2月22日研究人員使用磁系統人工再現大腦的學習和遺忘功能

隨著大數據的出現，當前的計算架構被證明是不夠的。減小晶體管尺寸的困難、大的功耗和有限的運行速度使得神經形態計算成為一個有前途的替代方案。

神經形態計算是一種新的受大腦啟發的計算范式，它通過使用人工神經網絡再現生物突觸的活動。這種設備作為開關系統工作，因此ON位置對應于信息保留或“學習”，而OFF位置對應于信息刪除或“忘記”。

在最近的一份出版物中，來自巴塞羅那自治大學(UAB)、CNR-SPIN()、加泰羅尼亞納米科學和納米技術研究所(ICN2)、微納米技術研究所(IMN-CNM-CSIC)和ALBASynchrotron探索了使用新的先進材料設備模擬人工突觸。該項目由UAB物理系的SerraHúnter研究員EnricMenéndez和ICREA研究員JordiSort領導，并且是SofiaMartins博士的一部分。論文。

一種模擬突觸功能的新方法

到目前為止，大多數用于此目的的系統最終都是由電流控制的，這涉及到因散熱而造成的大量能量損失。在這里，研究人員的建議是使用磁離子學，即通過電壓驅動的離子遷移對材料的磁性進行非易失性控制，從而大大降低功耗并使數據存儲更加節能。

盡管熱耗散隨著離子遷移效應而減少，但對于工業應用而言，室溫下氧的磁離子運動通常很慢，需要幾秒鐘甚至幾分鐘來切換磁性狀態。為了解決這個問題，該團隊研究了目標材料的使用，其晶體結構已經包含要傳輸的離子。這種磁離子靶可以經歷從非鐵磁(關閉)狀態到鐵磁(打開)狀態的完全可逆轉變，反之亦然，僅通過電壓驅動的氧氣運動從目標向儲層(ON)和反之亦然(關閉)。

鑒于它們的晶體結構，氧化鈷是制造薄膜的選定材料，厚度從5nm到230nm不等。研究人員調查了厚度對產生的磁離子行為的作用，發現薄膜越薄，磁化產生的速度就越快。

樣品的X射線吸收光譜(XAS)在ALBA同步加速器的BOREAS光束線上進行。XAS用于在室溫下表征氧化鈷薄膜的元素組成和氧化態，結果對于較薄和最厚的薄膜來說是不同的。這些發現對于理解薄膜之間氧的磁離子運動差異至關重要。

由于在這項工作中實現的運行速度與用于神經形態計算的運行速度相似，因此進一步研究了最薄的氧化鈷薄膜。特別是，誘導了與學習神經形態能力相關的影響，結果提供了磁離子系統可以模擬“學習”和“遺忘”功能的證據。

除了神經形態計算之外，磁存儲器和自旋電子學等其他實際應用也將受益于這項研究的結果。磁存儲器與節能磁離子的結合可能是降低下一代數據存儲介質運行能量的一種可能方式，而控制反鐵磁層的磁離子機制目前是開發自旋電子器件的有希望的候選者。