认知神经网络新进展 自旋电子神经元的节能调节

人脑可以高效地执行高度复杂的任务，例如图像和语音识别，而其能量预算却比当今的计算机低得多。因此，几十年来，开发能效仿脑启发性过程的高能效且可调的人工神经元一直是主要的研究目标。

哥德堡大学和东北大学的研究人员共同报告了这一方向上的重要实验进展，展示了一种新型的电压控制自旋电子微波振荡器，该振荡器能够模仿人类大脑的非线性振荡神经网络。

该研究小组开发了一种电压控制自旋电子振荡器，其性能可以大大降低，而能耗却可以忽略不计。“这是一项重要的突破，因为这些所谓的自旋霍尔纳米振荡器（SHNO）可以充当相互作用的基于振荡器的神经元，但迄今为止却缺乏节能的调整方案，这是训练认知神经网络的必不可少的先决条件该研究的合著者深谷俊辅宣布。“发达技术的扩展还可以驱动大型复杂振荡神经网络中每对自旋电子神经元之间突触相互作用的调节。”

今年早些时候，哥德堡大学的JohanÅkerman研究小组首次展示了可容纳100个SHNO的2D相互同步阵列，同时占用的面积小于平方微米。该网络可以模仿我们大脑中的神经元互动，并执行认知任务。但是，训练这种人工神经元对不同输入产生不同响应的主要瓶颈是缺少控制这种网络内部单个振荡器的方案。

约翰·阿克曼（JohanÅkerman）小组与东北大学的大野秀夫（Hideo Ohno）和深谷俊介（Shunsuke Fukami）合作，开发了由超薄W / CoFeB / MgO材料叠层制成的蝶形领结型自旋霍尔纳米振荡器，该振荡器具有附加的电压控制门功能。地区。利用称为压控磁各向异性（VCMA）的效应，可以直接控制由几个原子层组成的CoFeB铁磁体的磁和磁动力学性质，以修改微波频率，幅度，阻尼，从而改变阈值电流。 SHNO。

研究人员还发现，在弓形几何结构中，使用-3至+1 V的电压时，SHNO的巨大调制幅度高达42％。因此，所展示的方法能够在由单个全局驱动电流驱动的大型同步振荡网络中独立地打开/关闭各个振荡器。这些发现也很有价值，因为它们揭示了图案化磁性纳米结构中能量弛豫的新机制。

Fukami指出：“通过对单个自旋电子神经元的动态状态进行随时可用的节能独立控制，我们希望有效地训练大型SHNO网络以执行复杂的神经形态任务，并将基于振荡器的神经形态计算方案扩展到更大的网络规模。 ”

稿源：TechTMT.Com