CMOS-Free Multilayer Perceptron Enabled by Four-Terminal MTJ Device
类脑计算有望对处理非结构化信息的应用程序进行革命性的改进。为了充分实现这一潜力,神经形态系统应该利用新兴纳米器件的仿生行为。特别是,自旋电子器件的非易失性和模拟能力提供了特殊的机会。虽然先前已经提出了模拟神经元和突触的自旋电子器件,但需要互补金属氧化物半导体(CMOS)器件来实现多层自旋电子感知器交叉开关。因此,这项工作提出了一种新的自旋电子神经元,使纯粹的自旋电子多层感知器,消除了对CMOS电路的需要,简化了制造。
2020-02-03 cond-mat.mes-hall cs.ET cs.NE
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
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
King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学)
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
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
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
Antiferromagnetic Tunnel Junctions for Spintronics
本文综述了反铁磁隧道结在自旋电子学中的基本原理、大隧穿磁阻实现条件及Néel矢量电控翻转机制,并指出其有望在磁阻效应、翻转速度和集成密度上超越传统磁性隧道结。
2024-04-26 cond-mat.mes-hall cond-mat.mtrl-sci 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
Chaos and relaxation oscillations in spin-torque windmill neurons
自旋电子神经元发出尖锐的电压尖峰,需要实现硬件神经网络,使低功耗的快速数据处理。在许多神经科学和计算机科学模型中,神经元被抽象为非线性振荡器。磁性纳米振荡器被称为自旋扭矩纳米振荡器,是在纳米尺度上模仿神经元的有趣候选者。然而,这些振荡器发出正弦波形而没有尖峰,而生物神经元是发出尖锐电压尖峰的弛豫振荡器。在这里,我们提出了一种简单的方法来模仿神经元尖峰在高磁阻纳米级自旋阀,两个磁性层是免费的,薄到足以通过自旋扭矩切换。我们的数值模拟结果表明,风车运动所引起的自旋力矩在建议的自旋电子神经元引起尖峰的形状和频率,设置的充电和放电时间,可以通过注入直流电流的幅度进行调谐。我们还发现,这些设备可以表现出混沌振荡。混沌样神经元动力学已在大脑中观察到,它是可取的,在一些神经形态计算应用程序,而它应该避免在其他。我们证明了混沌的程度可以在很宽的范围内调整工程的磁堆和各向异性,并通过改变直流电流。所提出的自旋电子神经元是利用非线性动力学计算的硬件神经形态芯片的一个有前途的构建块。
2018-10-04 cond-mat.dis-nn 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
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
Resonant tunnelling diode nano-optoelectronic spiking nodes for neuromorphic information processing
在这项工作中,我们介绍了一种光电尖峰人工神经元能够在超快的速度($\approx$ 100 ps/光尖峰)和低能耗($<$ pJ/尖峰)。所提出的系统结合了一个可激发的共振隧穿二极管(RTD)元件表现出负微分电导,耦合到一个纳米级光源(形成一个主节点)或一个光电探测器(形成一个接收器节点)。我们数值研究的尖峰动力学响应和信息传播功能的互连主接收RTD节点系统。使用脉冲阈值和积分的关键功能,我们利用单个节点对顺序脉冲模式进行分类,并执行卷积功能以进行图像特征(边缘)识别。我们还展示了一个光学互连的尖峰神经网络模型,用于以超过10 Gbps的速度处理时空数据,具有很高的推理精度。最后,我们展示了一种片外监督学习方法,利用尖峰时间依赖可塑性的RTD使能的光子尖峰神经网络。这些结果证明了RTD尖峰节点的潜力和可行性,低足迹,低能量,高速光电实现的神经形态硬件。
2021-11-19 cs.ET cs.NE physics.app-ph
Field-Free Switching of Perpendicular Magnetic Tunnel Junction via Voltage-Gated Spin Hall Effect for Low-Power Spintronic Memory
自旋霍尔效应(SHE)和压控磁各向异性(VCMA)是两种很有前途的低功耗磁化电操纵方法。最近,磁场自由切换的垂直磁化通过SHE已被报道与援助的交换偏置从反铁磁IrMn层。在这封信中,我们实验证明,IrMn/CoFeB/MgO结构表现出的VCMA效应为39 fJ/Vm,这是可比的Ta/CoFeB/MgO结构。在SHE和VCMA的组合下的磁化动力学建模和仿真。据发现,通过施加1.5 V的电压,临界SHE开关电流可以降低10倍,由于VCMA效应,导致低功耗操作。此外,高密度自旋电子存储器结构可以用位于单个IrMn条上的多个磁性隧道结(MTJ)来构建。通过混合CMOS/MTJ模拟,我们证明,可以实现快速写操作的功耗只有8.5 fJ/位。这些发现揭示了利用电压门控SHE实现高密度、低功耗自旋电子存储器的可能性。
2018-04-30 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
Using Programmable Graphene Channels as Weights in Spin-Diffusive Neuromorphic Computing
基于石墨烯的自旋扩散(GrSD)的神经网络,在这项工作中,利用本地可调的自旋输运的石墨烯和纳米磁体的非挥发性。通过使用静电门控石墨烯作为自旋电子突触,可以在自旋域中执行加权求和操作,同时可以使用电荷域中的电路对权重进行编程。耦合到磁动力学的四分量自旋/电荷电路模拟用于显示神经元突触功能的可行性,并量化不同自旋弛豫机制下石墨烯的模拟加权能力。通过实现无晶体管权重实现,石墨烯自旋扩散神经网络将每个细胞突触的能耗降低到0.08-0.32 fJ,并且与其数字对应物相比实现了显著更好的可扩展性,特别是随着突触的数量和位精度的增加。
2017-12-02 cond-mat.dis-nn cond-mat.mes-hall 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
Experimental Demonstration of Neuromorphic Network with STT MTJ Synapses
我们提出了第一个实验演示的神经形态网络与磁隧道结(MTJ)突触,通过矢量矩阵乘法进行图像识别。我们还模拟了一个大型MTJ网络执行MNIST手写数字识别,证明MTJ交叉杆可以匹配忆阻器的精度,同时提供更高的精度,稳定性和耐用性。
2021-12-09 cond-mat.mes-hall cs.ET cs.NE
Tunneling magnetoresistance in Mn$_2$Au-based pure antiferromagnetic tunnel junction
反铁磁自旋电子学具有在磁场作用下的超高速和稳定性等优点。为了充分利用这一优点,器件应该是纯的,而不是与铁磁体或亚铁磁体混合。由于反铁磁体中的磁性被不同子晶格中的磁性所抵消,因此打破材料中的对称性可以恢复材料的固有磁性,这可以通过磁阻(MR)效应来检测。在纯AF器件中实现明显的MR效应是困难的,但对于AF自旋电子应用是必要的。本文基于第一性原理散射理论研究了Nb/Mn $_2$ Au/CdO/Mn $_2$ Au/Nb纯AF磁性隧道结(AF-MTJ)的隧道磁电阻(TMR)效应。在某些对称结中预测了1000%量级的巨TMR,这是由于与CdO和Mn $_2$ Au的k依赖复合能带结构相关的界面共振隧穿效应以及界面磁性原子的自旋极化增强所致.研究了偏压和Mn_2Au/CdO界面上的氧空位、锰空位和锰镉交换等界面无序对Mn_2Au/CdO复合材料性能的影响。我们的研究表明Nb/Mn $_2$ Au/CdO/Mn $_2$ Au/Nb AFMTJ是一种很有前途的AF自旋电子学应用材料,而岩盐CdO是一种很有潜力的自旋电子学应用对称滤波材料。
2023-03-18 cond-mat.mtrl-sci 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
Imaging atomic scale stochasticity: noise in the nearly commensurate charge density wave of 1T-TaS$_2$ for leaky-integrator-and-fire neuromorphic emulator
Eindhoven University of Technology(埃因霍温理工大学)
该研究针对1T-TaS₂的近公度电荷密度波噪声,建立介观模型解释其与漏极积分放电神经元动力学的相似性,证实其可作为室温脉冲神经模拟器的非线性元件,助力器件小型化。
2026-08-26 cond-mat.mtrl-sci 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 magneto-mechanical accelerometer based on magnetic tunnel junctions
针对MEMS加速度计在尺寸缩减、功耗及现有自旋电子方案可靠性与成本上的局限,本文提出以MTJ为核心、结合弹性/偶极耦合与自旋电子二极管效应的磁机械加速度计。
2023-07-10 physics.app-ph
Simulating Pattern Recognition Using Non-volatile Synapses: MRAM, Ferroelectrics and Magnetic Skyrmions
该研究构建仿真环境,系统比较MRAM、铁电FET和斯格明子纳米轨道等非易失性自旋电子突触在图像与声音分类神经网络中的性能,以支撑低功耗神经形态硬件设计。
2025-01-07 cond-mat.mes-hall physics.app-ph
Scalable Memdiodes Exhibiting Rectification and Hysteresis for Neuromorphic Computing
金属铌$_{2}$ O $_{5-x}$ -金属memdiodes表现出整流,滞后和电容被证明在神经形态电路的应用。这些器件不需要任何制造后处理,例如通过电铸产生细丝,这将阻碍电路的可扩展性。相反,这些器件由于Poole-Frenkel缺陷控制的传输而操作,其中高缺陷密度是Nb $_{2}$ 0 $_{5-x}$沉积而不是制造后处理所固有的。依赖于温度的测量表明,占主导地位的陷阱能量为0.22 eV,这表明它的结果从氧缺陷的非晶Nb $_{2}$ O $_{5-x}$。整流由于从电子发射到隧穿电流的转变而发生,并且由于控制隧穿距离的电荷捕获而甚至存在于厚器件(> 100 nm)中。导通电压与肖特基势垒高度成线性比例,与传统的金属-绝缘体-金属二极管不同,导通电压与器件厚度成比例。I-V曲线中的滞后是由于陷阱的电流限制填充而发生的。
2019-10-08 cond-mat.mtrl-sci 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
Perspectives and Challenges of Scaled Boolean Spintronic Circuits Based on Magnetic Tunnel Junction Transducers
本文比较基于MTJ的自旋电路与7nm CMOS电路的EDP性能,发现当前自旋技术无法匹敌CMOS,需将MTJ效率提升3-4个数量级才可能超越,但其非易失性在特定高计算低交互场景中具潜力。
2023-06-29 cs.ET physics.app-ph
A Physics-Based Circuit Model for Magnetic Tunnel Junctions
Oakland University(奥克兰大学);University of Gothenburg(哥德堡大学)
研究提出用于磁隧道结的等效电路模型,在LTspice中实现并经LLGS方程数值解验证,能模拟多种自旋电子现象,仿真结果与数值解高度一致,适用于多种应用,可助力MTJs集成及自旋电子电路架构发展。
2026-07-21 cond-mat.mes-hall cond-mat.other physics.app-ph
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
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
Spiking Rate and Latency Encoding with Resonant Tunnelling Diode Neuron Circuits and Design Influences
本研究探索RTD尖峰神经元的速率与潜伏期编码机制,并研究台面半径及电路参数对尖峰特性的影响,展示其在超快八电平信号重建中的应用。
2025-03-27 physics.app-ph
Full-Precision and Ternarised Neural Networks with Tunnel-Diode Activation Functions: Computing and Physics Perspectives
Artificial Intelligence and Cyber Futures Institute(人工智能与未来网络研究所);Charles Sturt University(查尔斯·斯特劳特大学);Seymour Research Laboratories(塞缪尔研究实验室)
本研究提出利用隧道二极管特性作为激活函数,提升深度网络的性能,同时探索其在神经形态和节能AI中的应用潜力。
2025-12-12 cs.LG physics.app-ph
Josephson-like magnetic tunnel junction -- transition from classical to quantum regime
Moscow Center for Advanced Studies(莫斯科高等研究中心);New Spintronic Technologies(新自旋电子技术公司);Prokhorov General Physics Institute of the Russian Academy of Sciences(俄罗斯科学院普罗霍罗夫普通物理研究所)
该研究提出了一种具有量子自旋动力学的约瑟夫森-like磁隧道结结构,通过理论框架实现自旋电子量子比特,并展示了如何利用自旋电流控制量子比特状态。
2026-02-14 cond-mat.mes-hall 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
Voltage-Controlled Magnetoelectric Devices for Neuromorphic Diffusion Process
University of California, Los Angeles(加州大学洛杉矶分校);The Ohio State University(俄亥俄州立大学);University of California, San Diego(加州大学圣迭戈分校);University of California, Riverside(加州大学河滨分校);Industrial Technology Research Institute(工业技术研究院)
本文提出压控磁电自旋存储硬件,以非易失存内计算实现神经形态真随机扩散,在图像生成中达到接近软件训练的FID质量,并显著降低能耗。
2025-03-11 cs.ET cs.LG cs.NE
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
Skyrmion-electronics: Writing, deleting, reading and processing magnetic skyrmions toward spintronic applications
在过去的几十年里,磁skyrmions的领域已经在广泛的主题中进行了积极的研究。在这篇专题综述中,我们主要回顾和讨论了自2009年首次实验观测磁性skyrmion以来skyrmion研究的主要结果和发现。我们特别关注与基于磁skyrmion的自旋电子学应用直接相关的理论、计算和实验发现和进展,即它们在磁场、电流和热能驱动下的写入、删除、读取和处理。然后,我们回顾了几个潜在的应用,包括信息存储,逻辑计算门和非传统的设备,如神经形态计算设备。最后,我们讨论了未来可能的研究方向磁skyrmions,其中也涵盖了丰富的主题,其他拓扑结构,如反kyrmions和双分子在反铁磁体和挫折磁铁。
2019-11-06 cond-mat.mtrl-sci physics.app-ph
Spin-flop magnetoresistance in a collinear antiferromagnetic tunnel junction
针对反铁磁序操控与探测难题,研究人员在全外延RuO₂/MgO/RuO₂三端隧道结中利用自旋翻转TAMR实现共线反铁磁性电学探测,室温TAMR达约60%,结合理论揭示强SOC等的作用,推动反铁磁自旋电子学发展。
2023-11-04 physics.app-ph
Reconfigurable classifier based on spin torque driven magnetization switching in electrically connected magnetic tunnel junctions
本研究提出基于电连接磁隧道结网络的可重构分类器,通过自旋转矩驱动磁化翻转分类输入电流幅值编码信息,实验证明三结网络的口语元音分类识别率优于同参数量软件神经网络,为大规模神经形态网络发展提供支撑。
2024-07-09 cond-mat.mtrl-sci physics.app-ph
Spintronic memristors for computing
本文从忆阻器视角综述基于磁性隧道结、畴壁、拓扑自旋织构等的自旋电子器件,梳理其状态动力学及在存内逻辑、神经形态、随机与混沌计算中的应用,并展望大规模实用化挑战。
2025-03-14 cond-mat.mtrl-sci cs.ET physics.app-ph
Exotic spintronic properties of transition-metal monolayers on graphyne
近年来,过渡金属(TM)与其他元素化合物的二维磁性材料的发现,为低维磁性的基础研究和自旋电子学的潜在应用开辟了新的途径。因此,进一步探索纯TM的新的2D磁体是一个有趣的话题。基于第一性原理计算,本文提出了一种获得单层TM磁体的策略,即,将TM原子沉积在具有适当的六边形中空几何形状的石墨炔(Gy)上。我们发现,TM单分子层具有完美的六边形几何形状可以形成在Gy。TM单分子层表现出丰富的物理性质依赖于TM物种,如铁磁和反铁磁基态,以及有趣的半金属和半金属特性。我们还发现,半金属特性使单层TM在水平磁隧道结(MTJ)器件中具有巨大的潜在应用,其中隧道磁阻可高达850000%。我们的研究结果提供了一个新的框架,获得具有出色的自旋电子学性能的二维磁体。
2021-11-26 cond-mat.mes-hall physics.app-ph
Non-Volatile Vortex MTJs with Opto-Electrical and Spin-Diode Nonlinearities as Multifunctional Neuromorphic Platforms
Universität Greifswald(格赖夫斯瓦尔德大学);Max Planck Institute for the Science of Light(马克斯·普朗克光科学研究所);INL - International Iberian Nanotechnology Laboratory(国际伊比利亚纳米技术实验室);Walther-Meißner-Institut, Bayerische Akademie der Wissenschaften(巴伐利亚科学院瓦尔特-迈斯纳研究所)
该研究提出一种基于存储层的涡旋磁隧道结平台,实现了非易失性权重存储、光电信号驱动的非线性计算和多级读取,展示了在神经形态计算中的应用。
2026-05-10 physics.app-ph
Energy Efficient Stochastic Signal Manipulation in Superparamagnetic Tunnel Junctions via Voltage-Controlled Exchange Coupling
本文提出在超顺磁隧道结中利用VCEC机制实现超低功耗随机状态切换,并验证其与SOT集成及神经形态计算应用潜力。
2024-12-09 cond-mat.mtrl-sci 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
Field-free switching of perpendicular magnetic tunnel junction by the interplay of spin orbit and spin transfer torques
自旋-轨道矩和自旋转移矩是自旋电子存储器未来发展的方向。然而,这两种机制都有其内在的局限性。特别是,需要外部磁场的自旋-轨道扭矩执行确定性开关在垂直磁隧道结;减少自旋转移扭矩开关电流,以实现超低功率的需求仍然存在。因此,迫切需要一种更先进的开关机制来推动自旋电子学的广泛应用。在这里,我们通过实验证明了三端螺旋各向异性纳米柱器件通过自旋轨道和自旋转移矩之间的相互作用的无场开关。自旋转移矩开关的阈值电流密度降低到0.94 MA·cm-2,这是一个显着的下降相比,在其他电流诱导的磁化翻转机制。此外,由于自旋轨道和自旋转移力矩的相互作用,在传统的两端垂直磁性隧道结中也实现了较低的电流感应开关。
2018-06-16 physics.app-ph
Towards mutual synchronization of serially connected Spin Torque Oscillators based on magnetic tunnel junctions
本文实验研究垂直磁化磁性隧道结自旋扭矩振荡器的注入锁定与双结串联同步机制,并结合耦合模型仿真确定同步容差及性能改进路径。
2025-02-14 cs.NE physics.app-ph
Electric-Field-Controlled Altermagnetic Transition for 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)
通过电场调控交替磁性相变实现神经形态计算中的可编程电阻状态,实现高准确率的模式识别。
2025-12-11 cond-mat.mes-hall cond-mat.mtrl-sci physics.app-ph
CMOS back-end-of-line compatible ferroelectric tunnel junction devices
基于二氧化铪固溶体的铁电薄膜的铁电隧道结器件可以实现具有存储器和新兴计算方案(例如存储器内计算和神经形态应用)潜力的超低功率铁电器件的CMOS集成。在这项工作中,我们提出了铁电隧道结的基础上,铪$_{0.5}$锆$_{0.5}$ O $_{2}$的材料和工艺兼容的CMOS后端线集成。我们展示了基于W-Hf $_{0.5}$ Zr $_{0.5}$ O $_{2}$ -Al $_{2}$ O $_{3}$ -TiN堆叠的器件架构,其具有在400°C下的低温退火,其性能与在较高温度退火条件下获得的性能相当。
2021-08-24 cond-mat.mtrl-sci physics.app-ph
Voltage tunable sign inversion of magnetoresistance in van der Waals Fe3GeTe2/MoSe2/Fe3GeTe2 tunnel junctions
本文在全二维 Fe3GeTe2/MoSe2/Fe3GeTe2 范德瓦尔斯磁性隧道结中实现了通过电压调控磁电阻大小与符号反转,揭示了自旋极化与电极能带结构的作用,为下一代低维自旋电子学提供了新功能。
2024-02-22 cond-mat.other physics.app-ph
Artificial optoelectronic spiking neuron based on a resonant tunnelling diode coupled to a vertical cavity surface emitting laser
可激发的光电器件代表了在神经形态(脑启发)光子系统中实现人工尖峰神经元的关键构建块之一。本文介绍并实验研究了一种光-电-光(O/E/O)人工神经元,该人工神经元以共振隧穿二极管(RTD)作为接收器,以垂直腔面发射激光器作为发射器。我们证明了一个定义明确的兴奋性阈值,在此之上,这个神经元产生100纳秒的光学尖峰响应与特征神经样不应期。我们利用其扇入功能来执行设备内符合检测(逻辑与)和异或(XOR)任务。这些结果提供了第一个实验验证的确定性触发和任务的RTD为基础的尖峰光电神经元的输入和输出光(I/O)终端。此外,我们还在理论上研究了所提出的系统的纳米光子实施与单片设计相结合的纳米级RTD元件和纳米激光器的前景;因此,展示了集成RTD为基础的可激发节点的潜力低足迹,高速光电尖峰神经元在未来的neuromorphic光子硬件。
2022-06-22 cs.ET cs.NE physics.app-ph
Reconfiguration of a Magnetic Tunnel Junction as a Way to Turn It into a Field-Free Vortex Oscillator
International Iberian Nanotechnology Laboratory(国际伊比利亚纳米技术实验室)
通过重构磁隧道结的参考层,使其在无外磁场下产生稳定的涡旋振荡,为神经形态计算提供非易失性存储方案。
2025-12-06 cond-mat.other 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
Controllable reset behavior in domain wall-magnetic tunnel junction artificial neurons for task-adaptable computation
由于CMOS驱动的冯·诺依曼计算的局限性,使用自旋电子器件的神经形态计算已经引起了人们的兴趣。畴壁磁性隧道结(DW-MTJ)器件已被证明能够固有地捕获生物神经元行为。边缘松弛行为,其中频繁激发的神经元经历较低的动作电位阈值,可以在执行重复任务时提供附加的人工神经元功能。在这项研究中,我们证明了这种行为可以通过三种替代机制:形状各向异性,磁场,和电流驱动的软复位在DW-MTJ人工神经元中实现。使用微磁学和分析设备建模来对Optdigits手写数字数据集进行分类,我们表明边缘放松行为提高了有序数据集的分类准确性和分类率,同时牺牲了随机数据集的很少或没有准确性。这项工作建立了人工自旋电子神经元可以灵活地适应数据集的方法。
2021-01-08 cond-mat.mes-hall cs.ET cs.NE
All-electrically controlled spintronics in altermagnetic heterostructures
School of Science, Sun Yat-sen University(中山大学科学学院);School of Physics and Materials Science, Guangzhou University(广州大学物理与材料科学学院);School of Humanities and Basic Sciences, Shenzhen Institute of Information Technology(深圳信息职业技术学院人文基础学院);Institute of Materials, Ningbo University of Technology(宁波工程学院材料研究所);Department of Physics and Astronomy, Uppsala University(乌普萨拉大学物理与天文学系)
本文提出利用具有开放费米面的d波交替磁体实现全电控自旋过滤和自旋阀,提供低损耗、无磁场的自旋电子学新平台。
2025-12-25 cond-mat.mes-hall cond-mat.mtrl-sci physics.app-ph