在生物模拟神经形态计算的磁性神经元中存在形状异性依赖性泄漏

科学领域:

• 神经形态工程的神经形态工程
• 这就是Spintronics.
• 人工智能的人工智能

背景情况:

• 尖端神经网络 (SNN) 旨在利用人工神经元和突触复制生物计算.
• 螺旋电子设备提供了一条模拟神经元功能的途径,例如使用磁现象集成和发射的神经元功能.
• 泄漏的整合和发射 (LIF) 行为对于神经元放松至关重要,在自旋电子原型中仍未得到充分探索.

研究的目的:

• 为了研究能够进行LIF行为的人工神经元的域壁磁道结 (DW-MTJ) 装置.
• 为了证明和分析可调节的LIF操作的几何依赖性泄漏动态.
• 探索增强神经元表达力的方法,而不影响泄漏动态.

主要方法:

• 五种不同的DW-MTJ设备设计的制造和表征.
• 系统调整设备几何形状,刺激场/电流以及接触器的位置.
• 实现不对称的口,以诱导非线性固定.
• 使用测量DW-MTJ神经元行为模拟一个尖端的神经网络.

主要成果:

• 证明了取决于几何形状的泄漏动力学,使得DW-MTJ神经元中的可重复和可调节的LIF操作.
• 通过操纵设备几何形状,刺激和接触位置,展示了广泛的神经元行为.
• 通过不对称的口引入非线性固定,增加神经元表达力,同时保持泄漏.
• 使用DW-MTJ神经元模拟的SNN的性能优于1D连续DW运动模型.

结论:

• DW-MTJ人工神经元具有模拟LIF功能,将多个可取的神经元功能集成到单个设备中.
• 证明了可调整的LIF行为和增强的表达力为多功能神经形态计算铺平了道路.
• 这项工作推动了高效和多功能旋转型神经形态硬件的开发.