Antiferromagnet-Based Neuromorphics Using Dynamics of Topological Charges
我们提出了一个基于自旋电子学的硬件实现的神经形态计算，特别是尖峰神经网络，使用拓扑绕组纹理在一维反铁磁体。这种网络的一致性强调在光的拓扑电荷守恒，和自然的时空相互转换的磁绕组。我们讨论了实现泄漏的集成和消防行为的神经元和尖峰时间依赖的可塑性突触。我们的提议为基于反铁磁绝缘体的全自旋神经形态平台开辟了可能性。
2020-11-13 cond-mat.mes-hall physics.app-ph
Field Free Spin-Orbit Torque Controlled Synapse and Stochastic Neuron Devices for Spintronic Boltzmann Neural Networks
本研究提出无场自旋轨道转矩控制的突触和随机神经元器件，集成于玻尔兹曼机，在MNIST和Fashion MNIST上分别实现98%和86%的识别准确率，推动全自旋电子神经形态硬件发展。
2025-10-07 cond-mat.dis-nn cond-mat.mtrl-sci physics.app-ph
Hafnia-based Double Layer Ferroelectric Tunnel Junctions as Artificial Synapses for Neuromorphic Computing
基于铪锆氧化物（Hf 1-xZrxO 2; HZO）的铁电隧道结（FTJ）在未来的应用中是一个很有前途的候选者，例如低功耗存储器和神经形态计算。隧道电阻（TER）是可调的，通过极化状态的HZO膜。为了规避在1-3 nm范围的隧穿范围内制造薄铁电HZO层的挑战，使用夹在两个对称金属电极之间的铁电/电介质双层。由于铁电极化存储层和具有较高带隙的介电隧穿层的去耦，获得了两个极化状态之间的显著TER比。通过利用先前报道的开关行为和电阻的逐渐可调性，FTJ可以用作尖峰神经网络中神经形态计算的突触仿真的潜在候选者。示出了突触的两个主要组成部分的实现：通过改变施加到人工FTJ突触的电压脉冲的幅度/宽度/数量的长期抑制/增强，以及通过在每个电极处施加时间延迟的电压的尖峰定时依赖性可塑性曲线。这些实验结果显示了尖峰神经网络和神经形态计算的潜力，可以用基于神经网络的FTJ来实现。
2021-07-02 cond-mat.mtrl-sci cs.ET physics.app-ph
Improvement of FTJ on-current by work function engineering for massive parallel neuromorphic computing
基于HfO 2的铁电隧道结（FTJ）在神经形态应用中表现出有吸引力的特性。超低功耗多电平开关能力与低导通电流密度的结合表明了其在大规模并行计算电路中的应用。在这项工作中，我们讨论了一个示例电路的差分突触细胞具有多个并联连接的FTJ设备。此外，从电路要求中，我们推断出电流的绝对差（Ion-Ioff）是比隧穿电阻比（TER）更关键的品质因数。在此基础上，我们讨论了FTJ器件优化的潜力，通过电极功函数工程在双层HZO/Al 2 O3 FTJ。
2022-11-01 cond-mat.mtrl-sci cs.ET physics.app-ph
Unsupervised Competitive Hardware Learning Rule for Spintronic Clustering Architecture
我们提出了一个新的自旋电子计算架构内的无监督聚类的硬件学习规则。所提出的方法利用畴壁磁隧道结器件的三端结构来建立反馈回路，该反馈回路用于当这些器件用作类脑计算架构中的突触时对它们进行训练。
2020-03-24 cs.ET cs.NE physics.app-ph
Field-free current-induced magnetization switching of a room temperature van der Waals magnet for neuromorphic computing
基于Fe3GaTe2/MnPt异质结构实现室温无磁场SOT磁化翻转，并利用电流脉冲模拟人工突触在CNN中实现约92.8%高精度模式识别，为磁存储和类脑计算提供可行方案。
2024-12-24 physics.app-ph
A perspective on physical reservoir computing with nanomagnetic devices
University of Sheffield（谢菲尔德大学）；University of York（约克大学）
神经网络已经彻底改变了人工智能领域，并将变革性应用引入了几乎每个科学领域和行业。然而，这一成功是有代价的;训练高级模型所需的能源是不可持续的。解决这一紧迫问题的一个有希望的方法是开发直接支持算法要求的低能耗神经形态硬件。自旋电子器件固有的非易失性、非线性和记忆性使它们成为神经形态器件的有吸引力的候选者。在这里，我们专注于储备池计算范例，一个循环网络与一个简单的训练算法，适合与自旋电子器件的计算，因为它们可以提供非线性和记忆的属性。我们审查的技术和方法开发neuromorphic自旋电子器件，并得出结论，关键的开放问题，以解决这种设备被广泛使用之前。
2022-12-09 cs.ET cs.LG physics.app-ph
Ionic Sieving Through One-Atom-Thick 2D Material Enables Analog Nonvolatile Memory for Neuromorphic Computing
第一份关于通过原子薄2D材料的原子筛的离子输运的报告被提供以解决电化学随机存取存储器（ECRAM）设备的关键限制。
2021-09-30 cs.ET physics.app-ph
Quantum materials for energy-efficient neuromorphic computing
类脑计算方法变得越来越重要，因为我们解决了未来的需要，有效地处理大量的数据。量子材料的独特属性可以通过实现新的节能设备概念来帮助解决这些需求，这些概念可以在硬件层面实现神经形态的想法。特别是，强相关性会产生高度非线性的响应，例如可以用于短期和长期塑性的导电相变。类似地，磁化动力学是强非线性的，并且可以用于数据分类。本文讨论了这些方法的选择的例子，并提供了一个视角，目前的机遇和挑战，组装量子材料为基础的设备的神经形态功能到更大的紧急复杂的网络系统。
2022-04-04 cond-mat.mtrl-sci cs.ET cs.NE
Emulation of Synaptic Plasticity on Cobalt based Synaptic Transistor for Neuromorphic Computing
神经形态计算（NC），它模拟人类大脑的神经活动，被认为是人工智能的低功耗实现。为了实现NC，制造和研究的硬件元件，如突触设备和神经元是必不可少的。电解质门控已被广泛用于通过大量载流子注入进行电导调制，并且已被证明是模拟生物突触的有效方式。突触晶体管形式的突触器件已经使用各种各样的材料进行了研究。然而，对基于金属沟道的突触晶体管的研究仍远未探索。在这里，我们展示了一个三端钴基突触晶体管来模拟生物突触。我们实现了门控多电平，非易失性的导电状态，在建议的设备。该设备可以成功地模拟基本的突触功能，证明短期和长期的可塑性。通过调节门脉冲幅度和持续时间，实现了从短时记忆到长时记忆的转变。关键的认知行为，学习、遗忘和再学习，已经被模仿，显示出与人脑的相似之处。随着学习和记忆，该设备显示出动态过滤行为。这些结果提供了一个深入的金属通道为基础的突触晶体管的神经形态计算的设计。
2021-09-20 cond-mat.mtrl-sci cs.ET physics.app-ph
Schottky Barrier MOSFET Enabled Ultra-Low Power Real-Time Neuron for Neuromorphic Computing
本文提出基于肖特基势垒MOSFET的超低功耗压控电流源，利用多晶硅与镍形成的背对背肖特基结实现超低导通电流，为神经形态计算提供高能效实时神经元。
2023-04-17 cs.ET physics.app-ph
Full Electrical Switching of a Freestanding Ferrimagnetic Metal for Energy-Efficient Bipolar Neuromorphic Computing
Beihang University（北京航空航天大学）；Nanjing University of Posts and Telecommunications（南京邮电大学）；Beijing University of Technology（北京工业大学）；Institute of Physics, Chinese Academy of Sciences（中国科学院物理研究所）
通过水溶性牺牲层实现自由悬挂铁磁金属膜的全电气开关，用于高效双极神经形态计算。
2025-12-07 cond-mat.mes-hall cond-mat.mtrl-sci physics.app-ph
Neuromorphic spintronics accelerated by an unconventional data-driven Thiele equation approach
本文提出一种基于单个自旋矩涡旋纳米振荡器时间复用的神经网络，通过改进的数据驱动 Thiele 方程模型实现快速精确仿真，并在波形分类、语音识别和图像识别任务中验证了其高效性与应用潜力。
2023-04-18 cs.ET eess.SP physics.app-ph
Challenges in materials and devices for Resistive-Switching-based Neuromorphic Computing
本教程描述了实现模拟生物大脑的固态系统组件的挑战和可能的途径。本教程主要致力于使用过渡金属氧化物材料的基于电荷（即电控）的实现，这些材料具有独特的特性，可以模拟该应用所需的关键功能。在引言中，我们比较了基于图灵-冯·诺依曼范式的传统计算机器与试图模拟生物大脑重要功能的神经形态机器之间的主要差异。我们还描述了生物系统的主要电特性，这将是有用的，以实现在基于电荷的系统。在第二章中，我们描述了一个可能的固态实现的主要组成部分。在第三章中，我们描述了各种电阻开关现象，这可能是实现神经形态计算的关键设备的功能基础。在第四章中，我们描述了为什么过渡金属氧化物是未来神经形态机器的有前途的材料。第五章讨论了描述不同阻变机制的理论模型，而第六章描述了现有的实现。第七章介绍了对实际问题的应用。我们在第八章中列出了重要的基础研究挑战和未决问题。我们讨论与具体实施，新材料，设备和现象相关的问题。开发可靠、容错、节能的设备，将其扩展并集成到神经形态计算机中，可能会使我们更接近于开发一种可与大脑相媲美的机器。
2018-10-31 cond-mat.mtrl-sci cs.ET physics.app-ph
A Superconducting Nanowire-based Architecture for Neuromorphic Computing
类脑计算准备通过利用改进的定制硬件来进一步实现基于软件的神经网络的成功。然而，翻译的神经形态算法的硬件规格是一个问题，一直很少探索。构建超导神经形态系统需要在超导物理学和理论神经科学方面的广泛专业知识。在这项工作中，我们的目标是通过提出一种工具和方法来将算法参数转换为电路规格来弥合这一差距。我们首先展示了理论神经科学模型和我们的电路拓扑动态之间的对应关系。然后，我们应用这个工具来解决线性系统，通过实现一个脉冲神经网络与我们的超导芯片为基础的硬件。
2022-08-02 cond-mat.supr-con cs.ET physics.app-ph
Physics for Neuromorphic Computing
类脑计算从大脑中获得灵感，为信息处理创建节能硬件，能够执行高度复杂的任务。在这篇文章中，我们提出的情况下，建立这种新的硬件需要重新发明电子产品。我们表明，物理学和材料科学的研究将是创造人工纳米神经元和突触的关键，将它们大量连接在一起，将它们组织在复杂的系统中，并有效地利用它们进行计算。我们描述了一些研究人员如何选择从人工智能中获得灵感，朝着这个方向前进，而其他人则更喜欢从神经科学中获得灵感，我们强调了最近通过这两种方法获得的惊人结果。最后，我们讨论了神经形态物理学的挑战和前景，其中包括携手开发算法和硬件，在小型玩具系统方面取得重大进展，以及构建大规模网络。
2020-03-08 cs.ET physics.app-ph
Photonics for artificial intelligence and neuromorphic computing
由于光子集成平台上光电元件的激增，光子计算的研究蓬勃发展。光子集成电路使超快人工神经网络成为可能，为一类新的信息处理机器提供了框架。在这样的硬件上运行的算法有可能满足医疗诊断、电信以及高性能和科学计算等领域对机器学习和人工智能日益增长的需求。与此同时，神经形态电子学的发展突出了该领域的挑战，特别是与处理器延迟相关的挑战。神经形态光子学提供了亚纳秒级的激光，为扩展人工智能领域提供了一个互补的机会。在这里，我们回顾了集成光子神经形态系统的最新进展，讨论了当前和未来的挑战，并概述了满足这些挑战所需的科学和技术的进步。
2020-11-12 cs.NE physics.app-ph physics.optics
Neuromorphic Computing through Time-Multiplexing with a Spin-Torque Nano-Oscillator
制造拇指大小的强大神经形态芯片需要将它们的基本单元：突触和神经元进行计算机化。神经元面临的挑战是将它们缩小到亚微米直径，同时保持允许可靠的信息处理的特性：高信噪比，耐久性，稳定性，可重复性。在这项工作中，我们证明了紧凑的自旋扭矩纳米振荡器可以自然地实现这样的神经元，并量化它们实现实际认知任务的能力。特别是，我们表明，他们可以自然地实现高性能的储备池计算，并详细说明了这种能力的配方。
2019-04-25 cs.ET physics.app-ph
High Performance TiO2 Ferroelectric Field Effect Transistors with HfZrO2 for Neuromorphic Computing
University of Delaware（特拉华大学）；United Semiconductors（联合半导体）
本文研究了采用HfZrO2铁电介质层和底部栅极拓扑结构的TiO2铁电场效应晶体管，通过改变铁电栅极堆叠厚度和源漏长度及栅长，实现了高开关比和低漏电流的高性能器件，具有大记忆窗口和高可靠性。
2026-05-19 physics.app-ph
Spin splitting torque enabled artificial neuron with self-reset via synthetic antiferromagnetic coupling
Nanyang Technological University（南洋理工大学）；Indian Institute of Technology Roorkee（印度理工学院鲁尔基分校）
本研究提出一种基于自旋分裂扭矩和合成反铁磁耦合的自旋电子学神经元，通过垂直极化自旋实现自重置功能，并在MNIST和N-MNIST数据集上实现了高准确率的SNN应用。
2026-02-02 physics.app-ph
Single-electron tunneling PbS/InP neuromorphic computing building blocks
我们研究了晶体PbS/InP结的单电子隧穿（SET）特性，该结具有单电子库仑阻塞阶梯以及记忆和记忆衰退行为。这就产生了短期和长期的可塑性，以及一个方便的非线性响应，使这种结构的神经形态计算应用程序的吸引力。为了进一步了解这一前景，我们预测典型的行为相关的领域，通过外推的SET框架中的实验数据。突触操作所需的估计的最小能量为1 fJ的量级，而操作的最大频率可以达到MHz范围。
2019-08-22 cond-mat.mes-hall cs.ET physics.app-ph
Antiferromagnetic Skyrmion based Energy-Efficient Leaky Integrate and Fire Neuron Device
基于纳米轨道上反铁磁（AFM）skyrmion运动的自旋电子器件的节能神经形态硬件的发展已经获得了相当大的兴趣。由于其性质，如对外部磁场的鲁棒性，可忽略的杂散场，和零净拓扑电荷，AFM skyrmions遵循直线轨迹，防止其湮灭在纳米级赛道边缘。这使得原子力显微镜skyrmion一个更有利的候选人超过铁磁（FM）skyrmion为未来的自旋电子应用。这项工作提出了一种基于AFM skyrmion的神经元器件，通过在纳米轨道中利用热梯度或垂直磁各向异性（PMA）梯度，通过在最小化系统能量的方向上移动skyrmion来实现泄漏行为，从而表现出泄漏-积分-激发（LIF）功能。此外，它示出的AFM skyrmion有效地耦合到一个磁性隧道结的软磁层，使有效读出的skyrmion。探测AFM skyrmion时，隧道磁电阻（TMR）的最大变化为9.2%。此外，所提出的神经元器件具有能量耗散的4.32 fJ每LIF操作，因此，铺平了道路，开发高能效的设备，在反铁磁自旋电子学的神经形态计算。
2022-07-21 physics.app-ph
Magnetic skyrmion artificial synapse for neuromorphic computing
自从十年前磁性skyrmions的实验发现以来，人们一直在努力将虚拟粒子带入全电全功能设备中，这是受到其迷人的物理和拓扑特性的启发，适用于未来的低功耗电子器件。在这里，我们实验证明这样一个设备：电操作skyrmion为基础的人工突触设备设计的神经形态计算。我们提出，控制电流诱导的创建，运动，检测和删除的skyrmions在亚铁磁多层膜可以利用在一个单一的设备在室温下模仿生物突触的行为。使用模拟，我们证明了这种基于skyrmion的突触可以用于使用手写识别数据集执行神经形态模式识别计算，达到约89个字母的准确度，与基于软件的训练准确度约94个字母相当。芯片级仿真则突出了skyrmion突触与现有技术相比的潜力。我们的研究结果通过实验说明了基于skyrmion的全功能电子设备的基本概念，同时在新兴的基于自旋电子学的生物启发计算领域提供了一个新的构建模块。
2019-09-30 cs.ET physics.app-ph
Parallel nonlinear neuromorphic computing with temporal encoding
本文提出一种基于时空超表面时间编码的并行非线性神经形态处理器，实现多通道信息叠加，兼具高线性和非线性，实验验证了多标签识别、多任务并行及动态记忆能力。
2025-06-09 cs.NE physics.app-ph
Ultra-low Power Domain Wall Device for Spin-based Neuromorphic Computing
神经形态计算（NC）作为一种实现低功耗智能设备的潜在技术正在获得广泛的认可。为了实现NC，研究人员研究了各种类型的合成神经元和突触器件，如忆阻器和自旋电子畴壁（DW）器件。相比之下，基于DW的神经元和突触具有潜在的更高的耐力。然而，为了实现低功率器件，需要低能量（通常低于pJ/bit）的DW运动。在这里，我们证明了畴壁运动在电流密度低至1 E6 A/m2通过定制的β-W自旋霍尔材料。通过我们的设计，我们实现了超低的钉扎场和电流密度降低了10000倍。将畴壁移动约20微米的距离所需的能量为0.4fJ，其转化为对于20 nm的位长度的0.4aJ/位的能量消耗。利用曲折畴壁器件结构，我们已经建立了一个突触应用的受控DW运动，并显示了超低能量自旋为基础的神经形态元素的方向。
2020-07-24 cond-mat.mes-hall physics.app-ph
Stochastic Dynamics of Diffusive Memristor Blocks for Neuromorphic Computing
Loughborough University（拉夫堡大学）
本文研究了基于扩散膜电阻的神经块的随机动力学，通过数值模拟和实验揭示了特定神经元配置的脉冲激活机制，为类脑计算系统的发展提供了新思路。
2026-02-03 cond-mat.mes-hall physics.app-ph
Microwave neural processing and broadcasting with spintronic nano-oscillators
我们能否构建能够训练具有数十亿参数的深度网络的小型神经形态芯片？这一挑战需要具有纳米尺寸的硬件神经元和突触，这些神经元和突触可以单独调整并密集连接。虽然近年来人们一直在积极研究纳米突触器件，但在纳米级人工神经元上的研究却少得多。在本文中，我们表明，自旋电子纳米振荡器有希望实现模拟硬件神经元，可以通过电磁信号密集互连。我们展示了自旋电子振荡器如何映射人工神经元的要求。然后，我们通过实验展示了四个耦合振荡器的合奏如何学习分类所有12个美国元音，实现纳米级神经元执行的最复杂的任务。
2019-04-25 cs.ET physics.app-ph
A high-performance MoS2 synaptic device with floating gate engineering for Neuromorphic Computing
二硫化钼（MoS 2）作为二维硫族化合物家族中最重要的成员之一，在低维电子、光电和压电设计的发展中发挥着重要作用。在这里，我们展示了一种新的方法，固态突触晶体管使用二维二硫化钼浮栅存储器。通过使用一个扩展的浮栅架构，它允许该设备在近理想的亚阈值摆幅为77 mV/十年以上的漏极电流的四十年，我们已经实现了一个电荷隧道为基础的突触存储器的性能媲美的最先进的神经形态设计。该装置成功地展示了生物突触的各种特征，包括通道电导的脉冲增强和松弛，以及尖峰时间依赖性可塑性（STDP）。我们的设备返回了出色的能效数据，并为未来的神经形态应用提供了一个基于二维纳米片的强大平台。
2019-04-06 cond-mat.mes-hall cs.ET physics.app-ph
A design of magnetic tunnel junctions for the deployment of neuromorphic hardware for edge computing
本文提出一种具有自由层和双极化层的磁性隧道结设计，可在单一器件内实现sigmoid激活函数及其梯度的前向与反向传播计算，实验表明其对器件差异和噪声鲁棒，在Fashion MNIST和CIFAR-100上精度损失分别仅为0.1%和2%，有效支持边缘计算中的迁移学习。
2024-09-04 cs.ET physics.app-ph
Maximized Lateral Inhibition in Paired Magnetic Domain Wall Racetracks for Neuromorphic Computing
侧抑制是神经形态计算中的一个重要功能，它模仿生物神经元的行为，即放电神经元使属于同一层的相邻神经元失活并阻止它们放电。在大多数神经形态硬件平台中，侧抑制由外部电路实现，从而降低了能量效率并增加了此类系统的面积开销。最近，畴壁-磁隧道结（DW-MTJ）人工神经元在建模中被证明具有固有的抑制性。在没有外围电路的情况下，DW-MTJ神经元中的侧向抑制是由相邻神经元细胞之间的静磁相互作用引起的。然而，在DW-MTJ神经元的侧抑制机制尚未得到彻底的研究，导致弱抑制只有在非常紧密的设备。这项工作通过模拟一对相邻DW-MTJ神经元中的电流和场驱动的DW运动来解决这些问题。我们通过调节神经元之间的磁相互作用来最大化侧抑制的幅度。解释的结果是由电流驱动的DW的速度特性响应于外部磁场和量化的分析模型。最后，侧抑制强度的依赖关系的设备参数进行了研究。这为在DW-MTJ神经元中优化侧抑制的实现提供了指导。随着强侧抑制的实现，一条通往竞争性学习算法的道路，如赢家通吃，在这种神经形态设备上成为可能。
2019-12-10 cond-mat.mes-hall physics.app-ph
A semi-analytical model to simulate the spin-diode effect and accelerate its use in neuromorphic computing
自旋二极管效应的实验研究和我们原来的半解析方法。后者是基于改进版本的Thiele方程的方法（TEA），我们结合微磁模拟数据，以准确地模拟自旋扭矩涡旋振荡器（STVO）的非线性动力学。这种称为数据驱动的Thiele方程方法（DD-TEA）的原始方法吸收了分析模型和微磁模拟之间的差异，以提供超快速和定量的模型。DD-TEA模型的预测也非常符合实验数据。反转的自旋二极管效应与手性的旋涡，输入电流的影响和在一半的STVO频率的变化的起源，以及模型再现实验行为的能力。最后，自旋二极管效应和它的模拟使用DD-TEA模型进行了讨论，作为一个有前途的前景，在神经形态计算的框架。
2023-01-27 cond-mat.mes-hall physics.app-ph
Reconfigurable cascaded thermal neuristors for neuromorphic computing
该研究提出基于二氧化钒相变的热神经晶体管新型尖峰振荡器，实现可重构类神经元电行为与热交互级联信息流，构建理论模型匹配实验，为可扩展高能效热神经网络及类脑计算奠定基础。
2023-10-06 cs.ET physics.app-ph
An experimental demonstration of neuromorphic sensing of chemical species using electro-optical reservoir computing
首次实验演示基于光子储备池计算的化学物质识别系统，通过任务特定优化实现对三种化学物质的识别，验证了内置智能的下一代神经形态传感器的可行性。
2024-10-15 physics.app-ph physics.class-ph physics.ins-det
Shape-based Magnetic Domain Wall Drift for an Artificial Spintronic Leaky Integrate-and-Fire Neuron
基于畴壁（DW）运动通过铁磁纳米线轨道的自旋电子器件作为神经形态信息处理系统的组成部分受到了极大的关注。以前的自旋电子人工神经元的提议需要外部刺激来执行泄漏功能，这是泄漏集成和激发（LIF）神经元的三个基本功能之一。这种外部磁场或电流刺激的使用导致能量效率的降低或制造复杂性的增加。在这项工作中，我们修改了之前展示的三端磁隧道结神经元的形状，以在没有任何外部刺激的情况下执行泄漏操作。梯形结构导致基于形状的DW漂移，因此本质上提供了泄漏功能而没有硬件成本。因此，这种LIF神经元有望推动自旋电子神经网络交叉阵列的发展。
2019-05-14 cond-mat.mes-hall cs.ET physics.app-ph
Event-Based Simulation of Stochastic Memristive Devices for Neuromorphic Computing
Imperial College London（伦敦帝国理工学院）
本文提出了一种基于事件的忆阻器建模框架，用于模拟类脑计算系统，通过波动状态变量和读出方程改进了忆阻器的动态行为和突触功能。
2025-11-29 cs.ET cs.NE physics.app-ph
Domain Wall Leaky Integrate-and-Fire Neurons with Shape-Based Configurable Activation Functions
互补金属氧化物半导体（CMOS）器件显示易失性特性，并且不太适合于诸如类脑计算的模拟应用。另一方面，自旋电子器件具有非易失性和模拟特性，非常适合类脑计算。因此，这些新型器件处于超CMOS人工智能应用的最前沿。然而，大量的这些人工神经形态设备仍然需要使用CMOS，这降低了系统的效率。为了解决这个问题，我们之前已经提出了一些不需要CMOS操作的人工神经元和突触。虽然这些设备比以前的版本有了显著的改进，但它们使神经网络学习和识别的能力受到其固有激活函数的限制。这项工作提出了修改这些自旋电子神经元，使配置的激活函数通过控制磁畴壁轨道的形状。线性和S形激活函数在这项工作中，它可以通过类似的方法进行扩展，使各种各样的激活函数。
2020-11-11 cond-mat.mes-hall cs.ET cs.NE
