利用自旋电子器件的短时突触可塑性实现预期性追踪

在认知任务中对高速物体进行实时追踪，是当前人工智能技术面临的挑战，因为数据处理与计算耗时导致阻碍性的时间延迟。受脑启发的连续吸引子神经网络（CANN）可用于快速追踪运动目标，若网络中动态突触具有短时可塑性，则时间延迟可被内在补偿。在此，我们展示具有短时抑制的突触可由磁隧道结实现，其完美复现了广泛应用数学模型中突触权重的动力学。随后，将这些动态突触嵌入一维与二维 CANN，经微磁模拟证明其具备预测运动物体的能力。这种基于自旋电子学的便携式神经形态计算硬件无需训练，因此在运动目标追踪技术中极具前景。