新型自旋电子器件:可模仿人脑神经元与突触!

新型自旋电子器件:可模仿人脑神经元与突触!

导读

据日本东北大学官网近日报道,该校研究人员开发出新型自旋电子器件。这些自旋电子器件有望应用于未来高能效、自适应的计算系统,因为它们表现得像人脑中的神经元与突触一样。

背景

如今的信息社会构建在数字计算机的基础上。半个世纪以来,数字计算机取得了迅猛发展,能够可靠地执行复杂任务。

(图片来源:维基百科)

相比而言,人脑采用了一种迥异于数字计算机的架构,运行在非常有限的功率下,并且可以高效地执行复杂任务。

因此,开发由人脑的信息处理方式启发的计算体系或者硬件,吸引了来自物理、化学、材料、数学、电子与计算机科学等一系列领域的科学家们的广泛兴趣。

通过忆阻器阵列模仿神经元和突触的工作方式(图片来源:功能材料自旋电子学研究小组,格罗宁根大学)

在计算中,实现人脑处理信息的方式有许多途径。脉冲神经网络是一种实现方法,它近似模仿人脑的架构以及瞬时信息处理。

忆阻器制成的神经网络系统(图片来源:参考资料【1】)

成功实现脉冲神经网络,需要具有神经元和突触的专门硬件,这些硬件具有生物神经元和突触的动态特征。

生物神经网络中的神经元与突触(图片来源:Aleksandr Kurenkov 与 Shunsuke

在这里,人工神经元与突触理论上可以由同样的材料系统组成,按照同样的工作原理运行。可是因为它们与生物神经网络中的神经元与突触有着根本不同的特性,所以人工神经元与突触的实现一直极具挑战性。

创新

近日,日本东北大学的科研小组开发出新型自旋电子器件。这些自旋电子器件有望应用于未来高能效、自适应的计算系统,因为它们表现得像人脑中的神经元与突触一样。

(图片来源:东北大学)

研究小组包括Hideo Ohno教授、Shunsuke Fukami副教授、Aleksandr Kurenkov 博士、Yoshihiko Horio 教授。他们采用自旋电子学技术创造出一种人工神经元和突触。

技术

传统的晶体管是基于电子的电荷特性制作的。随着芯片上集成的晶体管数量不断增加,电荷发热的问题越来越严重,影响到芯片的处理速度与性能,阻碍了电子器件的进一步小型化。值得庆幸的是,电子还具有另一个内禀特性:自旋。自旋是粒子内禀角动量引起的内禀运动,要么“向上”,要么“向下”。

研究电子自旋(磁)特性的科学称为“自旋电子学”。自旋可以被迅速改变,可避免电荷带来的发热问题,降低了功耗。因此,自旋电子学将使计算机、智能手机、智能硬件等电子产品变得更快速、更节能,也被认为是研究未来电子器件的一个非常有前景方向。

该研究小组之前开发出一种由反铁磁性和铁磁性材料组成的功能材料系统。这一次,他们制备了由材料系统微加工而成的人工神经元与突触设备。基于同样的自旋电子学概念,它们分别展示了生物神经元和突触的基本行为:带泄漏积分触发(leaky integrate-and-fire)和脉冲时间依赖可塑性(spike-timing-dependent plasticity)。

(图片来源:Aleksandr Kurenkov 与 Shunsuke Fukami)

价值

众所周知,脉冲神经网络优于如今处理和预测瞬时信息的人工智能。将这项先进技术扩展到单元电路、模块和系统级别,有望带来能低功耗处理音频和视频等时变信息的计算机,或者在使用过程中适应用户或者环境的边缘设备。

关键字

人工智能、神经网络、脑、自旋电子、计算机

参考资料

【1】Chao Du, Fuxi Cai, Mohammed A. Zidan, Wen Ma, Seung Hwan Lee, Wei D. Lu. Reservoir computing using dynamic memristors for temporal information processing. Nature Communications, 2017; 8 (1) DOI: 10.1038/s41467-017-02337-y

【2】A. Kurenkov, S. DuttaGupta, C. Zhang, S. Fukami, Y. Horio and H. Ohno. Artificial neuron and synapse realized in an antiferromagnet/ferromagnet heterostructure using dynamics of spin-orbit torque switching, Advanced Materials, 2019; DOI: 10.1002/adma.201900636

【3】https://www.tohoku.ac.jp/en/press/neuron_synapse_mimetic_spintronics_devices.html