微米。該網絡可以模仿我們大腦中的神經元互動，并執行認知任務。但是，訓練這種人工神經元對不同輸入產生不同響應的主要瓶頸是缺少控制這種網絡內部單個振蕩器的方案。

約翰·阿克曼（JohanÅkerman）小組與東北大學的大野秀夫（Hideo Ohno）和深谷俊介（Shunsuke Fukami）合作，開發了由超薄W / CoFeB / MgO材料疊層制成的蝶形領結型自旋霍爾納米振蕩器，該振蕩器具有附加的電壓控制門功能。地區。利用稱為壓控磁各向異性（VCMA）的效應，可以直接控制由幾個原子層組成的CoFeB鐵磁體的磁和磁動力學性質，以修改微波頻率，幅度，阻尼，從而改變閾值電流。 SHNO。

研究人員還發現，在弓形幾何結構中，使用-3至+1 V的電壓時，SHNO的巨大調制幅度高達42％。因此，所展示的方法能夠在由單個全局驅動電流驅動的大型同步振蕩網絡中獨立地打開/關閉各個振蕩器。這些發現也很有價值，因為它們揭示了圖案化磁性納米結構中能量弛豫的新機制。

Fukami指出：“通過對單個自旋電子神經元的動態狀態進行隨時可用的節能獨立控制，我們希望有效地訓練大型SHNO網絡以執行復雜的神經形態任務，并將基于振蕩器的神經形態計算方案擴展到更大的網絡規模。 ”

稿源：TechTMT.Com